Разное

Цифры развивающие: ‎App Store: Развивающие игры: учим цифры

Содержание

Учим цифры Развивающие задания и игра Для детей 4-5 лет в Комсомольске-на-Амуре: 191-товар: бесплатная доставка [перейти]

Партнерская программаПомощь

Комсомольск-на-Амуре

Каталог

Каталог Товаров

Одежда и обувь

Одежда и обувь

Стройматериалы

Стройматериалы

Текстиль и кожа

Текстиль и кожа

Здоровье и красота

Здоровье и красота

Детские товары

Детские товары

Продукты и напитки

Продукты и напитки

Электротехника

Электротехника

Дом и сад

Дом и сад

Сельское хозяйство

Сельское хозяйство

Промышленность

Промышленность

Мебель и интерьер

Мебель и интерьер

Все категории

ВходИзбранное

Учим цифры Развивающие задания и игра Для детей 4-5 лет

Четвертаков К. В. “Академия солнечных зайчиков. 4-5 лет. Учим цифры (Развивающие задания и игра). Соответствует ФГОС до”

ПОДРОБНЕЕЕще цены и похожие товары

2 страница из 7

Сфера / Академия солнечных зайчиков. 4-5 лет. УЧИМ ЦИФРЫ (Развивающие задания и игра). Развивающие игрушки

0.0301700916 c

Средства от тараканов, одежда, игрушки и игры Покупка Подготовка к школе Коллекция

87 р

Заказать

Артикул 00-00003092

Организатор Summerwine 19.

5

Бренд Сфера

Задать вопрос Найти отзывы Защита покупателя Нашли дешевле?

Четвертаков К.В. для занятий с детьми 4-5 лет расширяет их представления о дружбе и взаимоотношениях со сверстниками, учит правильно знакомиться, общаться, распределять роли в играх, воспитывает доброжелательное отношение к людям, развивает эмоциональную отзывчивость

205х260х3 стр:20 –


Заказать   Добавить в корзину В корзине Убрать

Задать вопрос

Беседы о Дальнем Востоке. Методические рекомендации / Шорыгина Т.А.

2 заказа

Беседы о детях-героях Великой Отечественной войны. 2-е изд. / Шорыгина Т.А.

4 заказа

Воспитание дошкольников в духе русских культурных традиций: Метод. пособие. В 2 ч. Ч. 1/ Ельцова О.М.

2 заказа

Говорю правильно С-З-Ц. Дидактический материал для работы с детьми дошкольного и младшего школьного возраста. Соответствует ФГОС ДО

2 заказа

Носки детские Артикул: 8с920

2 заказа

Для самых-самых маленьких. Любимый щенок. Эмоциональное воспитание (для детей 2-4 лет)

2 заказа

Начинаем говорить. Сборники. Я почти считаю (для детей 1-3 лет) СБОРНИК, 48 стр.,

3 заказа

Игры магнитные дорожные: домино, волшебные колпачки, ходилка Игры магнитные дорожные: домино, волшебные колпачки, ходилка Игры магнитные дорожные: домино, волшебные колпачки, ходилка

4 заказа

Клеевая ловушка ARGUS домик от тараканов, 1шт

83 заказа

В корзине Убрать

Клеевая ловушка домик Бдительный Страж от тараканов и муравьев, 1 шт

47 заказов

Ловушка-домик от тараканов Блокбастер, 1 шт,

117 заказов

В корзине Убрать

Мелок “Абсолют” для уничтожения насекомых, в блистере, 1 шт

23 заказа

В корзине Убрать

205х260х3 стр:20 3шт

Перейти в покупку

205х260х3 стр:20

Перейти в покупку

Показать все отзывы покупки

Перейти в категорию «Открытки и конверты»

Перейти в категорию «Развивающие игрушки»

Перейти в категорию «Лепка и скульптура»

Открытка А5 (фольга) “Поздравляем” с текстом

Перейти в категорию «Подарочная упаковка»

Конверт для денег “С Днюхой”

Перейти в категорию «Открытки и конверты»

Мини-открытка “Новогодний тигрёнок”

Перейти в категорию «Карнавальные товары»

Новогодние наклейки “Кормушки и снеговики”

Перейти в категорию «Украшения для интерьера»

Перейти в категорию «Развивающие игрушки»

Показать все отзывы

Промо

ОRION — всем чокопаям ЧОКОПАЙ

Отправка до 5 дней

PELICAN // осенний SALE 2022 -15% от орга

Активна ещё 4 дняДоставка с 10 октября

S Все для ваших малышей! С любовью

Активна ещё 2 дняДоставка с 26 октября

Пижамы для подростков 785руб

Активна ещё 17 часовДоставка с 22 октября

Массажные коврики, аппликаторы.

Товары для дома

Отправка до 5 дней

Что такое 100sp —


совместные покупки
Как работает сайт

Как сделать


заказ
Для новичков

Как оплатить


заказ
Способы оплаты

Как получить


заказ
Способы доставки

Каталог детских товаров Купить игрушки детские в Хабаровске Развивающие игрушки

Проблемы первоклассников

Светлана Казакова

учит не первое поколение первоклассников

Я работаю в школе уже 20 лет. По моему опыту, дети в первом классе регулярно сталкиваются с одними и теми же проблемами.

Например, не умеют завязывать шнурки, испытывают трудности в общении со сверстниками и плохо знают геометрические фигуры.

Подобные мелочи мешают ребенку адаптироваться в новой обстановке.

Расскажу, с какими трудностями сталкиваются первоклассники и как их можно избежать, если ребенку заранее подтянуть нужные навыки.

Как растить детей и не разоряться

Лучшие материалы о том, как справляться с родительством и получать максимум от государства, — каждый вторник в вашей почте. Бесплатно

Проблема № 1

Мало знают о своей семье

Что бывает не так. В соответствии с федеральными государственными стандартами дошкольного образования, «идеальный» первоклассник уже обладает начальными знаниями о себе и мире вокруг.

Например, он знает свое имя, фамилию и отчество, возраст, дату рождения. Сможет перечислить имена родителей и других членов семьи, а еще расскажет про их места работы и назовет страну и город, где живет.

Но в школе я сталкиваюсь с тем, что некоторые ребята не знают свой домашний адрес и не могут назвать родителей по имени-отчеству: в ответ на вопрос «как зовут папу» они говорят «дядя Ваня».

Полные имена остальных родственников тоже редко вспоминают.

/happy-kid/

«Оценивайте не ребенка, а поступок»: 8 вопросов детскому психотерапевту

Знать подобную информацию нужно для того, чтобы малыш был более самостоятельным: так он будет увереннее идти в школу и домой один, активнее проявит себя на первых уроках, где учитель знакомится с детьми, а дети — друг с другом.

Также я заметила, что с каждым годом о профессии родителей могут рассказать все меньше детей. Это может помешать ребенку понимать учителя, потому что тот иногда объясняет новый материал на примере профессий: не просто «5 − 3 = 2», а «один портной сделал три выкройки, а другой — пять, на сколько больше выкроек сделал второй портной?».

Разработка для урока одного из учителей в моей школе: изучение некоторых тем идет через рассказ о конкретной профессии. В данном случае это учитель, но может быть любая другая

Как это исправить. За неделю-две до учебного года можно выучить имена родителей и близких. Для запоминания имен подойдет игра «Семейный альбом»: в ней нужно взять фотографию родственника, написать рядом с ней имя этого человека и проговорить — «бабушка Антонина Семеновна».

Недолго познакомить детей и с профессией родителей. На мой взгляд, хорошая практика — на день взять ребенка на работу, если позволяет техника безопасности. Это поможет закрепить название профессии и связанные с ней действия — «мама повар, она готовит еду» — и просто расширить кругозор.

Проблема № 2

Не умеют себя обслуживать

Что бывает не так. С каждым годом все больше детей не умеют застегивать на одежде замки и пуговицы, не знают правил поведения за столом и неправильно держат ложку.

Иногда дети не умеют переодеваться и не знают, где их личные вещи. Например, собираясь домой, ищут в толпе родителя, чтобы тот собрал портфель. А подготовка к физкультуре становится целым приключением: ребенок не знает, где у него лежит одежда для урока, а к педагогу выстаивается очередь, чтобы он завязал шнурки.

/guide/detskaya-odezhda/

Как выбрать одежду для ребенка

Большинство мальчиков не умеют застегивать брюки — и это проблема не только для физкультуры, но и для похода в туалет. Многие школы даже приглашают родителей, чтобы они помогли детям сменить одежду.

На первый взгляд это мелочи, но часто неумение совершать такие действия заканчивается психологической травмой. Например, когда ребенок не успевает раздеться для туалета или становится объектом насмешек, потому что не умеет держать ложку или постоянно пачкает лицо пищей и не вытирает его.

Часто родители до школы покупают детям практичную одежду: например, обувь на липучках. Из-за этого ребенок может не успеть научиться завязывать шнурки к первому классу. Источник: wildberries.ru

Как это исправить. Научите ребенка застегивать брюки и ремень, мелкие пуговицы на рубашке, завязывать шнурки — тогда он сможет переодеваться на урок физкультуры и самостоятельно собираться домой. Здесь подойдет метод «повторяй за мной»: в идеале действия стоит отработать на вещах, в которых ребенок пойдет в школу.

На первое время можно нашить на одежду бирки с инициалами, которые подскажут школьнику, где его куртка, штаны или какая-то другая вещь. Или наклеить картинку с животным, которую ребенок выберет в магазине.

/guide/backpacks-for-school/

Как выбрать рюкзак для первоклассника

Проверьте, как ребенок держит вилку и ложку и умеет ли пользоваться салфетками. Напомните ему, как и для чего мыть руки.

Дети часто держат ложку так, как показано слева, из-за этого они чаще пачкаются. Справа — приемлемый вариант Дети часто держат ложку так, как показано слева, из-за этого они чаще пачкаются. Справа — приемлемый вариант

Проблема № 3

Испытывают трудности с речью

Что бывает не так. В школе, где я работаю, есть логопед, и в начале учебного года она проводит диагностику среди ребят. По статистике, в течение последних трех лет первоклассников с речевыми проблемами стало больше: сюда я отношу неправильное произношение звуков, скомканность речи, трудности в употреблении предлогов.

Бывает, что школьник не умеет формулировать вопросы вроде «можно выйти?» или «писать нужно с большой буквы?». Если такой навык не развит, ребенок будет с трудом вставлять в свои вопросы термины, которые узнал в школе. А таких бывает много: например, на математике это «слагаемое», «сумма», а на русском — «корень», «окончание», «строчная и прописная буквы».

Неумение задать вопрос, особенно с новыми терминами, может привести к тому, что ребенок будет не выполнять задание, а думать, как бы задать вопрос, — при этом не замечая, что другие дети его уже задали, а учитель ответил. Это отвлекает ребенка от целей урока и может его расстроить.

Проблемы с речью также отражаются на уроках письма. Ребенок меняет местами буквы в словах: вместо «но» пишет «он», вместо «Светлана» — «Севтлана». Пропускает буквы в словах: не «снежинки», а «снежнки». Пишет по принципу «как говорю, так и пишу»: «шапка» превращается в «сапку». Слитно пишет предлоги со словами: «в лесу» сливается в «влесу».

/dyslexia-how-to/

«Я научилась принимать свою особенность»: 3 истории о жизни и учебе с дислексией

Если речевые проблемы не будут решены, ребенок может ошибиться даже в простейших тестах с выбором ответа. А в четвертом классе его ждет Всероссийская проверочная работа, где много текстовых заданий и на пропущенные буквы и слова, и на выражение своего мнения в письменной форме.

Как это исправить. За пару недель вряд ли получится подтянуть устную речь. Лучше задуматься об улучшениях хотя бы за год. Если ребенку рекомендовали занятия с логопедом, родителям не стоит отказываться от этих занятий.

Чем чаще родители общаются с ребенком, тем больше вероятность того, что они заметят у него речевые проблемы, например замену звуков в словах. Если есть сомнения, лучше не закрывать на них глаза, а сходить к логопеду. Он определит источник проблемы и посоветует, что делать дальше.

Проблема № 4

Не владеют всеми базовыми навыками, которые нужны на уроках

Что бывает не так. Уже на первом уроке математики учитель попросит детей посчитать предметы, расставить их от самого высокого до самого низкого и назвать предмет, который находится между двумя другими. Поэтому на математике комфортнее ребенку, который знает цифры, умеет называть их в прямом и обратном порядке, определять число, которое стоит перед называемым и после, сравнивать предметы по цвету, размеру, количеству в пределах десяти.

В моей практике большинство детей к началу школы владеют прямым и обратным счетом в пределах десяти, с легкостью отвечают на вопросы о расположении цифр относительно друг друга.

А вот знание геометрических фигур и в целом геометрические представления развиты слабее: дети путают фигуры или не знают их названия. Это тоже мешает на уроках математики, потому что уже в первом классе изучают сумму длин всех сторон квадрата, ромба, прямоугольника.

Перед первым классом ребенку полезно различать геометрические фигуры, знать их названия: круг, квадрат, прямоугольник, ромб, овал Перед первым классом ребенку полезно различать геометрические фигуры, знать их названия: круг, квадрат, прямоугольник, ромб, овал

На уроках русского языка многие ребята не умеют разносить предметы по родам и подбирать разные прилагательные к одному существительному: например, «снег какой?» — он может быть белым, мягким, пушистым, холодным. В последние годы дети часто меняют «хорошо» и «я согласен» на слово «ок».

В учебниках много текста, который нужно уметь осмысливать: уловить главную мысль, задать вопрос по прочитанному, передать интонацию вопросительного и восклицательного предложения в чтении или в монологе. Многие дети этого не умеют. Также немало ребят не умеют правильно и долго держать ручку, поэтому им сложно, например, аккуратно обводить буквы.

Из года в год все меньше первоклассников, которым родители читали сказки или просто художественную литературу. Такая совместная деятельность развивает воображение ребенка, его умение формулировать вопросы и давать развернутые ответы, пополняет словарный запас. В школе такие навыки очень нужны, но детям порой их не хватает — и учителю сложно строить урок и общаться с учениками.

На уроке окружающего мира хорошо видны базовые представления ребенка о мире, а также его коммуникативные способности: например, он может рассказать, каких домашних животных видел, куда ездил летом. По моим наблюдениям, активнее на уроке проявляют себя дети, которые путешествуют по региону, по стране, у которых есть животные, а родственники живут в другом городе или в деревне.

/razvivashki/

За год я потратила 6587 Р на развивающие тетради для ребенка

Нередко на первых уроках технологии учитель показывает детям, как держать в порядке рабочее место, пользоваться ножницами. Без этих навыков урок технологии — большое испытание для ребенка. По моим подсчетам, уверенно держит ножницы и вырезает по контуру где-то четверть класса.

Некоторые ребята не знают, как пользоваться клеем: как его намазать, как скрепить детали пальцами. Это тоже приводит к тревоге. Например, на технологии дети делают общее панно из вырезанных листьев или цветов, которое потом повесят в классе. Каждый ученик будет стараться вырезать и приклеить свой элемент как можно аккуратнее, но иногда дети очень расстраиваются, если у них не получается именно потому, что они не умеют держать ножницы или клеить.

Как это исправить. Все навыки, о которых речь шла выше, формируются у детей в процессе игры и во время общения. Много усилий прилагать не надо, достаточно в повседневной жизни привлекать ребенка к совместной деятельности.

Для развития счета можно считать с ребенком проезжающие машины, писать цифры палочкой на песке или мелом на асфальте, а в магазине обращать внимание на стоимость продуктов. Или предложить ребенку посчитать количество фруктов в вазе, но не просто «один, два, три», а с проговариванием предмета: «один мандарин», «два мандарина». Еще один способ — решать с ребенком простые задачи: «У тебя три яблока, ты дашь одно яблоко маме и одно другу, сколько у тебя останется?»

Чтобы освоить геометрические фигуры, можно поиграть в игру: нарисовать фигуры, а потом выполнять какие-то действия вроде «обведи пальцем», «прокати машинку по кругу», «покажи предмет, который похож на квадрат». Если вырезать рисунки, можно раскладывать их по группам — по размеру, по форме.

Я не раз замечала, что детям нравятся уроки окружающего мира. Чтобы ребенок был активным участником процесса, ему не помешает знать названия двух-трех комнатных растений, различать деревья, которые растут во дворе или на даче, знать диких и домашних животных, называть несколько перелетных птиц, правильно перечислять дни недели, времена года и их признаки.

В подготовке к школе полезным навыком служит умение понимать прочитанное или рассказанное взрослым, отвечать на вопросы по тексту. Читайте ребенку сказки, рассказывайте о животных, природе, других детях. Задавайте вопросы и до конца выслушивайте ответы, привлекайте будущего школьника к семейным беседам на разные темы. Родителям лучше избавиться от привычки перебивать ребенка, додумывать и завершать ответы за него.

/list/first-books/

Книги для самостоятельного чтения: 13 вариантов для детей всех возрастов

Знакомиться с литературой можно не только через чтение, но и прослушивая вместе с ребенком аудиокниги, смотря фильмы. Главное — обратить внимание на название произведения, имена героев, обсудить их поступки, донести до ребенка смысл истории.

Так у детей формируется навык задавать вопросы и отвечать на них в развернутом монологе. Учитель может спросить «как прошли твои выходные», и ученик ответит не просто «хорошо», а «мы ездили к бабушке, видели там большую корову».

Играйте в игру типа «Городов», называя слова на определенную букву, разучивайте и пойте детские песни. Тогда у ребенка быстрее сформируется навык восприятия и анализа информации.

Полезно прорисовывать элементы букв, штриховать фигуры: это умение формирует мелкую моторику рук, которая пригодится для письма. Можно просто найти шаблоны в интернете и распечатать или даже нарисовать фигуры самостоятельно. Развитию моторики способствуют вырезание фигурок, аппликации и лепка.

Проблема № 5

Не соблюдают правила и плохо выполняют команды

Что бывает не так. Правила — это не только игра на перемене. Например, это еще «игра» на очередность ответов на уроке. Или правила поведения в общественных местах и на улице: переходить дорогу по светофору и пешеходному переходу, не общаться с посторонними, уметь позвать на помощь в трудной ситуации, слушать и слышать учителя.

Моя практика показывает, что дети, которые ходили в сад, лучше ориентируются в правилах игр, охотнее им следуют. Однако большинство ребят не соблюдают очередность ответов, перебивают друг друга, некоторые смеются над ответами других. И чем больше таких детей, тем больше учитель тратит времени на организацию работы на уроке.

Действия по образцу выполняют в основном все ученики, но с выполнением команд справляются немногие. Тогда как команды вроде «обведи», «раскрась», «напиши», «заполни», «двигайся влево», «отступи три клетки справа» встречаются на уроках очень часто. Например, на математике учитель попросит:

  1. Поставить точку в левый нижний угол клетки.
  2. Двигаться до конца клетки вправо.
  3. Затем подняться на верх клетки.
  4. Провести линию влево.
  5. По диагонали вернуться в противоположную точку.
Рисунок слева — то, что должно получиться, но многие ребята рисуют так, как показано на двух рисунках справа. Это происходит из-за того, что они невнимательно слушают команды учителя или не знают термина «противоположный» Рисунок слева — то, что должно получиться, но многие ребята рисуют так, как показано на двух рисунках справа. Это происходит из-за того, что они невнимательно слушают команды учителя или не знают термина «противоположный»

Как это исправить. Играйте с детьми в игры с четкими правилами вроде шашек и шахмат, в подвижные и словесные игры: такие занятия побуждают ребенка надолго сосредоточиваться на задании, соблюдать условия выполнения целей.

Еще можно отрабатывать правила поведения на улице — например, на прогулке с ребенком показать, как нужно переходить дорогу в положенном месте. Можно изучить безопасный маршрут по светофорам до школы, даже если вы планируете провожать и встречать ребенка.

/guide/doroga-v-shkolu/

Как научить ребенка безопасно добираться до школы

Обращайте внимание на ориентиры по дороге — дома, кустарники, памятники: неважно, идете вы или едете на машине. Или проговаривайте: «сейчас мы едем по улице Маркса, а дальше повернем на Ленина». Такие беседы формируют пространственное мышление и пополняют словарный запас, что поможет в школе лучше понимать учителя. А еще делают самостоятельный путь домой безопаснее.

Проблема № 6

Не готовы к школе психологически

Что бывает не так. Важное условие успешного старта школьной жизни — умение считаться с интересами окружающих, потому что школьные формы обучения носят коллективный характер. Они предполагают взаимодействие и сотрудничество, а также диалог с учителем.

От отношений с классом во многом зависит, насколько успешно ребенок сможет воспринимать и перерабатывать учебный опыт, то есть извлекать из него пользу для собственного развития.

Поначалу ребята присматриваются друг к другу, но смелее вливаются в школьную жизнь дети, которые посещали дошкольные учреждения: детский сад, дополнительные занятия по развитию. Тем не менее уже с первых дней можно заметить смелых ребят, которые помогут найти однокласснику дорогу до туалета и не постесняются навестить друга из соседнего класса. Если одноклассники ходили в один детский сад, они активнее общаются друг с другом на переменах.

Есть ребята, которые на первых порах не выходят из кабинета, с трудом принимают приглашения сверстников и педагогов поиграть. Часть детей скучает по родителям. При этом педагоги замечают, что мамы звонят некоторым детям каждую перемену, не давая им проявить самостоятельность. Родители узнают, как ребенок себя чувствует, не переживает и не скучает ли он, спрашивали его на уроке или нет.

/life-lessons/

«Этот момент изменил все»: 11 жизненных уроков от учителей

Иногда дети на перемене звонят родителям и жалуются, что их не спросили на уроке, а родители начинают об этом писать или звонить учителю. Есть ребята, которые путают эмоциональность учителя с криком. Например, учитель голосом выделил «ищем ПЕРВОЕ слагаемое», а ученик подумал, что на него кричат. Тогда родители тоже начинают разбираться, почему на ребенка повышают голос.

Такое бывает в семьях, где родители по умолчанию плохо настроены по отношению к учителю и к школе. Например, родители при ребенке оценивают действия учителя со своей точки зрения, которая заведомо негативна.

Как это исправить. Психологическая готовность ребенка к школе — это не конкретные знания, умения и навыки, а скорее общая зрелость. В основном она формируется во время общения — от спонтанной игры во дворе и посещения музея до рисования и беседы с родителями за ужином.

Также большую роль играют доверие взрослых к ребенку и развитие его самостоятельности и ответственности за свои поступки. При этом до начала учебного года необязательно прививать «любовь к школе»: невозможно полюбить то, с чем еще не сталкивался.

Постарайтесь сформировать любознательность, познавательную мотивацию «хочу все знать». Почаще говорите малышу о том, что в школе он узнает много интересного, найдет новых друзей. Не запугивайте детей школой и в то же время не обещайте легких побед.

/list/science-for-kids/

Школьный тайм-менеджмент и тайны Вселенной: 10 познавательных книг для детей

Представления о школьной жизни у ребят складываются в основном из высказываний окружающих, из бесед о школе. Поэтому старайтесь не делать критических замечаний в адрес школы и учителей при ребенке. Если родителя волнует какой-то вопрос, лучше обсудить его с педагогом при личной встрече.

Постарайтесь не сравнивать достижения ребенка ни со своими, ни с достижениями старшего брата или сестры и одноклассников. Любовь и терпение будут служить гарантией уверенного продвижения в учебе. Будьте ребенку помощником и союзником: хвалите за достижения и будьте опорой.

Материалы, которые помогут родителям сохранить бюджет и рассудок, — в нашем телеграм-канале @t_dety.

О том, как написать статью о своем родительском опыте, рассказываем в нашем мануале: прочитайте его и станьте нашим автором.

Как создать показатели качества публикации

Введение

Итак, после месяцев (лет?) тяжелого труда в лаборатории вы наконец готовы поделиться своим новаторским открытием со всем миром. Вы собрали достаточно данных, чтобы произвести впечатление даже на самых строгих рецензентов. Вы связали все это вместе в такой блестящей истории, что она наверняка станет одной из самых цитируемых статей всех времен.

Поздравляем!

Но прежде чем вы сможете отправить свой великий опус на Ваш любимый журнал , вам нужно преодолеть еще одно препятствие. Вам нужно построить фигурки. И они должны быть «публикационного качества». Те слайды PowerPoint, которые вы показывали на лабораторных собраниях? Не собираюсь резать.

Итак, что именно вам нужно сделать для показателей «публикационного качества»? У журнала, вероятно, длинный и непонятный свод правил. Они могут предложить программное обеспечение под названием Photoshop или Illustrator. Возможно, вы слышали о них. Вы можете быть в ужасе от их ценников.

Но есть и хорошие новости: вполне возможно построить показатели качества публикации, которые удовлетворят требованиям большинства (если не всех) журналов, используя только бесплатное программное обеспечение с открытым исходным кодом. В этом руководстве описано, как это сделать. Вы не только сэкономите деньги на лицензиях на программное обеспечение, но и сможете настроить рабочий процесс, который будет прозрачным, сохранит целостность ваших данных и гарантированно выжмет все возможные пикограммы качества изображения из формата публикации журнала.

Инструменты

Вот пакеты программного обеспечения, которые составят ядро ​​рабочего процесса построения фигур:

  • R — Диаграммы, графики и статистика. Крутая кривая обучения, но абсолютно стоит затраченных усилий. Однако, если вы ленивы, программа для построения графиков, которую вы уже используете, вероятно, подойдет.

  • ImageJ — Подготовьте изображения. Да, пользовательский интерфейс немного грубоват, но это гораздо более подходящий инструмент, чем Photoshop. Для ImageJ в комплекте с большой коллекцией полезных инструментов анализа попробуйте дистрибутив Fiji.

  • Inkscape — упорядочивайте, обрезайте и комментируйте изображения; ввести графики и диаграммы; рисовать схемы; и экспортируйте окончательную цифру в любой формат, который хочет журнал. Illustrator — платная альтернатива. Попытка сделать это с помощью Photoshop напрашивается на неприятности.

  • Расширение Embed and Crop Images для Inkscape и The PDF Shrinker — управляйте сжатием изображений в окончательных файлах рисунков.

Акцент на свободном программном обеспечении является скорее факультативным, чем идеологическим. Все эти программы доступны для Windows, Mac и Linux, что не всегда относится к коммерческому ПО. Кроме того, тот факт, что они некоммерческие, позволяет избежать как денежных, так и бюрократических проблем, поэтому вы можете создавать свои цифры на том же компьютере, который используете для хранения и анализа данных, вместо того, чтобы полагаться на общие рабочие станции (сохраняйте резервные копии!) . Самое главное, эти инструменты часто лучше, чем их коммерческие альтернативы для построения фигур.

Цели

Прежде всего, это руководство , а не предназначено как комментарий к дизайну фигурки. Это введение в технические вопросы, связанные с преобразованием ваших экспериментальных данных во что-то, что можно отобразить на мониторе компьютера, смартфоне или мертвом дереве, сохраняя при этом как можно больше информации. Вы все равно сможете создавать уродливые и неинформативные цифры, даже если они технически совершенны.

Итак, прежде чем мы углубимся в детали рабочего процесса построения фигурки, давайте на минутку обдумаем, чего мы хотим достичь. Вообще говоря, у нас есть четыре цели: точно представить данные, соответствовать требованиям журнала к форматированию, сохранить качество изображения и обеспечить прозрачность.

Данные не лгут

И ваши цифры тоже, даже непреднамеренно. Поэтому важно, чтобы вы понимали каждый шаг, который стоит между вашими необработанными данными и окончательной цифрой. Один из способов думать об этом состоит в том, что ваши данные претерпевают серию преобразований, чтобы перейти от того, что вы измеряете, к тому, что попадает в журнал. Например, вы можете начать с набора измерений веса мыши. Эти числа «преобразовываются» в фигуру как вертикальное положение точек на графике, расположенных таким образом, что 500 г в два раза дальше от базовой линии графика, чем 250 г. Или необработанное иммунофлуоресцентное изображение (сетка подсчета фотонов) преобразуется с помощью справочной таблицы в изображение в градациях серого. В любом случае, то, что именно влечет за собой каждое преобразование, должно быть ясным и воспроизводимым. Ничто в рабочем процессе не должно быть волшебным «черным ящиком».

Соблюдайте правила форматирования

Соблюдение одного набора правил форматирования не должно быть слишком сложным, по крайней мере, когда журнал ясно представляет, чего он ожидает, что не всегда так. Но хитрость заключается в разработке рабочего процесса, достаточно гибкого для работы с широким спектром правил форматирования — 300 или 600 точек на дюйм, Tiff или PostScript, с полями или без полей. Общий подход должен заключаться в том, чтобы отодвигать решения, влияющие на окончательный формат фигуры, как можно дальше в рабочем процессе, чтобы переключение не требовало перестроения всей фигуры с нуля.

Качество

К сожалению, сделать так, чтобы ваши фигурки выглядели именно так, как вам нравится, является одной из самых сложных задач в процессе создания фигурок. Почему? Потому что вы даете журналу , а не то же самое, что окажется на веб-сайте или в PDF-файле. Или в печати, но кто читает печатные журналы в наши дни? Окончательные файлы рисунков, которые вы передаете редактору, будут дополнительно обработаны — как правило, через некоторые из этих волшебных «черных ящиков». Хотя вы не можете контролировать потерю качества рисунков, вызванную журналом, вы можете убедиться, что файлы, которые вы им даете, имеют как можно более высокое качество.0005

Прозрачность

Если Рецензенту №3 — или какому-то парню в плохом настроении, который читает вашу статью через пять лет после ее публикации — не нравится то, что он видит, вам придется доказать, что вы правильно подготовили рисунок. Это означает, что рабочий процесс построения фигуры должен быть прозрачным. Каждый промежуточный шаг от необработанных данных до окончательного рисунка должен быть сохранен, и должно быть ясно, как каждый шаг связан. Еще одна причина избегать черных ящиков.

Этот рабочий процесс должен достичь каждой из этих целей. При этом на самом деле это не вопрос следования контрольному списку и получения идеальных цифр. Скорее, речь идет о точном понимании того, что вы делаете, чтобы перевести ваши данные из необработанной формы на (электронную) страницу журнала.

Компьютерный вид страницы журнала

Чтобы понять, как привести данные в презентабельную форму, нам нужно рассмотреть несколько деталей того, как визуальная информация представляется на компьютере.

Растровые данные и векторные данные

Существует два принципиально разных способа цифрового описания визуальной информации. Первый заключается в разделении изображения на сетку и представлении цвета каждой ячейки в сетке, называемой пикселем, числовым значением. это растровые данные , и вы, вероятно, уже знакомы с ним. Почти все цифровые изображения, от художественных пейзажей, снятых с помощью высококачественных камер, до моментальных снимков, сделанных мобильными телефонами, представлены в виде растровых данных. Растровые данные также называются данными bitmap .

Второй способ, которым компьютеры могут представлять изображения, — это набор инструкций. Что-то вроде «нарисуйте тонкую пунктирную красную линию из точки A в точку B, затем нарисуйте синий круг радиусом r с центром в точке C», но с более понятным для компьютера синтаксисом. Это называется векторными данными и обычно используется для изображений, которые можно разложить на простые линии, кривые и формы. Например, текст, который вы сейчас читаете, представлен набором кривых.

Разрешение

Хранение визуальной информации в виде растровых или векторных данных оказывает большое влияние на то, как это изображение отображается в различных размерах. Растровые данные зависят от разрешения . Поскольку количество пикселей в изображении ограничено, отображение изображения определенного размера приводит к получению изображения с определенным разрешением, обычно описываемым как количество точек на дюйм (dpi) или пикселей на дюйм (ppi). Если растровое изображение отображается в слишком большом размере для количества содержащихся в нем пикселей, разрешение будет слишком низким, и отдельные пиксели будут хорошо видны, что придает изображению блочный или «пиксельный» вид.

Напротив, векторные данные не зависят от разрешения . Векторные изображения могут быть увеличены до любого размера без пикселизации. Это связано с тем, что инструкции по рисованию, составляющие векторное изображение, не зависят от конечного размера изображения. Учитывая инструкцию векторного изображения нарисовать кривую между двумя точками, компьютер вычислит столько промежуточных точек, сколько необходимо для того, чтобы кривая выглядела гладкой. В растровом изображении кривая должна быть разделена на пиксели при создании изображения, и непросто добавить больше пикселей, если изображение будет увеличено позже.

Эффективность

Итак, если векторные данные не зависят от разрешения, зачем вообще использовать растровые данные? Часто это вопрос эффективности. Векторные данные отлично подходят для визуальных данных, которые можно разбить на простые формы и узоры. Для чего-то вроде графика или простого линейного рисунка векторное представление, вероятно, будет более качественным и меньшим (с точки зрения размера файла), чем растровое изображение. Однако по мере того, как изображения становятся более сложными, векторное представление становится все менее эффективным. Подумайте об этом так: когда вы добавляете к изображению больше фигур, количество инструкций по рисованию, необходимых для векторного представления, также увеличивается, в то время как количество пикселей в соответствующем растровом изображении может оставаться прежним. В какой-то момент независимость от разрешения больше не стоит затрат на размер файла и время обработки.

Есть еще одна очень важная причина, по которой растровые данные могут быть предпочтительнее векторных. Многие изображения настолько сложны, что простейшими формами, на которые их можно разделить, являются, по сути, пиксели. Рассмотрите фотографию. Можно было бы создать векторное изображение на основе контуров или простых фигур на картинке, но это было бы мультяшное приближение — детали теней и текстур были бы потеряны. Единственный способ создать векторное изображение, охватывающее все данные на фотографии, — это создать множество маленьких фигур, представляющих мельчайшие присутствующие детали — пиксели.

Другой способ думать об этом состоит в том, что некоторые визуальные данные являются изначально растровыми . В растровых изображениях с цифровых камер каждый пиксель соответствует сигналу, захваченному одним фотоузлом на детекторе. (Это буквально верно для камеры, подключенной к вашему микроскопу, но полная история немного сложнее для бытовых камер. ) Выход камеры — это пиксели, а не линии и кривые, поэтому имеет смысл представлять изображение с помощью растра, а не чем векторные данные.

Растеризация и повторная выборка

В какой-то момент почти все векторные данные преобразуются в растровые с помощью процесса, называемого растеризацией . Обычно это происходит непосредственно перед отправкой изображения на дисплей или принтер, потому что эти устройства предназначены для отображения и печати пикселей. Вот почему у вашего монитора есть разрешение экрана, которое определяет размеры области отображения в пикселях. Поскольку изображения в векторном формате не зависят от разрешения, их можно растрировать на пиксельные сетки любого размера, но после растрирования изображение привязывается к этой конкретной пиксельной сетке. Другими словами, растеризованное изображение содержит меньше информации, чем исходное векторное изображение — растеризация приводит к потере качества изображения.

Аналогичная потеря информации об изображении может произойти, когда растровые изображения перерисовываются на новую пиксельную сетку. Этот процесс, называемый передискретизацией , почти всегда приводит к получению изображения более низкого качества, даже если размеры в пикселях передискретизированного изображения увеличиваются. Почему? Рассмотрим изображение, которое изначально имеет размер 100 пикселей × 100 пикселей, но передискретизировано до 150 пикселей × 150 пикселей. Проблема в том, что многие пиксели нового изображения не соответствуют напрямую пикселям старого изображения — они лежат где-то между старыми пикселями. Мы могли бы присвоить им значения на основе среднего значения соседних пикселей, но это приведет к размытию четких краев. В качестве альтернативы мы могли бы просто продублировать некоторые старые пиксели, но это сдвинет границы и изменит форму. Существуют и более сложные алгоритмы, но дело в том, что невозможно точно представить исходные растровые данные в новой пиксельной сетке.

Из всего этого можно сделать вывод, что растеризации и повторной выборки следует избегать, когда это возможно . И когда, как это часто бывает, требуется растеризация и повторная выборка для создания изображения с определенным размером и разрешением, растеризацию и повторную выборку следует выполнять только один раз — и в качестве самых последних шагов в рабочем процессе. После растрирования векторной информации и передискретизации растровых изображений любые дальнейшие манипуляции могут привести к ненужной потере качества.

Цветовые пространства

Независимо от того, представлено ли изображение растровыми или векторными данными, существует множество способов хранения информации о цвете. Каждая единица изображения — пиксели в растровых изображениях и фигуры/линии/кривые в векторных изображениях — имеют связанное значение цвета. Не существует никакого практического способа представить более или менее бесконечные длины световых волн (и их комбинации), воспринимаемые как разные цвета в реальном мире, поэтому в цифровом мире мы используем более короткие пути. Эти ярлыки означают, что доступно только конечное, хотя обычно большое количество цветов. Различные сочетания клавиш делают доступными немного разные наборы цветов, называемые 9.0009 цветовых пространств .

Оттенки серого

В простейшем представлении цвета вообще нет цвета, только черный, белый и оттенки серого. Цвет в оттенках серого — это всего лишь одно число. Обычно более низкие числа ближе к черному цвету, а более высокие — к белому. Диапазон возможных чисел (оттенков) определяется битовой глубиной , обсуждаемой позже. Другое название этой цветовой модели — одноканальная , которая происходит от растровых изображений, где каждый пиксель хранит одно число на изображение 9.0009 канал .

RGB

Добавление фактического цвета означает добавление дополнительных чисел (то есть дополнительных каналов). Наиболее распространенная система использует три канала и названа в честь цветов, которые каждый из них представляет: красный , зеленый и синий . RGB — это аддитивная цветовая модель — желаемый цвет создается путем сложения разного количества красного, зеленого и синего света. Красный и зеленый дают желтый; красный и синий дают фиолетовый; зеленый и синий дают цвет морской волны; и все три вместе составляют белый цвет. Компьютеры используют почти исключительно цвет RGB. Это также цветовая модель, которую журналы хотят видеть в ваших окончательных цифрах, чтобы лучше отображать их на цифровых устройствах читателей. Этот рабочий процесс строит фигуры с использованием цвета RGB.

CMYK

Еще один способ добавить цвет к изображению — вычесть его. В субтрактивных цветовых моделях каждый канал представляет пигмент, поглощающий определенный цвет. Цвет CMYK представляет собой обычный процесс цветной печати с использованием голубого , пурпурного , желтого и черного чернил (K означает «ключ»). Когда-то журналы запрашивали цифры CMYK для облегчения печати, но теперь, когда есть печатное издание, производственный отдел журнала обычно занимается преобразованием из RGB в CMYK. Если по какой-то причине Ваш любимый журнал настаивает на цифрах CMYK, вам нужно взглянуть на приложение, в котором обсуждаются некоторые возможные решения (к сожалению, ни одно из них не является очень хорошим). Обратите внимание, что поскольку цвет CMYK имеет четыре канала, растровое изображение CMYK будет на 1/3 больше, чем эквивалентное растровое изображение RGB. Цветовое пространство CMYK также содержит на 1/3 больше возможных уникальных цветов, чем цветовое пространство RGB, хотя на практике модели RGB обычно представляют более широкий диапазон воспринимаемых цветов, чем модели CMYK.

HSL, HSV и HSB

Несколько связанных моделей задают цвета не путем добавления или вычитания основных цветов, а с помощью параметров, связанных с восприятием цвета. Обычно они включают оттенок (что-то вроде длины волны), насыщенность (точное определение варьируется, но некоторая мера интенсивности цвета) и яркость , значение или яркость (различные виды темных/светлых тонов). Весы). Вы, скорее всего, встретите одну из этих моделей в диалоговом окне выбора цвета, поскольку карты этих пространств, как правило, более интуитивно понятны, чем RGB или CMYK. Однако цвета обычно сопоставляются непосредственно с моделью RGB.

YUV, YCbCr и YPbPr

Подобно семейству цветовых моделей HSL, эти модели включают отдельные компоненты яркости и оттенка. Канал Y называется значением яркости , и это в основном версия цвета в градациях серого. Два других канала имеют значений цветности , разные системы для определения оттенка. Эти цветовые модели связаны со старомодным аналоговым видео (вспомните телевидение до 2009 года) и различными форматами сжатия видео, в которых часть информации о цвете отбрасывается для уменьшения размера видео (потеря информации о цветности менее заметна, чем потеря информации о яркости).

Индексированные, сопоставленные и именованные цвета

Если изображение содержит относительно мало цветов, иногда можно сэкономить место, проиндексировав их в таблице цветов . Затем каждый цвет в таблице может быть идентифицирован одним значением индекса или меткой, такой как “SaddleBrown” , которую ваш браузер, вероятно, сопоставляет с RGB (139,69,19). Плашечные цвета — это именованные цвета, используемые для обозначения определенных красок для печати, а не для подмножества цветового пространства RGB.

Битовая глубина

Диапазон чисел, доступных в конкретном канале, определяется битовой глубиной канала , названной в честь количества битов (0 и 1), используемых для хранения каждого значения. Изображения с более высокой битовой глубиной могут передавать более тонкие оттенки и цвета, хотя и за счет увеличения размера файла. Пиксели 1-битного одноканального растрового изображения могут содержать одно из двух значений, 0 или 1, поэтому изображение является только черно-белым. Пиксели 8-битного изображения содержат значения от 0 до 255, поэтому изображение может включать черный, белый и 254 оттенка серого между ними. Пиксели 16-битного изображения содержат значения от 0 до 65 535. Однако 8-битное изображение будет в восемь раз больше размера файла 1-битного изображения, а 16-битное изображение будет вдвое больше файла 8-битного изображения, при условии, что все они имеют одинаковые размеры в пикселях.

Почти все компьютерные мониторы предназначены для отображения 3-канальных 8-битных изображений с использованием цветовой модели RGB. Это (2 8 ) 3 ~ 16,77 миллиона возможных цветов и оттенков, если считать. 8-битный RGB настолько глубоко укоренился в компьютерной графике, что относительно маловероятно, что вы столкнетесь с чем-то другим при обычном использовании компьютера, за исключением 8-битной шкалы серого или 8-битной одноканальной таблицы цветов, преобразованной в 8-битную. значения RGB. 8-битный RGB иногда называют 24-битным RGB, потому что 8 бит на канал × 3 канала = всего 24 бита на пиксель.

Когда создается изображение размером более 8 бит — даже датчики в самых дешевых цифровых камерах захватывают изображения с разрядностью 10 бит на канал — оно часто автоматически понижает дискретизацию до 8 бит. Это нормально для обычных фотографий, но потенциально проблематично для микроскопических изображений. Эта причудливая камера, прикрепленная к вашему микроскопу, вероятно, захватывает изображения с разрядностью от 12 до 16 бит. Одной из основных проблем построения фигур с помощью этих изображений является создание их необходимых 8-битных представлений без непреднамеренного сокрытия важной информации. Информация неизбежно будет потеряна, но важно, чтобы преобразование в 8-битное было полностью под вашим контролем.

Подготовка компонентов фигуры

Теперь, когда мы рассмотрели основы того, как компьютеры представляют визуальную информацию, давайте перейдем к основам построения фигуры. Мы рассмотрим трехэтапный рабочий процесс: подготовка отдельных компонентов рисунка из ваших данных, объединение нескольких компонентов вместе в рисунок и экспорт конечного файла рисунка в предпочтительном формате Your Favorite Journal .

Графики и диаграммы

Графики и диаграммы являются очевидными кандидатами на векторные данные. Их легко разложить на фигуры ( бар – график, точка – график), и если вам нужно изменить их размер, вы хотите, чтобы все эти линии и кривые оставались четкими и непиксельными. Даже если вам нужно будет представить свои окончательные цифры в виде растровых изображений, имеет смысл как можно дольше сохранять диаграммы в виде векторных рисунков, чтобы избежать потери качества из-за передискретизации.

Для рисования диаграмм и экспорта их в виде векторных данных можно использовать множество программных пакетов, но мой личный фаворит — R. R — это язык сценариев, ориентированный на статистические вычисления и графику. Он бесплатный, с открытым исходным кодом и имеет большое количество дополнительных пакетов, включая пакеты Bioconductor для биоинформатики. Кроме того, поскольку R — это язык сценариев, диаграммы легко настраивать, вести полный учет того, как вы их создали, и автоматизировать повторяющиеся задачи. Я даже использовал несколько R-скриптов для создания этого веб-сайта, хотя это не самое распространенное его применение.

Обратной стороной мощности и гибкости R является существенная доля сложности. Если вы находитесь в крайнем сроке, вы можете перейти к части о сохранении диаграмм в векторном формате из других программ. Знайте также, что крутизна кривой обучения обратно пропорциональна вашему опыту программирования. Тем не менее, конечная отдача стоит первоначальных усилий. Существует множество книг и веб-сайтов по R — в Калифорнийском университете в Лос-Анджелесе есть очень хорошее введение — поэтому здесь мы сосредоточимся на том, как взять диаграмму, которую вы создали в R, и экспортировать ее в формат, который можно поместить в ваш окончательный вариант. цифры.

Экспорт векторной графики из R

В R объекты, называемые устройствами , опосредуют преобразование графических команд. Различные устройства используются для создания экранных дисплеев, файлов векторных изображений и файлов растровых изображений. В консоли R введите ?Устройства , чтобы просмотреть список доступных устройств. Если вы не запустите устройство явно, R запустит его автоматически, когда получит графическую команду. Устройство по умолчанию зависит от операционной системы, но обычно это экранное меню.

Самое простое устройство для экспорта диаграмм в векторном формате — это pdf , которое, как вы могли догадаться, создает PDF-файлы. Также возможны другие устройства векторного формата, в том числе postscript , cairo_ps , svg , cairo_pdf и win.metafile . У всех у них есть свои сильные и слабые стороны, но я обнаружил, что pdf надежно создает PDF-файлы, которые одинаково доступны для просмотра на многих компьютерах и легко импортируются в Inkscape для макета окончательной фигуры.

Все, что вам нужно сделать, чтобы получить PDF-файлы ваших рисунков, — это обернуть код построения в команды для открытия и закрытия устройства pdf :

 # Запустите графическое устройство
pdf(file = "MyAwsomeFigure. pdf", useDingbats = FALSE)

# Сделать какой-нибудь график
par( mai = c(1,2,1,2), lwd = 96/72, pch = 16, ps = 8)
график (значение ~ группа, данные = my.data.frame,...
...

# Закрываем графическое устройство
dev.off()
 

Вот и все. Есть всего несколько моментов, о которых нужно помнить:

  • Параметр useDingbats = FALSE на устройстве pdf создает файлы большего размера, но также предотвращает проблемы при импорте некоторых диаграмм в Inkscape.

  • По умолчанию pdf измеряет шрифты в пунктах (1/72 дюйма), а все остальное — в 1/96 дюйма.

  • Цветовое пространство по умолчанию — RGB. Можно создать PDF-файл в формате CMYK, но процесс преобразования плохо документирован.

  • Размер страницы по умолчанию составляет 7 дюймов × 7 дюймов. Если вам нужно изменить это значение, установите ширина = X, высота = Y при открытии устройства.

  • Если вы хотите попробовать другое устройство, просто замените pdf на ваше устройство. Имейте в виду, что некоторые устройства создают растровые изображения вместо векторных.

  • Не забудьте вызвать dev.off() , чтобы закрыть устройство, иначе вы не сможете открыть PDF-файл.

Экспорт диаграмм в векторном формате из любой другой программы

Не все программы для создания диаграмм предоставляют возможность экспорта диаграмм в виде файлов векторного формата, таких как PDF, PostScript или EPS. Если доступен один из этих вариантов, используйте его (из трех PDF обычно является лучшим выбором для импорта в Inkscape для компоновки окончательных рисунков). Если нет, распечатайте диаграмму и установите PDF Maker в качестве принтера. Не беспокойтесь, если на странице есть что-то большее, чем просто ваша диаграмма, так как при импорте в Inkscape диаграмму можно будет извлечь отдельно. Чтобы проверить, действительно ли полученный PDF-файл содержит векторные данные (PDF-файлы также могут содержать растровые изображения), откройте файл и максимально увеличьте масштаб. Если вы не видите никаких пикселей, все готово. Этот метод работает для диаграмм, созданных в Excel или PowerPoint — просто сохраните всю электронную таблицу или презентацию в формате PDF.

Изображения с высокой битовой глубиной

Большинство измерительных инструментов, производящих растровые данные — от камер, используемых для иммунофлуоресцентной микроскопии, до детекторов рентгеновского излучения — не создают изображения, которые можно напрямую отобразить на экране компьютера. Они создают изображения с высокой битовой глубиной, и включение этих изображений в рисунки часто представляет собой проблему. С одной стороны, изображения изначально состоят из растровых данных, поэтому фактические значения пикселей имеют важное значение, которое мы хотим сохранить. Однако, поскольку они не могут отображаться напрямую, перед включением в рисунок их необходимо уменьшить. Наша цель — преобразовать изображения с высоким разрешением и высокой битовой глубиной в 8-битный RGB таким образом, чтобы это было воспроизводимо и не скрывало важную информацию от исходных данных.

Предупреждение

Процесс подготовки растрового изображения для отображения на рисунке должен полностью отделяться от анализа изображения и количественного определения, которые всегда должны основываться на исходных, неизмененных данных изображения . Подготовка рисунков также должна проводиться отдельно от этапов обработки, предназначенных для применения к фактическим измерениям, таких как алгоритмы деконволюции, и после них. Важно сохранить исходные данные изображения вместе с записью каждого преобразования, примененного для получения изображения, отображаемого на рисунке.

Самая полезная программа для подготовки изображений с высокой разрядностью для публикации — ImageJ. Он может открывать очень большое количество оригинальных форматов изображений с высокой битовой глубиной, что удобно и важно для сохранения целостности ваших данных. Он также имеет полезные инструменты анализа (многие из них содержатся в дистрибутиве Fiji), имеет открытый исходный код и легко расширяется, а также дает вам полный контроль над преобразованием в 8-битное изображение RGB. Хотя многие популярные программы для редактирования фотографий, включая Photoshop, можно использовать для открытия изображений с высокой битовой глубиной и преобразования их в 8-битный RGB, ни одна из них не предлагает прозрачности и степени контроля, предоставляемых ImageJ. Эта гибкость важна как для подготовки представления ваших данных самого высокого качества, так и для обеспечения того, чтобы важная информация из ваших данных не была случайно скрыта.

Таблицы поиска

Ключом к созданию готового изображения из растровых данных с высокой битовой глубиной является таблица поиска, или сокращенно LUT. LUT — это функция, отображающая каждое потенциальное значение в изображении с высокой битовой глубиной в соответствующее 8-битное значение RGB. Предположим, например, что у вас есть 12-битное изображение, которое может содержать значения пикселей от 0 до 4095. Один LUT может отображать 0 в RGB (0,0,0), 4095 в RGB (255 255 255) и каждое значение от 0 до 4095 в линейно интерполированное значение RGB между черным и белым. Этот LUT будет создавать простое изображение в градациях серого. Однако это не единственный возможный LUT. Другой LUT может отображать значения из диапазона 0-1000 специально для красного канала — RGB (0,0,0) в RGB (255,0,0) — и значения из диапазона 1001-4,09.5 диапазон значений в градациях серого. Преимущество такой LUT заключается в том, что она увеличивает способность различать исходные значения данных в окончательной фигуре. В конце концов, невозможно сопоставить 4095 оттенков серого с 255 оттенками серого, не потеряв деталей.

Стоит отметить, что всякий раз, когда изображение с высокой битовой глубиной отображается на мониторе компьютера, существует неявная LUT, которая автоматически генерирует 8-битное изображение RGB. Это связано с тем, что и мониторы, и программное обеспечение, управляющее ими, созданы для отображения 8-битных значений RGB — они не знают, что делать с растровыми данными, используя другую глубину цвета или цветовые модели. ImageJ — такая полезная программа, потому что она явно работает с LUT.

Чтобы опробовать разные LUT в ImageJ, откройте изображение — пока придерживайтесь одноканального изображения — и нажмите кнопку LUT на панели инструментов (в качестве альтернативы выберите Image > Lookup Tables в меню) . Это покажет довольно большой список, начиная от оттенков серого и заканчивая основными цветами и множеством более причудливых вариантов. Просто держитесь подальше от кнопки Apply LUT , у которой есть совершенно бесполезная функция понижающей дискретизации изображения до одноканального 8-битного, а не того, к чему мы хотим в конечном итоге добраться, 8-битного RGB. А пока просто выберите LUT, который вам нравится.

Установка диапазона LUT

После того, как вы определились с LUT, следующим шагом будет определение диапазона значений, к которым вы хотите его применить. Часто интересная информация в ваших растровых данных с высокой битовой глубиной сосредоточена в середине диапазона — другими словами, очень немногие пиксели имеют значения, очень близкие к нулю или очень близкие к максимальному значению. Помните, что обычно невозможно назначить уникальный цвет для каждого значения, поэтому в этом случае имеет смысл сосредоточить ваше внимание на диапазоне, содержащем большую часть пикселей.

Чтобы установить диапазон LUT в ImageJ, вы можете использовать любой из двух инструментов: Изображение > Настройка > Яркость/Контраст... ( Shift-C ) или Изображение > Настройка > Окно/Уровень... . Инструмент «Яркость/контрастность» позволяет установить минимальное и максимальное значения пикселей, которые будут сопоставлены с крайними значениями LUT. Пикселам между минимальным и максимальным значениями присваиваются значения RGB на основе LUT. Любые пиксели ниже минимума или выше максимума не исчезают, но они доведены до крайностей LUT и не будут отличимы друг от друга.

Инструмент Яркость/Контрастность также позволяет задавать свойства, называемые «яркость» и «контрастность», которые являются просто параметрами, используемыми для косвенной установки минимального и максимального значений пикселей. Регулировка яркости сдвигает минимум и максимум вместе, а регулировка контрастности сближает или отдаляет минимум и максимум. Инструмент Окно/Уровень делает то же самое — окно является эквивалентом контраста, а уровень — эквивалентом яркости.

Оба инструмента удобно отображают гистограмму вашего изображения, что является хорошей быстрой проверкой, чтобы убедиться, что вы не скрываете слишком много своих данных ниже минимума или выше максимума (чтобы увидеть увеличенную гистограмму, щелкните свое изображение и нажмите Н ). Также с обоими инструментами, если вы хотите установить значения, вводя их, а не с помощью ползунков, нажмите кнопку Set . Избегайте кнопки Применить , которая понизит разрешение вашего изображения и предотвратит дальнейшие изменения.

Сравнение с программами для редактирования фотографий

Если вы знакомы с программами для редактирования фотографий, все это может показаться немного знакомым. Эти программы также позволяют регулировать яркость и контрастность, и они выполняют примерно одно и то же. Основное отличие состоит в том, что в большинстве программ для редактирования фотографий эти команды фактически преобразуют базовые данные изображения. В ImageJ они просто изменяют функцию отображения для LUT, и никакие фактические изменения не вносятся в растровые данные, пока вы не создадите 8-битное изображение RGB. Это означает, что в программах для редактирования фотографий регулировка яркости и контрастности приводит к потере информации об изображении — т.е. снижение качества изображения. Эта потеря информации также произойдет при создании изображения RGB в ImageJ, но в программах редактирования фотографий каждая корректировка приводит к потере дополнительной информации. Если вы не будете предельно дисциплинированы и сделаете только одну настройку, качество конечного изображения пострадает. Поскольку изменение LUT в ImageJ не влияет на исходные растровые данные, намного проще сохранить качество изображения, даже если вы хотите проверить множество различных настроек LUT.

Некоторые программы для редактирования фотографий также позволяют выполнять другие корректировки, влияющие на изображения, такие как гамма-коррекция или кривые для преобразования значений цвета. Эти настройки в основном просто определяют неявные LUT — если входное значение нанесено на одну ось, а выходное значение — на другую, LUT можно визуализировать как линию или кривую, определяющую, как различные входные значения отображаются на выходы. Гамма — это всего лишь способ указать простую кривую, но в принципе возможны всевозможные забавные формы. Многие журналы прямо запрещают эти типы корректировки изображений, потому что иногда они могут скрыть важные детали из данных. Оттенки серого и одноцветные LUT в ImageJ не нарушают эти запреты — они выглядят как прямые линии — но это не значит, что они не могут скрыть данные, если вы не будете осторожны. Помните, что просто невозможно отобразить все данные в изображении с высокой битовой глубиной, поэтому настраивайте LUT с осторожностью.

Многоканальные изображения

Вполне вероятно, что многие из ваших изображений с высокой битовой глубиной имеют более одного канала. Одним из наиболее распространенных источников многоканальных растровых данных является иммунофлуоресцентная микроскопия, при которой сигналы от нескольких флуоресцентных изображений захватываются и записываются по отдельным каналам. На окончательном рисунке каждый канал может быть представлен как отдельное изображение RGB, или несколько каналов могут быть объединены вместе в одно изображение RGB. В любом случае для каждого канала потребуется свой LUT. Обратите внимание, что если вы хотите представить отдельные панели каждого канала вместе с комбинированной панелью «наложения», проще всего подготовить 8-битные изображения RGB для каждого отдельного канала и полностью отдельное изображение RGB для комбинированной панели, а не пытаться создать комбинированная панель из отдельных каналов RGB-изображений.

Чтобы разделить многоканальное изображение на несколько одноканальных изображений в ImageJ, используйте команду Изображение > Цвет > Разделить каналы . Затем каждому результирующему одноканальному изображению можно назначить LUT и диапазон, как описано выше. Чтобы установить LUT и диапазоны для многоканального изображения, просто используйте ползунок c в нижней части изображения, чтобы выбрать, с каким каналом вы хотите работать. Изменения из меню LUT или инструмента Яркость/Контрастность будут применяться к этому каналу. Полезный инструмент, доступный с Изображения > Цвет > Инструмент "Каналы"... или нажатие Shift-Z можно использовать для временного скрытия определенных каналов — выберите Цвет в раскрывающемся меню, чтобы просмотреть только текущий выбранный канал, или Оттенки серого , чтобы просмотреть это с использованием универсальной LUT в оттенках серого. Если вы хотите объединить несколько одноканальных изображений в многоканальное изображение, используйте команду Изображение > Цвет > Объединить каналы... .

При настройке LUT для многоканального изображения имейте в виду, что результирующее значение RGB для любого заданного пикселя будет суммой значений RGB, присвоенных этому пикселю таблицами LUT для каждого канала. Так, например, в двухканальном изображении, если пиксель получает RGB (100,50,0) из одной LUT и RGB (50,75,10) из другой LUT, конечное значение будет RGB (150,125, 10). Помните, что максимальное значение в 8-битном RGB равно 255. Если добавление значений из нескольких LUT превысит это значение, результат все равно останется равным 255.

Хороший способ избежать возможности превышения максимального 8-битного значения 255 в двух- или трехканальных изображениях — убедиться, что каждая LUT ортогональна или ограничена отдельными цветовыми компонентами RGB. Для трехканального изображения это означает, что одна LUT задает оттенки красного, вторая задает оттенки зеленого и третья задает оттенки синего. Для двухканальных изображений есть много возможностей. Хорошим выбором является использование оттенков зеленого (RGB (0,255,0)) и оттенков пурпурного (RGB (255,0,255)), поскольку зеленый обычно воспринимается ярче, чем синий или красный по отдельности. Это также полезно для значительного числа людей, страдающих дальтонизмом к красному и зеленому цветам.

Генерация 8-битного RGB-изображения

После того, как вы назначили LUT и установили их диапазоны в соответствии с вашими потребностями, генерировать 8-битное RGB-изображение несложно. Просто выберите в меню Image > Type > RGB Color . Это создаст совершенно новое 8-битное представление RGB-изображения ваших исходных растровых данных с высокой битовой глубиной. Если у вас есть одноканальное изображение и вы использовали LUT в градациях серого, вы можете сэкономить место в файле, создав одноканальное 8-битное изображение вместо изображения RGB: Изображение > Тип > 8-битное . Однако будьте осторожны с этой опцией, так как она изменяет текущий файл, а не создает новый. Просто используйте Сохранить как вместо Сохранить как , и все будет в порядке. Как для изображений RGB, так и для изображений в градациях серого обязательно избегайте сжатия изображения, ухудшающего качество, при сохранении файла. Избегайте Jpeg любой ценой. И Tiff, и PNG являются безопасным выбором. Обратите внимание, что на данном этапе не нужно беспокоиться об обрезке изображения. Это проще сделать позже, при подготовке макета фигуры.

Предупреждение

Будьте осторожны, чтобы не перезаписать исходный файл изображения с высокой битовой глубиной 8-битным изображением RGB. Лучше всего думать об этом как о создании совершенно нового представления ваших исходных данных, а не о применении корректировки поверх исходного изображения.

Если вы использовали LUT, отличную от шкалы серого или оттенков простого цвета, вашим читателям может быть полезно увидеть масштабную линейку LUT на окончательном рисунке. Чтобы сделать масштабное изображение, которое можно включить в компоновку фигуры, выберите Файл > Создать > Изображение... из меню. Установить Тип: до 8-бит , Заполнить: до Наклон , Ширина от до 256 и высота до 1. Щелкнув Ok вы получите длинное тонкое градиентное изображение. Не беспокойтесь, что он толщиной всего в один пиксель — вы сможете растянуть его позже. Выберите LUT, для которого вы хотите создать шкалу, установите тип изображения RGB Color , сохраните изображение, и у вас есть масштабная линейка LUT.

Обычные изображения

Некоторые изображения — это просто изображения, например изображения, сделанные обычными цифровыми камерами. Между значениями пикселей и вашими измерениями нет прямой количественной связи, и изображения изначально имеют 8-битный формат RGB. Эти изображения могут быть включены в рисунки как есть, без процесса настройки LUT. И вообще, это как раз лучшее, что можно сделать. Однако, если вы решите, что изображение нуждается в какой-либо обработке, например преобразовании в оттенки серого, чтобы сэкономить деньги на стоимости страниц, или цветокоррекции, чтобы компенсировать плохо установленный баланс белого, попробуйте выполнить всю необходимую настройку за одно преобразование. поскольку каждое отдельное преобразование может снизить качество изображения. Кроме того, сохраните копию исходного файла изображения, потому что это исходные данные, и поэтому, если (когда) вы позже решите, что вам не нравится преобразованное изображение, вы можете применить другое преобразование к исходному изображению и избежать более высокого качества. потери, чем это абсолютно необходимо. Как и в случае с изображениями с высокой битовой глубиной, пока не нужно беспокоиться об обрезке обычных изображений.

Компоновка фигуры

Теперь, когда у нас есть отдельные компоненты для фигуры, пришло время собрать их вместе. Обсуждаемый здесь рабочий процесс использует Inkscape, очень гибкий (и бесплатный) редактор векторной графики. Наиболее часто используемой платной альтернативой Inkscape является Adobe Illustrator. Хотя иногда можно создавать фигуры с помощью Photoshop, обычно это плохая идея. Почему? Потому что Photoshop предназначен в первую очередь для работы с растровыми данными. Хотя он имеет ограниченную поддержку некоторых типов векторных данных, все по-прежнему привязано к сетке с одним пикселем. Это означает, что, если вы не будете предельно осторожны, каждый компонент изображения, импортированный в рисунок, будет передискретизирован, возможно, несколько раз, и большинство векторных компонентов будут растеризованы, что может привести к значительной потере качества. Каждая манипуляция, включая масштабирование, вращение и даже просто перемещение компонентов фигуры в Photoshop, требует передискретизации. Хотя изменения могут быть незначительными, потеря качества из-за операций передискретизации является аддитивной — чем больше операций, тем хуже будет выглядеть итоговое изображение.

Inkscape, с другой стороны, ориентирован на векторные данные и не имеет определяемой документом пиксельной сетки. Растровые изображения можно импортировать в Inkscape как объекты, которые можно многократно позиционировать, растягивать, поворачивать и обрезать без передискретизации. Это делает Inkscape отличным инструментом для объединения векторных и растровых компонентов в одном документе — именно то, что нам нужно для создания макета рисунка. На веб-сайте Inkscape доступно множество общих руководств, поэтому мы сосредоточимся на важных задачах, связанных с рабочим процессом построения фигур.

Прежде чем приступить к компоновке рисунка, полезно установить несколько основных свойств документа ( Файл > Свойства документа... ). Обратите внимание, что все эти настройки можно изменить позже, не затрагивая вашу фигуру:

  • Вкладка Страница устанавливает размер страницы и единицы измерения по умолчанию. Размер страницы в основном является удобной функцией — границы страницы фактически не будут отображаться в окончательном файле рисунка — но его можно сопоставить с ограничениями размера рисунка вашего журнала.

  • Единицы измерения по умолчанию задает единицы измерения, отображаемые на линейках страниц, а также единицы измерения по умолчанию на большинстве панелей параметров. Дюймы и сантиметры, вероятно, говорят сами за себя. pt означает пункты PostScript (1/72 дюйма), а pc означает пики (12 пунктов). пикселей на самом деле не пиксели — это не растровый документ — это означает 1/90 дюйма.

  • Вкладку Сетка можно использовать для создания сетки для выравнивания объектов на странице. Переключить отображение сетки, нажав # . Привязкой к сетке или другим объектам можно управлять с помощью кнопок на панели инструментов привязки, обычно отображаемой в правой части окна.

Импорт векторных файлов

Inkscape может импортировать файлы многих типов векторных форматов, но наиболее надежным является PDF. Для некоторых типов файлов, таких как PostScript (.ps), EPS, WMF, EMF и Adobe Illustrator (.ai), Inkscape может правильно распознавать большинство, но не все функции файла. Конечно, Inkscape может открывать файлы SVG, но файлы SVG, созданные другими программами, иногда вызывают проблемы. Импорт PDF обычно проходит гладко, что тем более полезно, поскольку многие программы могут сохранять PDF-файлы. Многостраничные PDF-файлы также можно импортировать, но только по одной странице за раз.

Самый простой способ импортировать файл векторного формата — просто открыть его ( Файл > Открыть... ). С некоторыми импортированными файлами может быть сложно работать, потому что их объекты объединены в избыточные группы. Чтобы отменить их, выполните Edit > Select All , а затем несколько повторений Object > Ungroup . Затем просто скопируйте импортированные векторные объекты или их подмножество и вставьте в свою фигуру. Обратите внимание, что импортированные объекты становятся частью SVG-файла рисунка. Последующее изменение импортированного файла не повлияет на фигуру, поэтому при повторном создании диаграммы в формате PDF вам придется удалить старую версию в фигуре SVG и снова импортировать диаграмму в формате PDF.

Преимущество включения импортированных векторных данных в качестве объектов в файл SVG заключается в том, что их можно полностью редактировать. Это означает, что можно изменить такие вещи, как цвета заливки и ширину линий, что может иметь большое значение для создания единого вида ваших рисунков, даже если вы включаете диаграммы, созданные в нескольких разных программах. Однако редактирование импортированного текста может оказаться невозможным, особенно если в импортированном файле используется шрифт, которого нет на вашем компьютере.

Импорт изображений

Чтобы импортировать файл изображения в вашу фигуру, выберите Файл > Импорт... из меню или просто перетащите файл из файлового менеджера. Это должно быть либо 8-битное изображение в градациях серого, либо 8-битное изображение RGB. Inkscape позволит вам выбрать, встроить изображение или связать его. Выбор embed запишет фактические данные изображения в файл SVG. С другой стороны, при выборе ссылки будет сохранена только ссылка на расположение файла изображения на вашем компьютере. Ссылка на изображение является лучшим вариантом по двум причинам. Во-первых, ваш SVG-файл будет красивым и маленьким, даже если он содержит много больших изображений. Во-вторых, если связанное изображение изменено — если, например, вы вернетесь и создадите новый 8-битный файл RGB с использованием других LUT — изменения автоматически отразятся в SVG. Недостатком является то, что при изменении местоположения файла изображения ссылку необходимо будет обновить (что можно сделать, щелкнув изображение правой кнопкой мыши и выбрав Свойства изображения ).

При первом импорте изображение, скорее всего, будет довольно большим, так как Inkscape по умолчанию изменяет размер изображения на 90 точек на дюйм. Конечно, изображение можно масштабировать до более подходящего размера, но будьте осторожны, чтобы случайно не масштабировать ширину и высоту по отдельности. В некоторых журналах есть правила, предусматривающие минимальное разрешение для изображений. Чтобы вычислить разрешение изображения внутри рисунка, просто разделите ширину или высоту изображения на пиксели (реальные пиксели в растровом изображении, а не «пиксели» Inkscape — открытие изображения в ImageJ — хороший способ получить размеры ) по ширине или высоте изображения в Inkscape. В качестве альтернативы, если вы масштабировали изображение на определенный процент после его импорта, разделите 9000 на этот процент, чтобы получить результирующее разрешение.

Обтравочные маски

Чтобы обрезать изображение (или любой объект) в Inkscape, добавьте обтравочную маску , которая представляет собой любой другой путь или форму, используемую для определения отображаемых границ изображения. Обтравочная маска просто скрывает части изображения за его пределами — на самом деле она не удаляет никаких данных. Поэтому, если вы решите вернуться и изменить способ кадрирования изображения, это легко сделать.

Чтобы создать обтравочную маску, сначала нарисуйте форму, определяющую границы обтравочной маски. Обычно наиболее удобен прямоугольник, но подойдет любой замкнутый путь. Поместите фигуру поверх изображения, которое нужно обрезать. Не беспокойтесь о цвете и стиле линий фигуры — она станет невидимой. Затем выберите и изображение, и путь клипа (удерживайте Shift и щелкните оба), щелкните правой кнопкой мыши путь и выберите в меню Set Clip . Части изображения за пределами контура должны исчезнуть. Чтобы удалить обтравочную маску с изображения, просто щелкните его правой кнопкой мыши и выберите в меню Release Clip .

Расчет масштабных линеек

Используйте виджет ниже, чтобы рассчитать длину масштабных линеек для микроскопического изображения. Используйте ширину или высоту всего изображения перед добавлением обтравочного контура. Масштабный коэффициент будет зависеть от вашего микроскопа, объектива, камеры, а также от любой обработки после сбора данных, такой как деконволюция. После того, как вы определили подходящий размер масштабной линейки, нарисуйте горизонтальную линию, начинающуюся с левого края страницы — включите привязку к границам страницы, используйте инструмент Кривая Бейзера ( Shift-F6 ) и удерживайте Ctrl , чтобы линия оставалась прямой. Затем переключитесь на инструмент «Редактировать пути по узлам» ( F2 ) и выберите узел вдали от границы страницы. Переместите этот узел в правильное положение, введя соответствующий размер полосы в поле положения X на панели инструментов в верхней части экрана. Убедитесь, что раскрывающийся список единиц измерения установлен правильно. Теперь длина линии будет точно такой же, как для масштабной линейки, и ее можно будет стилизовать (толщина, цвет и т. д.) и расположить так, как вам нравится.

Калькулятор масштабной линейки

Ширина или высота изображения

Оригинал пикселей

В Инкскейпе

в. см. пт. пикс.

Масштаб микрон на пиксель

Свойства масштабной линейки

Длина микроны

Размер бара

в. см. пт. пикс.

Этот метод создания масштабных линеек, вероятно, кажется запутанным, но он лучше, чем использование масштабной линейки, нарисованной на растровом изображении программным обеспечением захвата микроскопа. Точность масштабных линеек, нарисованных на растровом изображении, ограничена невозможностью отрисовки конца линии в середине пикселя. Точность масштабных линеек, нарисованных в Inkscape, ограничена только точностью вычислений.

Экспорт окончательных файлов фигур

Завершен ли макет вашей фигуры, достойной Нобелевской премии? Затем пришло время экспортировать файл, которым можно поделиться со всем миром. Мы обсудим два способа экспортировать итоговую фигуру, хотя бы один из которых должен удовлетворять Ваш любимый журнал Производственный отдел — создание изображений Tiff с высоким разрешением и создание файлов EPS или PDF.

Сжатие изображений

Предупреждение

Inkscape обрабатывает сжатие изображений немного непрозрачно. В этом разделе описывается, что вам нужно сделать, чтобы убедиться, что сжатие изображений происходит на ваших условиях. Некоторые из шагов здесь необратимы, поэтому рекомендуется сохранить вашу фигуру в виде отдельного файла SVG, прежде чем продолжить.

По умолчанию Inkscape применяет сжатие Jpeg к связанным изображениям Tiff по мере их импорта. Сам связанный файл изображения не затрагивается, но затрагивается версия изображения, которую Inkscape хранит в памяти компьютера и использует для визуализации документа. Это означает, что все, что Inkscape делает с изображением, включая отображение на экране и экспорт в любой формат, даже если формат экспорта не использует сжатие изображения, будет содержать артефакты сжатия. Возможно, вы заметили, что некоторые из ваших импортированных изображений выглядят не так, как в ImageJ. Способ избежать артефактов сжатия — встроить изображения в качестве последнего шага перед экспортом окончательного файла рисунка.

Чтобы полностью встроить все связанные изображения, выберите Extensions > Images > Embed Images... в меню. Обратите внимание, что эта команда изменяет файл SVG, поэтому, если вы сохраните его, будьте осторожны, чтобы не перезаписать файл SVG связанными изображениями! Одним из потенциальных недостатков этого подхода является то, что в файл встраиваются даже части изображений, скрытые обтравочными масками. Это не имеет никакого значения для создания окончательного изображения Tiff, но если вы хотите экспортировать окончательный рисунок в виде файла EPS или PDF, включая все данные изображения, а не только видимые данные изображения, может серьезно раздуть файл. размер. Чтобы решить эту проблему, я создал расширение Inkscape, которое обрезает изображения перед их встраиванием в документ SVG. Инструкции по загрузке и установке расширения можно найти здесь. После установки расширения вы можете запустить его, нажав Расширения > Изображения > Вставка и обрезка изображений . Обратите внимание, что на данный момент поддерживаются только обтравочные маски на основе прямоугольников. Расширение включает возможность применения сжатия jpeg, но на данном этапе мы хотим избежать сжатия, поэтому в качестве типа кодирования изображения выберите PNG . Как и в случае с командой Embed Images... , это расширение является разрушительным, поэтому будьте осторожны, чтобы не перезаписать исходный файл.

Создание изображений в формате Tiff

Создание изображения в формате Tiff требует растеризации всех векторных данных на рисунке, но пока это последний шаг рабочего процесса, потери качества можно свести к минимуму. К сожалению, Inkscape не экспортирует изображения Tiff напрямую, поэтому нам придется экспортировать изображение PNG, а затем преобразовать его в Tiff с помощью ImageJ. Изображения PNG не включают в себя сжатие, которое приведет к потере качества изображения, поэтому единственная проблема, которую это вызывает, — это необходимость еще нескольких кликов.

Чтобы экспортировать изображение вашей фигуры в формате PNG, выберите Файл > Экспорт растрового изображения... или нажмите Shift-Ctrl-E . Выберите Page или Drawing в качестве области экспорта, в зависимости от того, хотите ли вы включать какие-либо пробелы вокруг границ страницы (первый будет, второй нет). Используйте поле пикселей на , чтобы установить разрешение изображения не менее 600 dpi или минимальное разрешение, указанное в журнале. Затем введите имя файла и выберите Экспорт . Чтобы преобразовать файл PNG в Tiff, просто откройте его в ImageJ и выполните File > Save As > Tiff. .. .

Создание файлов EPS или PDF

Создание файлов EPS или PDF еще проще. Просто выполните Файл > Сохранить как... и выберите Encapsulated PostScript (*.eps) или Portable Document Format (*.pdf) из списка Сохранить как тип: . Вот и все!

За исключением случаев, когда журналу не нужны файлы с рисунками в полном разрешении для первоначальной отправки, а вместо этого требуется PDF-файл ограниченного размера. PDF-файлы, экспортированные непосредственно из Inkscape, почти наверняка будут слишком большими, потому что содержащиеся в них изображения не сжаты — именно то, что вы хотите отправить на принтер, но не слишком удобно для отправки по электронной почте рецензентам. Обратите внимание, что даже если вы связали или встроили изображения Jpeg в файл SVG, полученный PDF-файл все равно будет содержать несжатые изображения. Решение состоит в том, чтобы создать PDF-файл с полным разрешением, а затем применить сжатие к изображениям в нем. PDF Shrinker упрощает эту задачу.

Итог

Пропущено вниз, потому что вы не хотите читать все или ищете краткий обзор? Вот сводка по четырем пунктам:

  1. Подготовьте диаграммы и графики в векторном формате;

  2. Используйте ImageJ для применения таблиц поиска к вашим изображениям с высокой битовой глубиной для создания 8-битных изображений RGB, которые вы можете включить в рисунок;

  3. Компоновка векторных и растровых компонентов фигуры с помощью Inkscape; и

  4. Экспортировать окончательный файл в формате, требуемом Ваш любимый журнал .

При приближении к построению рисунков с использованием этого рабочего процесса все шаги, связанные с форматом, доходят до самого конца, поэтому, если вы передумаете, куда вы хотите отправить документ, вам не придется перестраивать рисунки с нуля — просто заново – экспортировать файлы в новый формат. Кроме того, этот рабочий процесс по возможности избегает растеризации и повторной выборки. На самом деле, если окончательные рисунки представляют собой файлы PDF или EPS, растеризации и передискретизации можно полностью избежать. Несмотря на то, что производственный отдел журнала, скорее всего, в любом случае передискретизирует и сжимает ваши данные, отправка изображений максимально возможного качества может свести к минимуму ущерб.

Показатели качества публикации? Чек . Прозрачный путь от ваших необработанных данных до конечной цифры? Чек . Все сделано без ущерба для вашего бюджета? Чек . Вместо этого потратьте деньги на другой эксперимент.


Приложение

Цифры CMYK

Некоторые журналы до сих пор настаивают, чтобы вы давали им цифры, используя цветовую модель CMYK. В этом нет особого смысла — гораздо больше людей увидят вашу статью на экране (собственный RGB), чем на распечатанной странице. Тем не менее, правила есть правила. Если вы столкнулись с такой ситуацией, есть четыре варианта:

  1. Переключиться с Inkscape на Adobe Illustrator, который гораздо лучше поддерживает цвет CMYK;

  2. Завершите стандартный рабочий процесс RGB, экспортируйте файл Tiff с цветом RGB, а затем преобразуйте его в формат CMYK Tiff в качестве последнего шага;

  3. Завершите стандартный рабочий процесс RGB, экспортируйте файл PDF или EPS с цветом RGB, затем преобразуйте его в CMYK; и

  4. Игнорируйте правило и отправляйте свои рисунки в формате RGB.

Прежде чем решить, какой подход выбрать, стоит подумать, какие графические элементы содержатся в ваших рисунках и как на них может повлиять преобразование в CMYK. Также подумайте, важно ли сохранять информацию о векторном формате в ваших окончательных рисунках, поскольку преобразование цветового пространства изображения Tiff (вариант 2), вероятно, будет значительно проще, чем преобразование цветового пространства файла PDF или EPS (вариант 3). ).

Подготовка компонентов растровых изображений для CMYK

Для растровых компонентов, которые уже имеют 8-битную цветовую модель RGB — например, изображения с цифровых камер и сканеров — лучше оставить их как есть, а не пытаться преобразовать их до завершения компоновки рисунка. Рациональность этого аналогична рациональности отказа от повторной выборки. Преобразования цветового пространства потенциально влекут за собой потерю информации. Если они требуются, их следует выполнять только один раз и как можно позже в рабочем процессе.

Для растровых данных, которые не имеют нативно связанной цветовой модели, но к которым цветовая модель применяется при подготовке компонента изображения для рисунка — например, иммунофлуоресцентных изображений — ситуация немного сложнее. Цвета CMYK не являются аддитивными, как RGB, поэтому создание многоканальных наложенных изображений не так просто. Этого можно добиться, импортировав каждый канал как отдельный слой в Photoshop и раскрасив каждый слой отдельно, но общепринятого способа сделать это нет. Еще больше сбивает с толку то, что значения пикселей в CMYK обратны по сравнению с RGB — 0 означает много пигмента, а 255 — отсутствие пигмента. Самый безопасный вариант — подготовить компоненты фигуры как 8-битный RGB, а затем выполнить преобразование позже. К сожалению, после преобразования изображений в CMYK прямой линейной связи между значениями пикселей CMYK и исходными растровыми данными больше не будет.

Преобразование цвета

Преобразование цветового пространства определяется цветовыми профилями (профили ICC), которые определяют взаимосвязь между цветовым пространством файла изображения или устройства и стандартным цветовым пространством. Если файл изображения и устройство имеют связанный цветовой профиль, значения цвета в изображении могут быть сопоставлены с соответствующими значениями цвета на устройстве на основе преобразований через два профиля. Цветовые профили также можно использовать для определения преобразования между различными цветовыми моделями документа (RGB в CMYK или 9 цветов).0009 наоборот ). Стандартные цветовые профили, часто связанные с изображениями RGB, — это «sRGB» и «Adobe RGB (1998)». Стандартный цветовой профиль, часто связанный с изображениями CMYK, называется «U.S. Web Coated (SWOP) v2». Обратите внимание, что если ваш монитор не откалиброван и не связан с собственным цветовым профилем, цвета CMYK, которые вы видите (как неявно преобразованные обратно в RGB), могут не быть наиболее точным представлением цветов CMYK, которые будут напечатаны.

Чтобы создать макет фигуры CMYK в Illustrator, установите цветовое пространство документа на CMYK, а для экспорта в PDF установите целевой цветовой профиль CMYK. Также должна быть возможность использовать Illustrator для преобразования файлов EPS или PDF в формате RGB в CMYK, хотя может потребоваться преобразовать каждый элемент на рисунке отдельно, а не просто изменить формат документа. Дополнительные сведения см. в документации Illustrator. Файлы RGB Tiff (и большинство других форматов растровых изображений) можно преобразовать в CMYK в Adobe Photoshop (выполните Изображение > Режим > Цвет CMYK ). Альтернативой бесплатному программному обеспечению является GIMP с плагином Separate+.

Обратите внимание, что крайние значения цветового пространства RGB — особенно ярко-зеленый и синий — плохо переводятся в CMYK. Если вы планируете использовать вывод CMYK и имеете изображения с высокой битовой глубиной, возможно, лучше избегать LUT, основанных на оттенках зеленого или синего. Кроме того, применение гамма-преобразования к голубому и желтому каналам после преобразования цвета может улучшить отображение зеленых и синих оттенков на окончательных изображениях CMYK. Имейте в виду, однако, что каждое преобразование или преобразование цвета, которое вы добавляете, ухудшает конечное качество изображения.


Информация об авторе

Бенджамин Нанес, доктор медицинских наук
UT Юго-Западный медицинский центр
Даллас, Техас

Веб-сайт: https://b.nanes.org

Github: bnanes


Разработка планов обмена геномными данными

Планы обмена геномными данными (GDS) описывают, как исследование будет соответствовать ожиданиям политики NIH GDS. Узнайте, как составить и отправить план GDS.

/faqs#/genomic-data-sharing-policy.htm

/faqs#/data-management-and-share-policy.htm

  • Заявки на даты поступления
    ДО 25 января 2023 г.
  • Заявки на даты получения
    ДАТА/ПОСЛЕ 25 января 2023 г.

Политика Национального института здравоохранения (NIH) по обмену геномными данными (GDS) предполагает, что кандидаты, предлагающие исследования, которые будут генерировать крупномасштабные геномные данные человека или не человека, должны представить в своей заявке на финансирование план того, как геномные данные будут совместно использоваться ( план ГДС).

Ожидается, что кандидаты представят более подробный план обмена геномными данными в финансирующий институт или центр (IC) в рамках процесса «точно в срок» до присуждения награды.

Планы GDS для предложений по геномным исследованиям меньшего масштаба можно ожидать, если финансирующая IC решит, что проект подпадает под политику GDS на основании состояния науки, программных приоритетов IC и/или полезности данных для исследовательское сообщество. Пожалуйста, ознакомьтесь с объявлением о финансировании и ожиданиями политики GDS от NIH Institute & Center , чтобы понять, требуется ли план GDS для конкретного предложения. Дальнейшие вопросы следует направлять сотруднику программы финансирующей IC.

Помимо предоставления плана GDS в заявке, исследователь должен включить любые ресурсы, которые могут потребоваться для поддержки плана обмена геномными данными (например, плату за хранение данных, отправку и т. д.) в бюджет проекта.

Также можно ожидать, что следователи планируют обмен другими типами данных и ресурсов. Обязательно проконсультируйтесь с вашей возможностью финансирования или свяжитесь с сотрудником программы (заочно) или научным директором (очно).

Элементы для рассмотрения в плане GDS

Информация ниже описывает возможные типы информации, которая должна быть предоставлена ​​в плане GDS.

NIH настоятельно рекомендует исследователям связаться с сотрудником программы NIH, указанным в объявлении о возможности финансирования, как можно раньше, чтобы обеспечить выполнение всех требований.

1. Тип данных
  • Объясните, включает ли предлагаемое исследование человеческие данные, нечеловеческие данные или и то, и другое.
  • Перечислите тип(ы) геномных данных, которые будут использоваться совместно (например, данные о последовательности, транскриптомные, эпигеномные данные и/или данные об экспрессии генов), а также данные на индивидуальном уровне, данные на совокупном уровне или и то, и другое.
  • Перечислите любую другую информацию, такую ​​как релевантные связанные данные (например, данные о фенотипе или воздействии) и информацию, необходимую для интерпретации данных (например, протоколы исследований, инструменты сбора данных, инструменты обследования), которыми исследователь предполагает поделиться.

2. Репозиторий данных
  • Укажите репозиторий или репозитории, в которые исследователь планирует отправлять геномные данные.
    • Данные человека:
      • Исследования, генерирующие геномные данные человека и любые связанные с ними фенотипические данные, должны использовать для представления хранилище данных, назначенное NIH.
      • В планах должно быть указано, будут ли данные доступны через репозитории с неограниченным или контролируемым доступом.
      • Если данные не могут быть отправлены в репозиторий, назначенный NIH, см. Запрос на альтернативный план обмена данными.
    • Нечеловеческие данные:  Исследования, генерирующие нечеловеческие геномные данные, могут использовать любой широко доступный репозиторий, соответствующий данным.

Нужна помощь в определении наиболее подходящего репозитория? См. Куда отправлять геномные данные.


3. Сроки предоставления и выпуска данных
  • Предоставьте график своевременного обмена геномными данными.
    • Данные человека: Как правило, NIH публикует данные не позднее, чем через шесть месяцев после того, как данные были отправлены в назначенное NIH хранилище и очищены, или во время принятия первой публикации, в зависимости от того, что произойдет раньше, без ограничений при публикации или ином распространении.
    • Нечеловеческие данные:  Как правило, исследователи должны публиковать нечеловеческие данные не позднее даты первоначальной публикации. Однако для некоторых данных можно ожидать более раннюю доступность, в зависимости от финансирования IC.

Подробную информацию об ожиданиях NIH в отношении различных типов данных см. на нашей странице «Ожидания представления и публикации данных».

 
4. Институциональный контрольный совет (IRB) Проверка институциональной сертификации
  • Только данные человека:  Экспертное управление по рассмотрению предложения исследователя о предоставлении данных является элементом институциональной сертификации, что гарантирует, что предложение о предоставлении и обмене данными является надлежащим.

Примечание. Институциональная сертификация ожидается до финансирования вместе с другой информацией о своевременности или завершением контракта.

 
5. Надлежащее использование данных
  • Опишите любые ограничения на использование данных.
    • Решение об этих ограничениях должно приниматься подавшим заявку исследователем и его учреждением после консультации с IRB или эквивалентным органом. Они должны основываться на формулировках формы информированного согласия или рекомендациях ЭСО или аналогичного органа.

Нужна помощь в разработке документов информированного согласия для обмена данными? См. наш новый образец языка и пункты для рассмотрения в ресурсе Информированное согласие на вторичное исследование с данными и биообразцами.

 
6. Заявление об обозначении сводных геномных результатов (GSR)
  • Исследователи должны указать, должно ли исследование быть обозначено как «чувствительный» или «нечувствительный» для целей доступа к GSR. Это назначение должно быть подтверждено в форме институциональной сертификации.
  • Для получения дополнительной информации о GSR, пожалуйста, обратитесь к разделу «Что такое геномные сводные результаты и как «GSR» может информировать исследования и клиническую помощь?»
Отправка планов GDS

Заочные (гранты и контракты):

  • Включите план GDS в раздел «План совместного использования ресурсов» заявки на финансирование, следуя инструкциям в Руководстве по подаче заявки и объявлению о возможности финансирования. Сотрудник программы NIH рассмотрит план, чтобы убедиться в его приемлемости.
  • Окончательный план должен быть представлен и одобрен финансирующей IC до начала присуждения гранта.

NIH Очные:

  • Включить план GDS в проектное предложение для утверждения научным руководством IC. Если необходимы дополнительные рекомендации, обратитесь к научному руководству IC, GPA IC или в Управление внутренних исследований.
Запрос альтернативного плана обмена данными

NIH признает, что обмен данными не всегда возможен. Если какой-либо элемент Институциональной сертификации не может быть выполнен из-за того, что обмен геномными данными человека для использования во вторичных исследованиях был бы неуместным, исследователь должен запросить исключение из представления.

Подробное объяснение запроса на исключение и альтернативный механизм обмена данными должны быть включены в план обмена геномными данными в разделе «План совместного использования ресурсов» заявки или предложения о финансировании.

В альтернативном плане обмена данными должен быть описан альтернативный механизм обмена максимально допустимым объемом геномных данных (например, обмен данными в сводном формате). Примеры факторов, которые могут препятствовать предоставлению данных, включают международные законы, ограничения в первоначальных информированных согласиях или опасения по поводу причинения вреда отдельным лицам или группам.

Исключения в отношении обмена данными будут рассматриваться финансирующей IC в каждом конкретном случае.

Заочные (гранты и контракты):

  • Если финансирующая ИК предоставляет исключение для представления, исследование будет зарегистрировано либо в базе данных генотипов и фенотипов (dbGaP), либо в NCBI BioProject.
  • Причина исключения, а также альтернативный план совместного использования будут описаны в регистрационной записи, и будет предоставлена ​​ссылка на альтернативный план или ресурс совместного использования данных, если они доступны.

NIH Очные:

  • Заместитель директора NIH по очным исследованиям примет окончательное решение по запросу после того, как IC вынесет свое решение.
Шаблоны и примеры планов GDS

Планы GDS должны охватывать все элементы, указанные выше. Однако требования к универсальному шаблону отсутствуют.

Отдельные ИС могут иметь особые требования к шаблону. Проконсультируйтесь с ожиданиями политики GDS от NIH Institute & Center для любых требований к плану совместного использования IC.

Ниже приведены несколько примеров планов GDS.

Пример 1

Данные из еще не собранных человеческих образцов будут передаваться через репозитории данных, назначенные NIH. Данные, полученные из 800 образцов человека, будут передаваться через репозитории данных с неограниченным доступом, назначенные NIH; лица, не давшие согласия на обмен данными, будут исключены из исследования. Геномные данные включают данные на индивидуальном и агрегированном уровне из секвенирования всего экзома и полногеномных массивов экспрессии. Исследование будет зарегистрировано в dbGaP, а следующие данные и информация будут переданы через Архив чтения последовательностей и Омнибус экспрессии генов:

  • Документы исследования (например, протокол исследования, руководство по эксплуатации, вопросник и формы абстрагирования данных)
  • Данные о последовательностях на индивидуальном уровне, созданные в рамках Конкретной цели 1 (т. е. файлы для однонуклеотидных полиморфизмов)
  • Данные об экспрессии на индивидуальном уровне, включенные в анализ в соответствии с конкретной целью 2 (т. е. массив данных и пики интенсивности)
  • Связанные фенотипические данные

Данные о последовательности и экспрессии будут переданы после очистки данных и завершения процедур контроля качества, которые, как ожидается, будут завершены не позднее, чем через два месяца после создания данных. Данные будут генерироваться в 1-й и 2-й годы и представляться во 2-й и 3-й годы предлагаемого исследования. В проекте формы согласия содержится согласие на использование данных в будущих исследовательских целях и на широкое распространение через базы данных с неограниченным доступом. Институциональная сертификация, подписанная должностным лицом, подписывающим контракт, будет представлена ​​до присуждения контракта вместе с любой другой своевременной информацией.

IRB сообщил, что данные о последовательностях, полученные в рамках этой награды, могут быть переданы через репозитории данных с неограниченным доступом, назначенные NIH, в соответствии с обменом данными в соответствии с политикой NIH GDS. IRB рассмотрит протокол этого проекта и перед финансированием заверит, что:

  • Протокол сбора геномных и фенотипических данных соответствует 45 CFR Part 46;10
  • Предоставление данных и последующий обмен данными в исследовательских целях согласуются с информированным согласием участников исследования, от которых были получены данные;
  • Учитывались риски для отдельных участников и их семей, связанные с отправкой данных в репозитории, назначенные NIH, и последующим обменом ими;
  • В той мере, в какой это уместно и возможно, учитывались риски для групп или населения, связанные с отправкой данных в репозитории данных, назначенные NIH, и последующим обменом; и
  • План следователя по деидентификации наборов данных соответствует стандартам, изложенным в Политике GDS.

Пример 2

Данные генерируются из образцов человека, собранных до даты вступления в силу Политики GDS, и данные будут распространяться через репозитории данных, назначенные NIH. Геномные данные будут получены из образцов, которые ранее были собраны у 2000 участников исследования. Данные о генотипе и соответствующих фенотипах для участников будут переданы через dbGaP, базу данных с контролируемым доступом, после очистки данных генотипирования, которая, как мы ожидаем, будет завершена не более чем через два месяца после завершения генотипирования. Предоставление данных о генотипе на индивидуальном уровне для всего генома, полученных в рамках Конкретной цели 1, и фенотипических данных на индивидуальном уровне, связанных с расстройствами настроения, включенными в анализ в рамках Конкретной цели 2, ожидается на 2-м году предлагаемого исследования.

Согласие на сбор образцов напрямую не касалось широкого обмена данными участников, но указывало на их желание продвигать науку. После тщательной проверки IRB определил, что предоставление данных не противоречит условиям, изложенным в согласии. Институциональная сертификация, которая будет предоставлена ​​до присуждения награды вместе с любой другой информацией о своевременности, будет включать следующее DUL: «Использование этих данных ограничено медицинскими/медицинскими/биомедицинскими целями, которые не включают изучение происхождения или происхождения населения».

Институциональный контрольный совет (IRB) сообщил, что данные генотипирования, полученные из 2000 образцов, могут быть переданы через репозитории данных, назначенные NIH, в соответствии с обменом данными в соответствии с политикой NIH GDS. IRB рассмотрел протокол исследования и заверил, что:

  • Протокол сбора геномных и фенотипических данных соответствует 45 CFR Part 46;10
  • Предоставление данных и последующий обмен данными в исследовательских целях согласуются с информированным согласием участников исследования, от которых были получены данные;
  • Учитывались риски для отдельных участников и их семей, связанные с отправкой данных в репозитории, назначенные NIH, и последующим обменом ими;
  • В той мере, в какой это уместно и возможно, учитывались риски для групп или населения, связанные с отправкой данных в репозитории данных, назначенные NIH, и последующим обменом; и
  • План следователя по деидентификации наборов данных соответствует стандартам, изложенным в Политике GDS.

Пример 3

Данные генерируются из образцов человека, собранных до даты вступления в силу Политики GDS, и данные не могут быть переданы через хранилища данных, назначенные NIH. Геномные данные из более чем 100 генов в геноме будут получены из образцов, ранее собранных у 700 участников исследования из небольшой популяции в Африке. Форма согласия напрямую не касалась широкого обмена данными участников или рисков, связанных с широким обменом этими данными. Из-за небольшой популяции и отсутствия информации в форме согласия IRB пришел к выводу, что нецелесообразно делиться этими индивидуальными данными, собранными из существующих образцов, через любой репозиторий, назначенный NIH, и просит предоставить исключение для депонирования данных. . Проведение процесса повторного согласия для этих участников не является жизнеспособным вариантом из-за промежутка времени между получением образцов и созданием данных. В качестве альтернативного плана обмена данными университет согласился поделиться данными на агрегированном уровне, которые будут отправлены в dbGaP, и предоставить механизм для облегчения обмена данными посредством прямого сотрудничества с другими исследователями под соответствующим надзором IRB. Данные на агрегированном уровне будут включать агрегированные частоты минорных аллелей и связанные с ними p-значения. Другие исследователи могут связаться с главным исследователем, если они заинтересованы в совместной работе над проектом, который требует использования данных индивидуального уровня. Всем будущим участникам исследования будет предложено подписать измененную форму согласия, которая соответствует ожиданиям широкого обмена данными.

Пример 4

Данные нечеловеческих образцов будут передаваться через репозитории данных, назначенные NIH. Университет будет обмениваться данными о генотипах на индивидуальном уровне от 1500 мышей, разместив эти данные в Sequence Read Archive, который является хранилищем, финансируемым NIH. Кроме того, будут представлены протокол исследования, руководство по эксплуатации и данные о фенотипе. Данные о генотипе будут обнародованы не позднее даты первоначальной публикации, которую мы ожидаем в течение 3-го года предлагаемого исследования.

Согласование планов обмена

Политика управления и обмена данными (DMS) на 2023 год предполагает представление плана DMS, в котором описывается, как заявитель будет управлять научными данными, полученными из фондов NIH, и делиться ими. Чтобы уменьшить нагрузку на заявителей и персонал, NIH теперь ожидает, что единый план обмена данными на момент подачи заявки на финансирование будет удовлетворять как Политике обмена геномными данными (GDS), так и Политике DMS (NOT-OD-22-198). Таким образом, 25 января 2023 г. или позднее NIH больше не будет собирать отдельные планы GDS.

Ожидается, что вопросы совместного использования геномных данных, например, где и когда будут делиться геномными данными, будут учтены в планах DMS с использованием элементов плана DMS. Дополнительные сведения см. в разделе Составление плана управления данными и совместного использования.

Кроме того, соблюдение и приведение в исполнение наград, подпадающих под действие Политики GDS, будет осуществляться в соответствии с условиями соблюдения и приведения в исполнение в Политике DMS, как описано в NOT-OD-21-013, Раздел VIII, что, как ожидается, не приведет к любые существенные изменения в том, как несоблюдение соблюдается.

Новая политика управления данными и обмена ими вступает в силу

25 января 2023 г.!

Developing Data Archives — Journal of Urgent Care Medicine

JUCM посчастливилось оказаться в авангарде исследований SARS-CoV-2, судя по ставшей заголовком статье под названием «Рентгенологические данные грудной клетки у 636 амбулаторных пациентов с COVID-19». Представление в Центр неотложной медицинской помощи: нормальный рентген грудной клетки не является гарантией еще в мае 2020 года прямо через этот выпуск. Последняя исследовательская статья о COVID, которую мы рады представить, посвящена уровню заражения гриппом типа A/B и COVID в федеральном квалифицированном медицинском центре в …

Подробнее

Эшли Блэчфорд Сбор данных, управление практикой Подробнее

Что касается предлагаемых услуг, неотложная помощь «должна» привлекать пациентов всех возрастов. И это так. Но для каких возрастных групп это больше всего нравится? Если вы угадали «миллениалы», вы правы, и в этом нет ничего нового, согласно показателям FH Healthcare Indicators и FH Medical Price Index 2022. На самом деле, это люди, родившиеся в возрасте от 24 до 39 лет в 2020 году, , были главными клиентами службы неотложной помощи в течение нескольких лет …

Подробнее

Эшли Блэчфорд

Подробнее

Эшли Блэчфорд Сбор данных, управление практикой Подробнее

пандемия COVID-19. И от того, что бизнес пострадал, никуда не деться, хотя факт, что многие пациенты возвращаются, тоже очевиден. Что, вероятно, менее очевидно, но, безусловно, интересно, так это то, что в период с 2019 по 2020 год в центрах неотложной помощи наблюдалось меньшее снижение использования, чем в отделениях неотложной помощи и центрах амбулаторной хирургии, как показано на…

Подробнее

Эшли Блэчфорд Разработка данных, управление практикой Подробнее

MBA, MAcc доказывает, что это может быть идеальное время для операторов неотложной помощи, чтобы сделать ставку на свой будущий рост и успех, инвестируя в свой бизнес. Во-первых, похоже, что пандемия COVID-19 в США идет на спад, и наша отрасль добилась огромного прогресса в получении того, что генеральный директор Ассоциации неотложной медицинской помощи …

Подробнее

Эшли Блэчфорд Разработка данных, управление практикой Подробнее

Никто не станет спорить с тем, что последние 2 года были легкими для неотложной помощи. Сначала многие операции были остановлены, чтобы получить необходимые материалы для тестирования на COVID-19. То же самое произошло в первые дни после утверждения вакцины. Тем не менее, промышленность адаптировалась. Как только расходные материалы для тестирования стали доступны, операторы установили новые процедуры, чтобы максимизировать количество пациентов, которые могли пройти тестирование безопасно и эффективно, будь то установка на стоянках или выбор…

Подробнее

Ashley Blachford Сбор данных, управление практикой Подробнее

нет? (стр. 19), автор Алан Айерс, магистр делового администрирования, MAcc, указывает на возможности поставщиков услуг передовой практики как на одно из соображений, которое некоторые операторы неотложной помощи используют, когда решают оставаться открытыми для работы в отсутствие врача. Можно даже пойти еще дальше и выдвинуть аргумент, что степень непосредственной заботы, обеспечиваемой …

Подробнее

Эшли Блэчфорд Сбор данных, управление практикой Подробнее

Если вы читали «Оценка различий в оказании неотложной медицинской помощи: пример бактериальной пневмонии» — см. стр. 23. этого выпуска — вы знаете, что доля соответствующих рецептов, выписанных на лекарство, указанное на этикетке (в данном случае, доксициклин для лечения бактериальной пневмонии), может различаться среди различных демографических групп. Хотя выводы этого исследования не обязательно устанавливают причинно-следственную связь, данные должны вдохновить на некоторый анализ возможного объяснения различий в уходе за различными …

Подробнее

Эшли Блэчфорд Разработка данных, управление практикой Подробнее

Было много дискуссий (в том числе в JUCM и JUCM News) относительно того, является ли COVID-19 пандемия откроет золотой век телездравоохранения, будь то в рамках неотложной помощи или в возможной конкуренции с неотложной помощью. Сейчас, когда мы приближаемся к 2 годам, начинают появляться фактические данные по этому вопросу. Во-первых, немного предыстории: семейный опыт в Америке во время вспышки дельта-варианта, опрос, проведенный в этом году для NPR, Фонда Роберта…

Подробнее

Эшли Блэчфорд Разработка данных, управление практикой Подробнее

Несмотря на то, что неотложная помощь игнорировалась как важный партнер в борьбе с COVID-19 в первые дни пандемии вирус оказал большое влияние на жалобы, которые заставляли пациентов обращаться в центр неотложной помощи. На самом деле, согласно исследованию JUCM, большинство из пяти основных жалоб в 2019 году сократились как минимум наполовину по отношению ко всем обращениям за неотложной помощью. COVID-19

Подробнее

Эшли Блачфорд Разработка данных, управление практикой Подробнее

  • Центр обмена информацией

    Содержание

    Введение

    Типы рисунков

    Основные части рисунков

    Ориентация на читателей

    Общие указания

    Отображение рисунков

    Наиболее часто задаваемые вопросы

    Информация о цитировании

    Имейте в виду, что цифры представляют собой моментальный снимок информации. Для получения дополнительной информации посетите следующие страницы:

    • Типы фигурок
    • Основные части фигурок
    • Ориентация на читателей
    • Общие указания
    • Отображение цифр
    • Часто задаваемые вопросы

    Типы фигурок

    F Рисунки включают графики, уравнения, фотографии, штриховые рисунки, рисунки, карты и другие визуальные элементы. Имейте в виду, что Рисунки обеспечивают моментальное представление информации. Дополнительные сведения см. на следующих страницах:

    • Гистограммы
    • Линейные графики
    • Круговые диаграммы
    • Точечная диаграмма
    • Фотографии
    • Штриховой рисунок
    • Карты

    Гистограммы

    Используя гистограммы, вы можете обеспечить наглядное представление данных. Используйте гистограммы, когда вы хотите представить данные читателям с числовыми задачами.

    Инструкции

    Имейте в виду, что гистограммы часто хорошо подходят для более широкой аудитории. При подготовке гистограмм используйте столбцы для отдельных категорий и следуйте следующим рекомендациям:

    • Избегайте трехмерных столбцов
    • Стержни должны быть одинаковой ширины
    • Сделайте весы простыми
    • Размещайте этикетки рядом или внутри полос
    • Сделать полосы визуально различимыми
    • Начать вертикальную ось с нуля
    • Прервать ось, если весы длинные
    • Избегайте размещения гистограмм с разными осями рядом

    Линейные графики

    Линейные графики существуют в научных, технических и деловых публикациях, показывая тенденции в данных, такие как рост или изменения.

    Инструкции

    Для простых линейных графиков,

    • Используйте линейные графики для непрерывных данных
    • Показать ключевые точки вдоль горизонтальной оси
    • Ограничить количество строк
    • Сделать линии четкими
    • Тщательно промаркируйте линии
    • Использовать пропорциональные оси

    Круговые диаграммы

    Круговая диаграмма эффективно отображает пропорции частей целого. Например, круговая диаграмма может визуально отображать процентное соотношение мужчин и женщин в Конгрессе в течение конкретной сессии.

    Инструкции

    Имейте в виду, что круговые диаграммы часто подходят для более широкой аудитории. При подготовке круговых диаграмм следуйте следующим рекомендациям:

    • Маркировка каждого сегмента круговой диаграммы
    • Поместите число или процент под соответствующей меткой
    • Избегайте беспорядка, имея не более шести фрагментов в круговой диаграмме
    • Рассмотрите возможность объединения меньших групп, чтобы уменьшить количество срезов до шести

    Диаграммы рассеяния

    Диаграммы рассеяния показывают корреляции между необработанными данными, но их относительно сложно увидеть и понять. Используйте точечные диаграммы только для специализированной аудитории. В противном случае вы можете запутать аудиторию.

    Обычно точка на точечной диаграмме представляет тысячи случаев. Точечная диаграмма полезна, чтобы показать, как граждане голосуют во время выборов.

    Фотографии

    Если у вас есть 35-мм фотоаппарат, вы можете легко снимать качественные фотографии для иллюстраций своих статей, публикаций и презентаций, не зная многих технических деталей фотографии. Как предположил один профессиональный фотограф, они кандидаты наук. камеры — “Нажми сюда, манекен”.

    Вы просто наводите и снимаете — камера фокусируется на объекте, вносит необходимые коррективы и экспонирует пленку. Чтобы узнать больше, перейдите по следующим ссылкам:

    Улучшение качества

    Чтобы снимать хорошо Фотографии :

    • Знайте свое оборудование и как оно работает
    • Сделайте пробные снимки, чтобы узнать больше о вашей камере
    • Выбирайте пленки с низкой и средней скоростью
    • Используйте черно-белую негативную пленку, когда вам нужны черно-белые отпечатки
    • Использовать цветную пленку, т. е. слайд-пленку, для презентаций и печатных публикаций
    • Обработка пленки в лаборатории профессионального фотографа

    При съемке Фотографии:

    • Проверьте камеру и батареи, чтобы убедиться, что они работают
    • При необходимости проверьте и отрегулируйте экспозицию при съемке
    • При необходимости используйте штатив для стабилизации камеры
    • Тщательно сфокусируйтесь
    • Сделать несколько снимков одного и того же объекта
    Улучшение содержания

    Хорошее Фотографии не просто так — фотографы должны планировать Фотографии , чтобы показать желаемое содержание. Создание хорошего контента начинается с планирования того, что вы будете показывать на своих фотографиях . Чтобы улучшить содержание ваших фотографий :

    • Планируйте содержание каждой фотографии
    • Создать подробный список стрельбы
    • Подумайте о системе взглядов зрителя – что они знают о вашей теме
    • Начни со знакомого и двигайся к незнакомому
    • Сделайте серию фотографий, чтобы проиллюстрировать свои мысли
    • Рассмотрите способы добавления людей, животных или других элементов для повышения визуальной привлекательности
    Улучшение композиции

    Чтобы улучшить композицию, вам нужно научиться видеть хорошие фотографии , а затем использовать технические возможности камеры для создания визуально приятных сцен.

    Для улучшения Фотографии :

    • Используйте правило третей
    • Подойти ближе
    • Меняйте ракурсы
    • Кадрируйте свои сцены
    • Варьировать глубину резкости
    • Использовать ведущие линии

    Для получения дополнительной информации об основах фотографии обратитесь в местную библиотеку за книгами или в местный магазин фотоаппаратов.

    Штриховая графика

    Штриховая графика состоит из простых иллюстраций, обычно черно-белых, которые обрисовывают ключевые элементы отображаемого изображения. Скорее всего, вы не умеете рисовать Line Art , поэтому вам понадобится профессиональный иллюстратор или какое – либо программное обеспечение , предназначенное для подготовки Line Art . Чтобы узнать больше, изучите следующие материалы:

    Использование штрихового рисунка

    Использование штриховых рисунков для иллюстрации ключевых компонентов или деталей. Вы найдете Штриховой рисунок , используемый для изображения ключевых частей таких вещей, как:

    • оборудование
    • растения
    • животных
    • карты
    Работа с иллюстраторами

    Когда вы обращаетесь к иллюстраторам за помощью в подготовке Line Art , учитывайте следующие рекомендации. Предоставьте художнику достаточно времени для завершения работы. Ниже приведены еще несколько советов по работе с иллюстраторами, чтобы упростить процесс и сократить время:

    • Набросайте свои идеи, даже если они сырые
    • Определите окончательный размер штрихового рисунка
    • Подумайте, что бы вы удалили, чтобы упростить штриховую графику, если это необходимо по причинам бюджета или времени
    • Предоставьте свои эскизы
    • Объясните, какая окончательная форма необходима, например, печатная копия, графический файл или цветной слайд
    Использование программного обеспечения

    Если у вас есть доступ к компьютеру с программным обеспечением для рисования, вы можете создавать простые Line Art . Вы найдете два типа программного обеспечения:

    • программы для рисования и трассировки, такие как Corel Draw и Adobe Illustrator
    • программное обеспечение перетаскивания, например VISIO

    С помощью программного обеспечения вы можете создать Line Art , сохранить его в виде графического файла и импортировать в текстовый процессор, настольную публикацию, презентацию или онлайн-документы, такие как домашняя страница в Интернете.

    Блок-схема

    Используйте блок-схемы, чтобы показать, как работает процесс. Такими процессами могут быть то, как работает компьютер, как кислород проходит через ваше тело, как работает фотосинтез или множество других научных или технических процессов.

    Карты

    Если вы работаете в научной или технической сфере, вам потребуется предоставить Карты для технических отчетов, статей, объявлений о программах и других публикаций. Перейдите по следующим ссылкам для получения дополнительной информации о картах :

    Карты ориентации

    При подготовке карт ориентации учтите следующее

    • Предоставьте общую карту местности
    • Предоставьте вторую карту с подробным описанием конкретных
    • Упростить карту — т.е. показывать только ключевые функции
    • Карта Востока с севером вверху страницы
    • Предоставить шкалу расстояний
    • Добавить легенду с символами, если необходимо
    Карты направлений

    При подготовке Карт направлений для совещаний, конференций или других собраний учитывайте следующее:

    • Предположим, что читатели не посещали сайт
    • Обозначьте все улицы, дороги, шоссе и ключевые ориентиры
    • Включить стрелку, указывающую на север
    • Укажите масштаб или укажите расстояния
    • Включите повествование, чтобы помочь читателям
    • Двойная проверка карты на наличие ошибок

    Ключевые части рисунков

    В отличие от таблиц, руководства по стилю содержат подробные рекомендации для частей рисунков . Вместо этого Figure содержит основной визуальный компонент, а заголовок описывает Figure .

    Ориентация на читателей

    Когда вы рассматриваете каждый вид Рисунок , подумайте, является ли Рисунок , который вы планируете использовать, лучшим для общения с вашими читателями.

    Задайте следующие вопросы:

    • Знакомы ли читатели с типом Рисунок , который вы планируете использовать?
    • Обладают ли читатели навыками чтения и интерпретации Figure ?
    • Поймут ли ваши читатели сокращения, которые вы используете?
    • Обладают ли читатели общими знаниями по вашей теме?
    • Будут ли читатели интерпретировать Рисунок так же, как и вы?

    Имейте в виду, что фон читателей, и читать и интерпретировать Цифры так же, как вы.

    Общие рекомендации

    В следующих списках приведены общие рекомендации по разработке фигурок . При разработке рисунков следуйте общим и специальным рекомендациям:

    • Следуйте стилю публикации или указаниям инструктора для таблиц
    • Разместите заголовки ниже Цифры
    • Напишите полные описательные заголовки
    • Используйте арабские цифры для Цифры
    • Используйте двойной номер для таблиц в главах: Рисунок 1-1 для первого Рисунок в Главе 1
    • Разместите Рисунки на отдельных страницах в конце документа
    • Не загромождайте визуальные эффекты
    • Используйте четкие шрифты для обеспечения четкости печати
    • Предоставьте сноски с описанием сокращений

    Отображение рисунков

    Исследователи предлагают следующее:

    • Сложные визуальные эффекты подходят для высококвалифицированных специалистов
    • Простые графики лучше всего подходят для неподготовленных читателей

    Часто задаваемые вопросы

    Если вы не привыкли работать с цифрами, вы можете не знать, как включить их в свое письмо. Хорошим источником информации о цифрах являются журналы и другие публикации. Вы также должны изучить руководства по стилю, используемые в вашей области. Многие организации выпускают эти руководства, чтобы помочь вам правильно включать цифры в документы. Чтобы прочитать ответы на некоторые распространенные вопросы, выберите любой из пунктов ниже:

    Должны ли цифры заменять текст?

    Обычно легче смотреть на график или диаграмму, чем читать один или два абзаца, описывающих информацию в мельчайших подробностях. Однако это не означает, что графики и диаграммы должны заменить ваш текст. Вы не должны просто говорить: «Наши результаты показаны на рисунках с 1 по 9». Наоборот, основная роль фигур не в замене, а в том, чтобы усилить ваше повествование.

    Как связаны графики, диаграммы и текст?

    Роль рисунков состоит в том, чтобы усилить содержание вашего текста и облегчить его понимание. Изложение информации словами дает читателю общее представление, но просмотр ее в графической форме делает ее более понятной. В то же время информация, которую вы передаете в своем тексте, также поддерживает вашу графику. Не пишите только, что информацию можно увидеть на графике. Расскажите своим читателям, что изображено на рисунке.

    Сколько цифр я должен использовать?

    Обычно желательно иметь больше, а не меньше цифр. Если графики ничего не добавляют, не ставьте их, но всегда можно найти возможности, где цифры помогут. Помните, что вы всегда можете поместить менее важные цифры в Приложение.

    Где в тексте должны стоять цифры?

    В идеале рисунки должны появляться на той же странице, сразу после или рядом с первым экземпляром, когда вы упоминаете их в своем тексте. Когда вы пишете «Смотрите рисунок один», ваши читатели должны легко найти изображение. Кроме того, ваши читатели оценят отсутствие необходимости перелистывать страницы и искать графику. Достижения в области обработки текстов и программного обеспечения для настольных издательских систем позволяют относительно легко вставлять рисунки в сам текст. Если невозможно разместить графику на странице сразу после или рядом с ее первым упоминанием в тексте, то вам следует разместить графику на следующей странице.

    Как должны выглядеть цифры?

    Рисунки должны быть четкими, а подписи должны быть достаточно большими, чтобы их можно было прочитать. Многие читатели предпочитают, чтобы для представления данных использовались жирные символы. Кроме того, все буквы и нумерация должны быть достаточно крупными, чтобы их можно было легко прочитать, и вы должны использовать сочетание жирных и светлых линий.

    Насколько большими должны быть цифры?

    Если рисунки не очень сложные, они не должны занимать целую страницу. Они должны быть такого размера, чтобы их можно было вставить на страницу, где график или диаграмма упоминаются впервые. Однако они не должны быть настолько маленькими, чтобы их было трудно прочитать.

    Информация для цитирования

    Дон Циммерман и Грегори Тайер. (1994-2022). Разработка документов: использование рисунков. Информационная служба ВААК. Университет штата Колорадо. Доступно по адресу https://wac.colostate.edu/resources/writing/guides/.

    Информация об авторских правах

    Авторские права © 1994-2022 Университет штата Колорадо и/или авторы, разработчики и участники этого сайта. Некоторые материалы, представленные на этом сайте, используются с разрешения.

    Развитие навыков работы с данными в академических библиотеках | Фур

    Justin Fuhr*

    Академические библиотеки все чаще предлагают исследовательские услуги. В результате библиотекарям может потребоваться повышение квалификации для предоставления услуг данных и наращивания потенциала. В этом исследовании измеряется текущий уровень навыков работы с данными академических библиотекарей и исследуются предпочтительные методы непрерывного образования. Был распространен онлайн-опрос, в котором респондентам предлагалось оценить навыки работы с данными по четырем категориям. Результаты фиксируют базовый уровень самостоятельно оцененных навыков работы с данными и показывают статистическую значимость между процентом времени, в течение которого библиотекарь предоставляет услуги по работе с данными, и более высокими уровнями технических навыков. Полученные результаты поддерживают наем библиотекарей данных в академических библиотеках, предлагающих услуги данных и проводящих обучение библиотекарей, которые предоставляют услуги данных любого уровня.

    Введение

    Библиотечные и информационные исследования (LIS) уже давно уделяют особое внимание непрерывному образованию, поскольку эта область быстро развивается и регулярно внедряет новые услуги. Библиотекарям может потребоваться приобрести новые навыки, чтобы предлагать новые услуги своим пользователям. Профессиональное развитие особенно актуально в новых областях академического библиотечного дела, где библиотекари могут еще не обладать набором навыков, необходимых для адекватного предоставления услуг.

    Одной из новых областей академического библиотечного дела являются службы исследовательских данных, или просто службы данных. Тенопир и др. определяют службы данных как «услуги, которые охватывают весь жизненный цикл данных, включая план управления данными, цифровое курирование (выбор, сохранение, обслуживание и архивирование), а также создание и преобразование метаданных». услуги данных, которые могут включать интеллектуальный анализ данных, знание метаданных, технические детали аппаратного и программного обеспечения репозитория, опыт программирования и программного обеспечения, юридические и политические знания, инструкции по библиотеке и исследовательские консультации, среди прочего.

    Цифровые исследовательские данные все чаще производятся в исследовательских высших учебных заведениях. Поскольку создается все больше и больше цифровых данных, важно управлять данными и организовывать их, чтобы они оставались доступными в будущем. Исследования показали, что за последнее десятилетие в академических библиотеках наблюдался рост услуг по работе с данными2. Tenopir et al. признать, что некоторые учреждения наняли специализированных библиотек данных для предоставления услуг библиотечных данных; однако другие библиотекари оказались переназначены на эту роль, при этом время, затрачиваемое на предоставление услуг данных, различно. В этих случаях имеет смысл организовать обучение библиотекарей для улучшения имеющихся навыков.

    Используя онлайн-опрос академических библиотекарей, это исследование измеряет текущий уровень навыков академических библиотекарей в области обслуживания данных. Кроме того, в этой статье исследуется предпочтительный метод профессионального образования в поддержку академических библиотекарей, предоставляющих услуги по работе с данными.

    Обзор литературы

    Службы данных как развивающаяся область академического библиотечного дела

    Управление исследовательскими данными вышло на передний план служб академических библиотек, поскольку все больше исследовательских данных создается в цифровом виде, а высшие учебные заведения принимают и восприимчивы к новым идеям и тенденциям, таким как движение за открытую науку. Академические библиотекари позиционируют себя так, чтобы предлагать эти услуги в то же время, когда службы данных внедряются многими высшими учебными заведениями. Исследователи описали, как академические библиотекари являются неотъемлемой частью предоставления услуг исследовательских данных. 3 Прайор и Доннелли рано осознали ту роль, которую библиотекари могут играть в услугах данных.4 создатели данных, специалисты по данным и менеджеры данных.

    Исследователи LIS приводят убедительные доводы в пользу того, чтобы академические библиотеки предоставляли услуги по исследованию данных, и многие академические библиотеки продемонстрировали, что библиотекари могут уверенно предоставлять услуги по данным5. выходные данные, естественно подходят для управления входными данными, такими как данные.

    По мере того, как службы исследовательских данных набирали обороты в академических библиотеках, был опубликован основополагающий опрос Ассоциации университетских и исследовательских библиотек (ACRL) Tenopir, Birch и Allard. какие услуги передачи данных предлагались в начале 2010-х годов и какие услуги будут предлагаться в будущем. Хотя в то время услуги передачи данных предлагало очень небольшое количество учреждений, авторы обнаружили, что от четверти до трети из них планировали сделать это в ближайшем будущем. Тенопир и др. также обнаружил, что большинство (71,1%) поставщиков услуг данных были библиотекарями по связям с предметными областями по сравнению со специализированными библиотекарями данных (5,8%).

    Всего год спустя Тенопир, Сандаски, Аллард и Берч опубликовали результаты опроса, разосланного библиотекарям, работающим в библиотеках-членах Ассоциации исследовательских библиотек (ARL). большинство участников опроса ответили, что, по их мнению, у них есть навыки, необходимые для поддержки таких услуг в будущем.

    Растущее распространение услуг данных академических библиотек показано в крупных эмпирических исследованиях и институциональном анализе, предпринятых для определения масштабов услуг данных академических библиотек в начале 2010-х годов8, а также в последующем анализе в Tenopir, Sandusky, Allard, и Birch, используя те же данные исследования, проведенного Tenopir et al. в 2012,9В своем опросе 2014 года Tenopir et al. Выяснилось, что около 83 процентов академических библиотек Северной Америки планируют предлагать услуги по работе с данными к 2016 году. Однако только 31 из 99 библиотек предложили обучение по работе с данными для библиотечного персонала.

    Последующие исследования показали, что в академических библиотеках продолжают предоставляться услуги по предоставлению исследовательских данных10. В частности, в официальном документе ACRL за 2019 г. Tenopir et al. обнаруживает, что услуги передачи данных растут, и действует как продолжение исследования 2012 года, проведенного Тенопиром, Берчем и Аллардом. Авторы считают, что 44,1% опрошенных библиотек не предоставляют никаких услуг по предоставлению исследовательских данных. Это меньше, чем в 2012 году, когда 60 процентов библиотек не предоставляли никаких услуг по работе с данными, а это означает, что процент библиотек, предлагающих эти услуги, значительно выше по сравнению с предыдущим опросом. Тенопир и др. разделить службы данных на две категории: информационные и консультационные услуги (например, консультации с преподавателями по поводу планов управления данными) и технические и практические услуги (например, управление репозиториями данных). Как и результаты их опроса 2012 г., в 2019 г.библиотеки чаще предлагают информационные и консультационные услуги, чем технические и практические услуги. К такому же выводу пришли Cox et al.11 В ходе исследования были проанализированы данные двух международных опросов, и было обнаружено, что по сравнению с консультационными услугами услуг по предоставлению технических данных не хватает. Это важно иметь в виду, поскольку мы изучаем подготовку, необходимую академическим библиотекарям для предоставления услуг данных.

    Проблемы в предоставлении услуг по обработке данных

    Поскольку услуги по предоставлению исследовательских данных становятся все более распространенными, остаются серьезные проблемы, которые необходимо решить. Как и в случае с любой вновь появившейся услугой, переходный период неизбежен. Авторы отмечают недостаток навыков и уверенности в себе,12 финансовые ограничения, такие как стоимость оборудования,13 неадекватное кадровое обеспечение,14 и практически полное отсутствие институциональной поддержки. 15

    Среди этих задач особенно важной является обеспечение того, чтобы академические библиотекари были обучены и обладали необходимым набором навыков. Было предпринято исследование, чтобы определить, какие компетенции необходимы для предоставления полных, зрелых услуг данных академических библиотек. С практическими компетенциями обучение может быть предоставлено для преодоления существующих пробелов в навыках. Федерер завершил работу по развитию компетенций в области услуг данных, что поможет библиотекарям, желающим развить свои навыки в этой области.16 Наряду со списком компетенций Федерер обнаружил две группы участников опроса:0009 предметные специалисты (специализирующиеся на конкретном предмете и фокусирующиеся на меньшем количестве задач) и специалисты общего профиля (ряд задач, которые работают в широком смысле по дисциплинам).

    В библиотеке Университета штата Аризона в связи с внедрением надежных служб исследовательских данных библиотека создала внутреннюю рабочую группу по исследовательским службам для развития собственных компетенций в области управления данными для сотрудников библиотек. В дополнение к компетенциям Харп и Огборн описывают благоприятную рабочую среду, способствующую обучению сотрудников их библиотек, как инструмент успешного предоставления услуг по исследовательским данным своим пользователям.17

    Федерер и др. проанализировали структуру компетенций по обслуживанию данных Медицинской библиотечной ассоциации, которая готовит библиотекарей к предоставлению услуг по обработке данных.18 Структура компетенций включает пять показателей эффективности: применяет принципы грамотности в отношении данных; устанавливает и продвигает услуги передачи данных; поддерживает передовые методы исследования данных на протяжении всего жизненного цикла данных; применяет знания о методах исследования, исследовательской этике и строгости, а также об открытых научных практиках; и обеспечивает обучение и консультации по темам, связанным с данными.

    Еще одна перспектива, которую следует рассмотреть, помимо оценки навыков библиотекарей в области обслуживания данных, — это оценка навыков исследователя и обеспечение соблюдения передового опыта. Это может быть особенно сложно при предоставлении услуг по работе с данными, поскольку готовность, открытость и мастерство исследователя будут определять эффективность услуг, независимо от того, насколько опытен библиотекарь данных. Борги и др. предоставить краткий обзор оценки ожиданий исследователя и простоты использования управления данными.19Кроме того, Борги и соавт. предоставить простые в использовании материалы, чтобы исследователи могли внедрить надлежащие методы управления данными на протяжении всего жизненного цикла исследования.

    Преодоление пробелов в навыках служб исследовательских данных

    В литературе появляются полезные решения для восполнения пробелов в навыках служб исследовательских данных. Аттебери предлагает «действия, которые включают в себя характеристики, определенные участниками как способствующие значимой или преобразующей деятельности. К ним относятся длительные и интерактивные занятия с возможностью для размышлений».20 Однако, учитывая затраты времени и средств на такие обучающие мероприятия, они могут быть ограничительными. Необходимо также рассмотреть практические подходы, учитывающие временные и финансовые затраты. Форматы обучения, преимущественно проводимые на двух этапах карьеры библиотекаря, до и после выпуска, рассматриваются ниже: 1) программы аспирантуры LIS (до выпуска) и 2) семинары, курсы и конференции (после выпуска).

    Программы аспирантуры LIS

    Некоторые исследователи предлагают реформировать программы аспирантуры LIS, чтобы предоставить дополнительные возможности для обучения службам исследовательских данных. Лайон предлагает два способа, с помощью которых программы LIS могут сделать это: 1) определить основные компетенции для услуг исследовательских данных, чтобы добавить их в текущую учебную программу; и 2) анализ абитуриентов программы LIS на наличие опыта в областях STEM.21 Лайон повторяет это мнение в более поздних работах в дополнение к предложению встраивания студентов в лабораторию.22 Это повторяется в Лайоне и Бреннере, которые предлагают иммерсивный опыт и практические занятия для заинтересованных аспирантов. в исследовательских услугах.23

    В дополнение к своей работе по развитию компетенций в области обслуживания данных Федерер предлагает аспирантам MLIS предоставить возможность пройти соответствующие курсы, связанные с данными, в рамках их программ24. «Библиотечные школы и профессиональные организации должны… быть в курсе тенденций, По словам Федерера, «в этой быстро развивающейся области необходимо убедиться, что их учебные планы и программы повышения квалификации подходят для подготовки специалистов по информационным технологиям к выполнению новых ролей библиотекарей данных». Хайдорн также рекомендует проводить обучение службам данных в рамках программ для выпускников LIS. Он перечисляет Университет Иллинойса, Университет Северной Каролины и Университет Аризоны среди высших учебных заведений, предлагающих такое обучение.26

    Превосходный предварительный обзор обновленной учебной программы для нынешних специалистов по медицинской информации, сделанный Ма, Шталь и Ноттсом, включает управление данными среди девяти ролей, которыми занимаются библиотекари медицинских наук. 27

    Хотя курсы, связанные с данными, предлагаются не в каждом ALA. – аккредитованное учреждение, библиотекари, участвующие в Библиотечной академии управления исследовательскими данными, создали документ, в котором перечислены 163 курса, связанных с данными, доступных в высших учебных заведениях Северной Америки, Азиатско-Тихоокеанского региона и Европы, предлагающих программы для выпускников LIS.28

    Семинары, курсы и конференции

    Семинары могут быть полезны для того, чтобы группа библиотечных работников прошла большой объем обучения за относительно короткий период времени. Однако один недостаток семинаров заключается в том, что короткий период времени не позволяет изучить глубокие и сложные темы. Одним из примеров семинара, ориентированного на данные, является однодневный семинар 2008 года, организованный Майклом Виттом (Университет Пердью) и Мелиссой Крэгин (Иллинойсский университет в Урбане-Шампейне) по институциональным хранилищам данных.29Саутхолл и Скатт описывают двухчастный семинар для сотрудников библиотек Оксфордского университета30. Семинар предназначен для обучения сотрудников библиотек общим принципам современных услуг по работе с данными.

    Джейк Карлсон (Мичиганский университет) и Лиза Джонстон (Университет Миннесоты) запустили инициативу Data Information Literacy (DIL) в 2011 году31. Целью инициативы было развитие навыков работы с данными для аспирантов. На саммите по доступу к исследовательским данным и их сохранению (RDAP) в 2015 году команда DIL поделилась идеями о том, как обучать грамотности данных всех пользователей (студентов и аспирантов, преподавателей), а не только аспирантов. Такие инициативы, как DIL, могут быть модифицированы для аудитории сотрудников библиотек, чтобы улучшить их грамотность в отношении данных и предоставлять услуги данных в своих библиотеках.

    В 2016 г. в библиотеках Калифорнийского университета в Беркли был разработан курс для обучения сотрудников библиотек не только общим принципам работы с данными, но и их сопоставлению с различными предметными областями. курс был очень успешным, что позволяет предположить, что другие академические библиотеки преуспели бы, если бы предложили что-то подобное, в зависимости от возможностей служб данных, финансов и времени.

    Рид и др. описать пилотную программу обучения медицинских библиотекарей работе с данными для внедрения этих услуг в своих библиотеках.33 Участвующим библиотекарям были предоставлены учебные модули, и им была предоставлена ​​возможность обучаться проведению интервью с данными, проведению вводного занятия по управлению исследовательскими данными и учебным стратегиям. для классов данных. В целом пилотный проект оказался успешным и послужил образцом для других библиотекарей, стремящихся внедрить услуги в своей библиотеке.

    Федерер и Цинь рассматривают 1,5-дневный семинар, организованный Национальной медицинской библиотекой (NLM) в 2019 г. под названием «Развитие библиотечных кадров для науки о данных и открытой науки». по обоим предметам с целью развития обучения библиотечных работников как службам данных, так и открытой науке.

    В дополнение к семинару NLM, NLM при поддержке Управления по обучению Национальной сети медицинских библиотек предлагает онлайн-курс «Управление исследовательскими данными по требованию», состоящий из четырех отдельных занятий. 35 Существует также исследовательский Библиотечная академия управления данными (RDLMA), результат сотрудничества Elsevier, Гарвардской медицинской школы, Гарвардской библиотеки, Университета Симмонса, Бостонского университета, Университета Брауна, Массачусетского колледжа фармацевтики и Университета медицинских наук, Северо-восточного университета и Университета Тафтса.36 Наконец, Library Carpentry (https://librarycarpentry.github.io/) — еще одна важная учебная инициатива, направленная на обучение библиотекарей навыкам работы с данными, особенно техническим навыкам, представленная в формате буткемпа.

    Конференции также являются важным способом обучения работе со службами данных. Примеры, посвященные службам данных, включают саммит по доступу к исследовательским данным и их сохранению (RDAP), конференцию Международной ассоциации информационных служб и технологий в области социальных наук (IASSIST) и качественные и количественные методы в библиотеках (QQML).

    Несмотря на то, что рамки компетенций и инициативы по обучению службам данных становятся все более популярными по мере развития служб данных, литература не включает самооценку текущих навыков работы с данными, на основе которой можно сопоставить успех или неудачу текущих и будущих возможностей обучения.

    Цели

    В этом документе оценивается текущий уровень самопровозглашенных навыков работы с данными академических библиотекарей. Принимая во внимание текущий уровень навыков академических библиотекарей, в этой статье исследуется предпочтительный метод профессионального образования для поддержки академических библиотекарей, предоставляющих услуги по работе с данными.

    Результаты этого исследования будут интересны академическим библиотекарям, предоставляющим услуги по работе с данными, администраторам академических библиотек, учреждениям, расширяющим свои возможности по обслуживанию данных, и аспирантам, рассматривающим библиотечное дело как потенциальную карьеру.

    Методы

    В данном исследовании библиотечные службы данных определяются как библиотечные услуги по управлению данными исследователей, независимо от того, носят ли они информационный или технический характер37. Исследование направлено, но не ограничивается академическими библиотекарями, предоставляющими услуги данных. Это исследование было открыто для респондентов со всего мира, но респонденты были из одного из четырех географических регионов: Канады, США, Великобритании и Австралии.

    Сбор и анализ данных

    Опрос из 22 вопросов был разработан и администрировался в LibWizard, модуле опроса программного обеспечения LibApps. Опрос, включая полный список опрошенных навыков, доступен в приложении A. Вопросы опроса были разработаны в консультации с библиотекарями по управлению исследовательскими данными и обзоре литературы для определения ключевых компетенций, которые более подробно обсуждаются ниже. В качестве инструмента сбора данных был выбран опрос, так как исследователь хотел охватить как можно больше респондентов, используя стандартизированные вопросы. Опрос задуман как перепись путем опроса большого числа академических библиотекарей из Канады, США и других стран.

    Опрос состоит из вопросов по шкале Лайкерта, вопросов с несколькими вариантами ответов и вопросов с кратким ответом в трех разделах. В первом разделе опроса была собрана демографическая информация. Для сбора информации использовались вопросы с несколькими вариантами ответов и краткими ответами, например, в какой библиотеке работают респонденты, их местонахождение, текущая должность и какой процент времени тратится на работу, связанную с данными. Во втором разделе вопросы по шкале Лайкерта использовались для измерения самооценки респондентом определенных компетенций в области услуг данных. Была проведена консультация со статьей Лизы Федерер38, чтобы разработать часть компетенций и разработать четыре категории высшего уровня: общие службы данных, языки программирования и программное обеспечение, обучение библиотеке и социальные навыки. В каждой из четырех категорий верхнего уровня связаны навыки, такие как интеллектуальный анализ данных и обработка данных в общей категории услуг по работе с данными, а также устное общение, управление и лидерство в рамках межличностных навыков.

    В третьем и последнем разделе вопросы по шкале Лайкерта также использовались для измерения того, насколько важными для респондентов были различные инициативы в области профессионального развития. Примеры включают самостоятельное обучение, наставничество, семинары, вебинары и конференции. Вопросы с короткими ответами использовались для сбора дополнительной информации о самооценке респондентом своих навыков работы с данными и инициативах по профессиональному развитию.

    Исследование было одобрено Советом по этике исследований Университета Манитобы. После завершения опроса респондентам было предложено принять участие в розыгрыше подарочного сертификата Amazon на 50 долларов (CDN), указав свой адрес электронной почты.

    Автор определил потенциальные возможности для приглашений на участие в опросе и решил, что серверы рассылок охватят большинство потенциальных респондентов. Опрос был распространен на серверах рассылок, определенных автором как ключевые в предметной области (DataLibs, CANLIB-Data, Code4Lib, CdnLIS-L, [email protected], ScholComm [ALA], список Research Metrics [ALA], dss-rdm_dg , MEDLIB-L, CANMEDLIB) и социальных сетях (Twitter, LinkedIn) в течение двух месяцев, начиная с 20 февраля 2020 года. Данные опроса были проанализированы с помощью регрессионного анализа в R. Модель была запущена для каждой из четырех категорий набора навыков. , со следующими переменными: географические регионы (Канада, США, Великобритания и Австралия), процент времени, затраченного на предоставление услуг данных, время, проведенное в их текущей роли, и время, проведенное в поле LIS.

    Результаты

    Демография респондентов

    Всего в опросе приняли участие 120 респондентов. Не все респонденты заполнили все вопросы анкеты. Поскольку опрос был распространен по спискам рассылки и в социальных сетях, процент ответов неизвестен.

    В среднем респонденты (n = 120) сообщили, что имеют пятилетний опыт работы в текущей должности. Средний стаж респондентов (n = 120) в области информационных исследований составляет 12 лет. Респонденты (n = 106) проживают в одном из четырех географических регионов: 47,5% респондентов из США, 33,3% из Канады, 5 процентов из Соединенного Королевства и 2,5 процента из Австралии. У четырнадцати (11,7%) респондентов страна происхождения неизвестна.

    Из 120 респондентов 85% работают в академической библиотеке, 7% работают в больничной библиотеке, 3% работают в государственной библиотеке, остальные 5% респондентов работают в научно-исследовательских организациях, технологических компаниях и специализированных библиотеках. .

    Рисунок 1

    Тип библиотеки, в которой работают респонденты опроса

    Респонденты опроса могут называться по-разному. Пример названий должностей респондентов включает в себя: библиотекарь по обслуживанию данных, библиотекарь по исследованиям/образованию, библиотекарь по исследовательским услугам, разработчик программного обеспечения и библиотекарь, библиотекарь по научным коммуникациям, библиотекарь по хранению данных, библиотекарь по медицинским наукам, инженерный библиотекарь, консультант по репозиторию исследований, веб-библиотекарь, среди многие другие.

    Что касается количества времени, которое академический библиотекарь тратит на предоставление библиотечных услуг по работе с данными (n = 117), 52% тратят от 0 до 24% своего времени на предоставление услуг по работе с данными, 9% тратят от 25 до 49 %, 18 % тратят от 50 до 74 %, а 21 % тратят от 75 до 100 %.

    Наборы навыков

    В ходе опроса респонденты ранжировали 25 наборов навыков, организованных в четыре категории высшего уровня: общие службы данных, языки программирования и программное обеспечение, обучение библиотеке и навыки работы с людьми. Каждый набор навыков имеет соответствующую шкалу Лайкерта, которая варьируется от: отсутствие уровня компетентности (0), низкий уровень компетентности (1), средний уровень компетентности (2), умеренно высокий уровень уверенности (3) и высокий уровень уверенности. (4) (кодируется от 0 до 4 для анализа данных). Респонденты также могли ответить «неприменимо (н/д)» для любого набора навыков.

    Многие из более сильных наборов навыков пришли из категорий социальных навыков и инструкций по библиотеке, в то время как многие из более слабых наборов навыков пришли из общих служб данных, языков программирования и категорий программного обеспечения. Полный список средних баллов для отдельных наборов навыков доступен в приложении B.

    Таблица 1

    Средний балл сильнейших наборов навыков (n = 120)

    Набор навыков

    Категория

    Средний балл (n = 120)

    Письменное сообщение

    Мягкие навыки

    3,53

    Сеанс один на один

    Инструкция библиотеки

    3,43

    Хорошо работать с другими

    Мягкие навыки

    3,4

    Межличностное обслуживание клиентов

    Мягкие навыки

    3,37

    Учебные занятия в библиотеке

    Инструкция библиотеки

    3,31

    Устное сообщение

    Мягкие навыки

    3,29

    Учебные занятия в классе

    Инструкция библиотеки

    3,24

    Управление проектами

    Мягкие навыки

    2,78

    Как упоминалось выше, Tenopir et al. разделить информационные услуги на две группы: технические и информационно-консультационные услуги.39 На протяжении 2010-х годов большее количество академических библиотек предлагало информационно-консультационные услуги по сравнению с техническими40. Библиотекари могут обладать более высокими навыками в области информационных и консультационных услуг, поскольку эти услуги предлагаются чаще. академическими библиотеками, и эти услуги больше связаны с традиционными библиотечными услугами, такими как обучение в библиотеке. Категория обучения библиотеке этого опроса уступает только категории социальных навыков с точки зрения среднего балла самооценки (см. Приложение B).

    Таблица 2

    Средний балл самых слабых наборов навыков (n = 120)

    Набор навыков

    Категория

    Средний балл (n = 120)

    Языки программирования (JavaScript, R, Python, C++ и т. д.)

    Языки программирования и программное обеспечение

    0,76

    Программное обеспечение ГИС (например, ArcGIS)

    Языки программирования и программное обеспечение

    0,77

    Интеллектуальный анализ данных

    Общие навыки обслуживания данных

    0,94

    Статистическое программное обеспечение (например, SAS, SPSS, RStudio)

    Языки программирования и программное обеспечение

    1,02

    Текстовые редакторы (например, Jupyter)

    Языки программирования и программное обеспечение

    1,05

    Программное обеспечение для анализа данных (например, OpenRefine)

    Языки программирования и программное обеспечение

    1,15

    Веб-разработка и обслуживание

    Языки программирования и программное обеспечение

    1,58

    Язык разметки (например, HTML, XML)

    Языки программирования и программное обеспечение

    1,78

    Процент времени коррелирует с навыками обслуживания технических данных

    Таблица 3

    Средний балл по четырем основным категориям набора навыков по времени, затраченному на предоставление библиотечных данных

    Время, затраченное на предоставление услуг библиотечных данных (в процентах)

    n (всего n = 117)

    Общие навыки обслуживания данных

    Языки программирования и программное обеспечение

    Инструкция по библиотеке

    Мягкие навыки

    0–24

    61

    0,89

    0,60

    2,06

    2,44

    25–49

    11

    1,94

    1,63

    2. 11

    2,5

    50–74

    21

    1,88

    1,08

    2,89

    3,17

    75–100

    24

    2,22

    1,5

    2,72

    3,44

    Когда респонденты (n = 117) разделены на четыре группы в зависимости от того, сколько времени они тратят на предоставление библиотечных услуг, опять же во всех группах отмечаются более сильные навыки в библиотечном обучении и межличностных навыках по сравнению с техническими категориями общих услуг данных навыки и языки программирования и программное обеспечение. Тем не менее, наблюдается значительное увеличение самооценки общих навыков работы с данными в группе, которая тратит больше всего времени на предоставление услуг данных (75–100 процентов времени, затрачиваемого на предоставление библиотечных услуг данных), по сравнению с тремя другими группами.

    Таблица 4

    P-значения для процента времени, затраченного на предоставление услуг данных, и самооценка четырех категорий набора навыков

    Категория набора навыков

    P-значение

    Оценка

    Общие службы данных

    0,0000551

    0,05617

    Языки программирования и программное обеспечение

    0,00000532

    0,08182

    Инструкция библиотеки

    0,2578

    –0,01598

    Мягкие навыки

    0,8439

    –0,002174

    В ходе анализа данных было обнаружено, что переменная процента времени, затрачиваемого на предоставление услуг данных, является статистически значимой в регрессионных моделях для двух наборов технических навыков: 1) общие услуги данных и 2) языки программирования и категории программного обеспечения. Чем больше времени библиотекарь тратит на предоставление услуг по работе с данными, тем выше, вероятно, будет его самооценка по двум категориям набора технических навыков.

    Таблица 5

    Средний балл по четырем основным категориям набора навыков в разбивке по географическим регионам

    Географический регион

    n (Всего n = 106)

    Общие навыки обслуживания данных

    Языки программирования и программное обеспечение

    Инструкция библиотеки

    Мягкие навыки

    Канада

    40

    1,73

    1,14

    2,82

    3,02

    США

    57

    1,81

    1,25

    2,88

    3,18

    Соединенное Королевство

    6

    1,79

    0,29

    2,58

    3,36

    Австралия

    3

    2,67

    1,21

    3,39

    3,83

    Географические регионы

    Когда респонденты разделены на четыре географических региона (n = 106), снова наблюдается более высокий уровень навыков в библиотечном обучении и социальных навыках по сравнению с общими службами данных, языками программирования и программным обеспечением.

    Рейтинг канадских библиотекарей такой же, как в США; однако Соединенные Штаты имеют более высокий средний рейтинг между двумя странами (в среднем 5,42% по сравнению с четырьмя категориями).

    Что касается конкретных наборов навыков, то США имеют значительно более высокие баллы по программному обеспечению для анализа данных (1,36) и визуализации данных (2,04) по сравнению с Канадой (0,83 и 1,59 соответственно). Академические библиотекари из США имеют значительно более высокие (> 5% выше общего балла) наборы навыков в области интеллектуального анализа данных (1,02), языков программирования (0,93), текстовых редакторов (1,19) и управления проектами (2,79) по сравнению с Канадой. (интеллектуальный анализ данных (0,79), языки программирования (0,68), текстовые редакторы (0,88) и управление проектами (2,55)9.0005

    По двум другим географическим регионам, Соединенному Королевству и Австралии, трудно сделать какие-либо выводы из-за небольшого размера выборки. После регрессионного анализа данных не было обнаружено статистической значимости между принадлежностью к любому из четырех географических регионов и уровнями навыков в любой из категорий.

    Начинающие библиотекари и опытные библиотекари

    При сравнении начинающих академических библиотекарей (≤ 5 лет) и трех других групп опытных академических библиотекарей (старше 5 лет) библиотекари, начинающие карьеру, имеют самый низкий средний балл по библиотечному обучению и социальные навыки, а также второй самый низкий средний балл по общим службам данных, языкам программирования и программному обеспечению.

    Таблица 6

    Средний балл по четырем основным категориям набора навыков в зависимости от многолетнего опыта

    Многолетний опыт работы в библиотечной сфере

    n (Всего n = 120)

    Общие навыки обслуживания данных

    Языки программирования и программное обеспечение

    Инструкция библиотеки

    Мягкие навыки

    0–5

    37

    1,71

    1,15

    2,52

    2,91

    6–10

    26

    2,25

    1,42

    3,16

    3,39

    11–19

    28

    1,74

    3,48

    3,5

    3,64

    20–35

    29

    1,58

    1,06

    2,77

    3,3

    Сравнение конкретных наборов навыков показало, что опытные академические библиотекари имеют более высокие средние показатели по каждому набору навыков, кроме обработки данных, языков программирования, статистического программного обеспечения, программного обеспечения ГИС, программного обеспечения для анализа данных и текстовых редакторов, где библиотекари, начинающие карьеру, имеют более высокие средние баллы . Библиотекари в начале карьеры с более высокими баллами по определенным наборам технических навыков могут быть отнесены к людям, занимающимся другими дисциплинами, нанятыми на должности академических библиотекарей из-за спроса на наборы технических навыков в новых областях. Анализ участников с учеными степенями (такими как MA, MS, PhD) без MLIS показывает, что у начинающих академических библиотечных работников процент гораздо выше. Шесть из 37 (16,22%) начинающих академических библиотечных работников, принявших участие в опросе, имеют ученые степени без MLIS, по сравнению с семью из 83 (8,43%) опытных библиотекарей. Это указывает на то, что в академических библиотеках работают люди из других дисциплин, возможно, из-за новых требований к навыкам.

    Анализ данных не выявил статистической значимости между количеством лет, проведенных в области ЛИС, и уровнем квалификации в любой категории.

    Таблица 7

    Средний балл важности инициатив профессионального развития (N = 120) (0 = не важно; 4 = очень важно)

    Инициатива профессионального развития

    Средний балл

    Обучение на практике (методом проб и ошибок)

    3,38

    Самостоятельное обучение

    3,33

    Семинар или учебный лагерь

    3,19

    Сообщества практики

    3,04

    Наставничество с коллегами (сотрудниками библиотеки)

    3,02

    Онлайн-курсы

    2,98

    Посещение конференций

    2,83

    Наставничество с исследователем или другим преподавателем (не библиотечный персонал)

    2,69

    Вебинар

    2,60

    Курсы в аспирантуре ЛИС

    2,56

    Теневая работа

    2. 11

    Стипендия (например, стипендия в начале или в середине карьеры)

    2.1

    Таблица 8

    Средняя оценка важности инициатив профессионального развития по времени, затраченному на предоставление библиотечных услуг

    Время, затраченное на предоставление услуг библиотечных данных (в процентах)

    n (Всего n = 117)

    Самый важный (средний балл в скобках)

    Наименее важные (средний балл в скобках)

    0–24

    61

    Наставничество с коллегами (сотрудниками библиотеки) (3.33)

    Стипендия (например, стипендия в начале или в середине карьеры) (2)

    Наставничество с исследователем или другим преподавателем (не библиотечный персонал) (3. 33)

    Курсы в аспирантуре ЛИС (2)

    Семинар или учебный лагерь (3.33)

    25–49

    11

    Самостоятельное обучение (4)

    Стипендия (например, стипендия в начале или в середине карьеры) (2)

    Обучение на практике (методом проб и ошибок) (4)

    Теневое копирование заданий (2)

    Курсы в аспирантуре ЛИС (2)

    50–74

    21

    Посещение конференций (3.67)

    Стипендия (например, стипендия в начале или в середине карьеры) (1.67)

    Онлайн-курсы (3.67)

    Теневое копирование заданий (1.67)

    Семинар или учебный лагерь (3.67)

    75–100

    24

    Семинар или учебный лагерь (3. 67)

    Вебинар (2.33)

    Обучение на практике (методом проб и ошибок) (3,67)

    Сообщества практики (3.67)

    Инициативы профессионального развития

    Респонденты ранжировали 12 инициатив по профессиональному развитию в зависимости от того, насколько они важны для обучения службам данных. Каждая инициатива имела соответствующий вопрос по шкале Лайкерта в диапазоне от: неважно, мало важно, средне важно, умеренно важно и очень важно (кодируется от 0 до 4 при анализе данных). Респонденты также могли ответить «неприменимо (н/д)» для любой инициативы.

    Две инициативы профессионального развития с наивысшим рейтингом являются независимыми: «обучение на практике (методом проб и ошибок)» и «самостоятельное обучение». Несмотря на то, что обе эти независимые инициативы в области обучения не требуют значительных затрат, они требуют значительных временных затрат и нуждаются в поддержке со стороны руководителей. И то, и другое отмечается респондентами как препятствие для их профессионального развития. Хотя исследователи предполагают, что одним из возможных решений для преодоления разрыва в навыках обслуживания данных является посещение курсов в аспирантуре LIS, оно занимает 10-е место из 12 инициатив по важности для респондентов. 41 Одна из возможных причин относительной незначительности связана с тем, что респондент не посещал курсы, связанные с услугами данных, во время учебы респондента в аспирантуре или не имел возможности из-за того, что эти курсы не предлагались до недавнего времени.

    Таблица 9

    Препятствия для инициатив профессионального развития (респонденты могли выбрать несколько ответов)

    Препятствие

    ответа (n = 118)

    Нехватка времени

    91

    Высокая стоимость

    76

    Отсутствие поддержки со стороны администрации библиотеки

    42

    Отсутствие поддержки со стороны руководителя

    28

    Мало или нет возможности

    24

    Мало или совсем нет желания

    7

    Рисунок 2

    Препятствия для инициатив профессионального развития (n=118, респонденты могли выбрать несколько ответов)

    Респонденты указывали на препятствия для своего профессионального развития, включая нехватку времени, высокую стоимость и отсутствие поддержки со стороны администрации библиотеки и их руководителя.

    Качественные комментарии о профессиональном развитии

    Респонденты также подробно рассказали о препятствиях на пути их профессионального развития с помощью текстовых ответов. Ответы включают такие проблемы, как отсутствие поддержки со стороны их учреждения и администрации библиотеки, отсутствие направления и отсутствие определенных ролей.

    Отсутствие поддержки со стороны администрации учреждения и библиотеки

    Библиотекари могут столкнуться с отсутствием поддержки инициатив в области данных и обучения со стороны администрации библиотеки или учреждения. Участники определяют необходимость подтверждения и поддержки со стороны администрации для достижения успеха в этой недавно появившейся области:

    «Институциональное безразличие до тех пор, пока политика открытых данных не будет связана с какой-либо более крупной стратегической инициативой, такой как Research Excellence Framework [доступно на https://www.ref .ac.uk/]. Затем возникает всплеск активности, чтобы «доказать» хорошую практику».

    «Моей администрации библиотеки настолько не хватает видения, что я не могу реализовать большую часть того, чему я уделяю время, чтобы научиться. Мой нынешний руководитель был бы счастлив, если бы я сделал то, что сделал 20 лет назад (чего, конечно же, не хотят мои отделы по связям)».

    «Чего мне все еще не хватает, так это взять на себя инициативу возглавить работу в моем учреждении. Я сильно полагаюсь на руководство в своих библиотеках, которое, как правило, обращает свое внимание на поддержку служб данных только тогда, когда эта тема привлекает их внимание в других каналах, за которыми обычно следят деканы библиотек и т. д. ».

    Отсутствие направления

    Основным препятствием для библиотечных услуг по работе с данными является отсутствие определенного направления для библиотекарей. Службы данных — это новая область академического библиотечного дела, и поэтому у нее еще не было времени, чтобы превратиться в полностью определенные стандартизированные библиотечные услуги во всех академических библиотеках. Участники отмечают трудности не только в предоставлении услуг передачи данных, но и в том, как эффективно повышать квалификацию:

    0009 начните , чтобы применить новые навыки, которые я развиваю. Путь от новичка до эксперта — это, по сути, большая карта с надписью «Здесь будут драконы» и без деталей».

    «Что касается служб данных, так много библиотекарей и специалистов в области информации участвуют в разрозненных, но связанных «информационных вещах», что типичный библиотекарь не видит «компас», чтобы указать направление».

    Отсутствие определенных ролей

    Одной из тем в литературе и среди ответов участников является отсутствие определенных ролей для предоставления услуг данных. Здесь снова, поскольку услуги передачи данных все еще появляются, участники отмечают, насколько сложно понять, какие услуги предоставлять и какие навыки обучать:

    «Проблема в том, что библиотекари данных не все делают одно и то же, поэтому не существует одного ключевого набора навыков».

    Некоторые службы данных могут предлагаться небиблиотечными отделами по всему кампусу из-за разнообразия доступных услуг и отсутствия определенной роли для библиотекарей данных. Существуют дополнительные проблемы, когда услуги по работе с данными предоставляются не библиотекарями. Это может включать потерю контроля или автономии, различные места для получения услуг (например, Управление исследовательских служб или центры суперкомпьютеров) и проблемы в создании партнерских отношений и сотрудничества. Как отмечает один из участников:

    «Трудно сказать наверняка, какая задача у нас (библиотекарей) по сравнению с Data Scientist и даже Data [steward]… Чему учиться нам (что библиотекарям) и что передавать другим…?»

    В целом ответы показывают, что академическим библиотекарям, предоставляющим услуги по работе с данными, необходимы поддержка, четкое направление и определенные роли. Из данных опроса ясно, что практикующие специалисты полагаются на финансово осуществимые, но требующие много времени варианты, такие как самостоятельное обучение, но им также должны быть предоставлены альтернативные возможности, такие как семинары, конференции и наставничество с библиотечным персоналом.

    Обсуждение

    Специализированные библиотекари данных

    Отрадно видеть, что академические библиотекари, которые постоянно предоставляют услуги по работе с данными, обладают более высокими навыками работы с данными. Это соответствует утверждению Tenopir et al. что «можно ожидать, что рост текущей производительности [служб исследовательских данных (RDS)] библиотекарями будет следовать за ростом текущей доступности RDS библиотеками». услуги становятся более квалифицированными и искусными.

    Почему специализированные библиотеки данных имеют опыт в предоставлении услуг по техническим данным? Сразу выскакивают две причины. Во-первых, если в академической библиотеке есть вакансия на должность, на которой успешный кандидат будет тратить от 75 до 100 процентов своего времени на предоставление услуг по работе с данными, скорее всего, успешный кандидат будет иметь предыдущий опыт работы с техническими услугами по работе с данными. Одним из примеров может быть найм разработчиков, другого ИТ-персонала или иных людей из других дисциплин, кроме библиотечного дела, которые уже обладают значительными техническими навыками. Данные опроса имеют такую ​​тенденцию для вновь нанятых библиотекарей, как указано в разделе результатов выше. Данные опроса показывают, что 16,22 процента респондентов в начале карьеры имеют ученую степень без MLIS. Однако это предполагает, что в последнее время был нанят более высокий процент библиотекарей данных, что более вероятно, поскольку услуги по работе с данными являются новой областью академического библиотечного дела. Другим примером может быть библиотекарь данных, который проводил время, большую часть своего времени или нет, ранее предоставляя услуги данных. Библиотекари с предыдущими службами данных, скорее всего, будут успешными кандидатами на вакансии библиотекаря данных.

    Во-вторых, специализированные библиотекари данных из-за своей специализированной роли, скорее всего, будут иметь больше возможностей (например, финансовых, времени) для обучения, чтобы восполнить определенные пробелы в навыках. Кроме того, библиотекари данных могут быть лучше знакомы со службами технических данных и доверять им из-за большего количества времени, затрачиваемого на предоставление услуг, включая время, посвященное работе с инструментами данных, распространенными в службах технических данных. Также может быть ожидание, что вы улучшите свои навыки работы с данными на специальной должности библиотекаря данных.

    Чем больше библиотекарь практикует работу с данными, тем более опытным и уверенным он будет. Это показывает ценность для академических библиотек в найме специализированных библиотекарей данных, когда эти библиотеки в настоящее время предлагают или планируют предлагать услуги по работе с данными. Это должности, на которых библиотекари данных выполняют услуги по работе с данными от 75 до 100 процентов своего рабочего времени. Выделенные библиотекари данных не только предоставляют информационную и консультационную поддержку, связанную с данными; они также активно развивают и продвигают инициативы по обслуживанию данных в своих библиотечных системах, состоящих из служб, поддерживающих все этапы жизненного цикла данных, от создания до обнаружения, сохранения и уничтожения.

    Наличие специального библиотекаря данных дает множество преимуществ. Специализированные библиотекари данных обладают более высокими техническими навыками, будь то благодаря разнообразному техническому опыту или прохождению дополнительного обучения. Академические библиотеки увеличат свои возможности для предоставления более высокого уровня услуг данных своим пользователям. У специализированных библиотек данных есть время, чтобы сосредоточиться исключительно на услугах данных, предоставить пользователям текущие услуги, а также для планирования и координации новых предложений услуг. Это важно, поскольку, как Tenopir et al. Установлено, что академические библиотеки стремятся увеличить объем своих услуг по работе с данными, выйдя за рамки информационных и консультационных услуг по работе с данными.43 Специализированные библиотекари данных могут расширять текущие услуги для разработки расширенных услуг в будущем, в зависимости от потребностей и спроса пользователей, библиотечных и институциональных приоритетов, финансовых соображений, среди прочих соображений.

    Академические библиотеки могут предоставлять услуги по обработке данных, включая технические услуги. Поскольку специализированные библиотекари данных обладают более высоким набором навыков обслуживания данных, академическим библиотекам рекомендуется создавать и сохранять эти должности. Выделенные библиотекари данных могут сосредоточиться на разработке инициатив и программ по обслуживанию данных, и у них больше возможностей для этого по сравнению с библиотекарями, у которых есть другие обязанности и которые поддерживают другие роли.

    Инициативы по обучению службам данных

    В целом академические библиотекари имеют средний или средний балл самооценки по наборам навыков в области технических услуг данных, а также средний или высокий балл по библиотечному обучению и межличностным навыкам. Хотя наем специализированных библиотекарей данных может помочь, очевидно, что академическим библиотекарям нужны возможности для обучения работе с данными, особенно набору технических навыков, чтобы заполнить пробелы в навыках. Ответы на вопрос о том, чувствовали ли респонденты свои знания до того, как они приступили к своей текущей роли, приводили к таким ответам, как «Я никогда не чувствую себя в полной мере владеющими навыками, всегда есть чему учиться, и никогда не знаешь, что тебя ждет» и даже больше. прямо: «Я не чувствую себя компетентным в библиотечном деле».

    Нельзя недооценивать важность профессионального развития. Несмотря на высокие средние баллы по традиционным академическим библиотечным навыкам, таким как библиотечные инструкции (2,86) и социальные навыки (3,18), технические навыки в общих службах данных (1,83), а также языки программирования и программное обеспечение (1,18) являются низкими. Поскольку технические навыки невелики, библиотекари нуждаются в обучении, чтобы восполнить этот пробел в навыках. Следует отметить, что в зависимости от конкретных предлагаемых информационных услуг библиотекарям эти навыки могут не понадобиться. Отдельные лица, администрация библиотек и их учреждения должны будут решить, каким навыкам следует обучить их библиотечных сотрудников, исходя из текущих и будущих информационных услуг, предлагаемых их академической библиотекой.

    Навыки работы с данными в целом схожи в разных географических регионах, включая Канаду, США, Великобританию и Австралию. Это указывает на то, что там, где есть потребность в дополнительной подготовке, аналогичные инициативы могут быть реализованы в этих регионах. Основываясь на данных опроса, следует уделять особое внимание независимому обучению, такому как самостоятельное обучение, за которым следуют семинары и учебные курсы, практические сообщества и наставничество со стороны других сотрудников библиотеки. Одной из проблем с семинарами и буткемпами является короткий промежуток времени, отведенный на изучение сложных тем. В идеале семинары и буткемпы должны сочетаться с дополнительным обучением. Например, Браун, Вольски и Ричардсон описывают успешный многоаспектный подход с обучением нового библиотекаря данных с использованием формального обучения навыкам (базовое чтение и восьминедельный онлайн-курс), наличием наставника и тренера, а также поддерживающей сетью экспертов для использовать при необходимости.44

    Несмотря на то, что в литературе делается упор на расширение обучения службам данных в учебных планах аспирантов LIS, во время анализа данных не было обнаружено статистической значимости между многолетним опытом и навыками работы с данными. Демографические группы, которые, скорее всего, посещали курсы аспирантуры, связанные с данными, библиотекари в начале карьеры, имели более низкие средние баллы по каждому набору навыков, за исключением нескольких конкретных технических навыков: обработка данных, языки программирования, программное обеспечение для статистики/ГИС/анализа данных и текстовые редакторы. . Это может указывать на отсутствие опыта, поскольку они все еще находятся в начале своей карьеры, или не получают достаточного или достаточного обучения и / или соответствующего обучения на протяжении всей своей программы для выпускников. Респонденты также мало признавали ценность прохождения курсов, связанных с данными, в аспирантуре. Это свидетельствует об относительной незначительности этих курсов респондентами.

    Это не означает, что программы для выпускников должны отказаться от всех текущих и будущих курсов, связанных с данными. Тем не менее, программы для выпускников, готовящие будущих специалистов в области информации, должны оценить свои предложения курсов, связанных с данными. Это может означать предложение большего количества курсов, связанных с данными, или перенос содержания курсов на другие типы библиотечных служб данных. Также следует учитывать различные форматы обучения. Например, если программа LIS уже предлагает курсы, связанные с данными, они могут предложить стажировку у библиотекарей данных. Это может обеспечить другой способ обучения по сравнению с курсами за кредит, и студенты могут обнаружить, что они также получают один из самых популярных видов обучения: наставничество со стороны других сотрудников библиотеки.

    Академические библиотеки должны обеспечить своих сотрудников специальными навыками, необходимыми им для предоставления услуг данных на постоянном уровне. Для одних академических библиотек это будут информационно-консультационные услуги или технические, а для других – смесь того и другого. Должны быть предусмотрены инициативы по обучению, которые дают персоналу навыки, необходимые для уверенного предоставления услуг данных.

    Range of Data Services

    Понятно, что не все библиотекари данных делают одно и то же. Расширение на одну цитату сверху:

    «Проблема заключается в том, что библиотекари данных не все делают одно и то же, и поэтому не существует одного ключевого набора навыков. Я всегда считал, что библиотекари данных относятся к трем различным категориям: (1) библиотекари по сбору данных, которые сосредоточены на приобретении, приеме и поддержке доступа к коллекциям данных; (2) Библиотекари аналитических данных — единороги, обладающие навыками программирования и анализа, которые часто приобретаются на других работах. Похоже, что они сосредоточены на обучении и тренировке основных навыков для удовлетворения краткосрочных потребностей исследователей; и (3) библиотекари-кураторы, которые сосредоточены на конечных продуктах, таких как выходные данные исследований, обмен, сохранение и т. д. Я не думаю, что один человек может эффективно выполнять все три задачи на высоком уровне».

    Нужно только просмотреть названия должностей респондентов, чтобы увидеть широкий спектр различных ролей службы данных: библиотекарь данных, библиотекарь исследовательских услуг, разработчик программного обеспечения и библиотекарь, библиотекарь по хранению данных, аналитик по управлению исследовательскими данными, STEM и библиотекарь по работе с исследовательскими данными. , и так далее. Это также видно по разным оценкам различных наборов навыков для библиотекарей данных. Данные опроса показывают, что библиотекари работают в разных областях и предоставляют разные уровни услуг данных. Федерер точно отмечает, что библиотекари данных предоставляют множество разнообразных услуг, включая управление данными, курирование, сохранение, визуализацию и многое другое. «Библиотечное дело [данные], — пишет Федерер, — может быть не единственной ролью, а скорее той, которая позволяет профессионалам сосредоточиться на областях, связанных с их собственными интересами или потребностями их пользователей».0005

    Библиотекари данных должны сосредоточить свое обучение на тех услугах данных, которые академическая библиотека предоставляет в настоящее время и будет предоставлять в будущем, чтобы увеличить и разнообразить свои навыки в этих областях. В то время как одному библиотекарю, который поддерживает сохранение данных преподавателей и исследователей, может потребоваться обучение использованию программного обеспечения для сохранения, другому библиотекарю может потребоваться обучение консультационным службам данных, таким как проведение информационных сеансов библиотеки с использованием институциональных хранилищ и хранилищ данных.

    Академические библиотекари, ищущие должности, предоставляющие услуги по работе с данными, должны помнить о том, какие навыки требуются для конкретной должности библиотекаря данных. Кроме того, имейте в виду, что академические библиотеки могут нанимать сотрудников не по профессии. Основываясь на данных опроса и изложенных выше, процент начинающих библиотекарей без MLIS выше по сравнению с библиотекарями с шестилетним и более стажем работы. Хотя это можно объяснить получением MLIS во время работы академическим библиотекарем, остается, что академические библиотеки заполняют по крайней мере некоторые должности, связанные с данными, вне профессии. Почему это так? Академические библиотекари могут не иметь необходимых навыков для такой должности. Академические библиотекари должны помнить об этом, когда смотрят на свои долгосрочные карьерные цели и на то, какое обучение они проходят в отношении наборов навыков, связанных с данными.

    Заключение

    Библиотечное дело – это развивающаяся область академического библиотечного дела, которая включает в себя широкий спектр услуг и различные уровни знаний практикующих специалистов. Это исследование определило сильные и слабые стороны академических библиотек, предоставляющих услуги данных. Кроме того, исследование продемонстрировало важность различных возможностей обучения для академических библиотекарей.

    Статистически значимые данные показывают, что академические библиотекари, предоставляющие услуги по работе с данными, имеют более высокие оценки по набору технических навыков. Приведены доказательства преимуществ специализированных библиотекарей данных в академических библиотеках, которые в настоящее время предлагают или планируют предлагать услуги по техническим данным. Автор рекомендует академическим библиотекам нанимать специализированных библиотекарей данных.

    Академическим библиотекарям, предоставляющим услуги по работе с данными, должна быть предоставлена ​​возможность использовать как возможности обучения, так и инициативы по обучению, в зависимости от их конкретной области знаний и того, что им доступно. Поскольку службы данных становятся все более распространенной услугой академических библиотек, необходимо проводить обучение тех академических библиотекарей, которые предоставляют эти услуги. Библиотекари данных разнообразны; не существует универсальной модели роли, которую играют библиотекари данных. То же самое относится и к инициативам по обучению службам данных; Академические библиотекари должны изучить, какие услуги по работе с данными в настоящее время предлагает или планирует предложить их учреждение, и принять участие в обучении, соответствующем их опыту.

    Академические библиотекари продемонстрировали ценность своих информационных услуг для преподавателей, исследователей и студентов. Службы данных становятся важной областью для академических библиотек. Мы должны гарантировать, что наши специалисты по библиотечным службам данных проходят соответствующую подготовку, чтобы восполнить любые пробелы в навыках, чтобы продолжать предоставлять библиотечные услуги высокого уровня нашим пользователям.

    Ограничения

    Ограничения этого исследования включают небольшие размеры выборки двух географических регионов в этом исследовании (Великобритания, Австралия) и небольшое количество обследованных регионов в целом (4). Опрос был самоотборным, поэтому может иметь место систематическая ошибка самоотбора. Кроме того, участникам опроса были представлены только предварительно определенные навыки для измерения их компетентности в службах данных, а также опрос только на английском языке. Потенциальный пул участников опроса был ограничен досягаемостью рассылки приглашений и постами в социальных сетях.

    Будущие исследования

    Будущие исследования могут включать последующий опрос для обновления базового набора навыков академических библиотекарей, предоставляющих услуги данных сейчас или в будущем. Будущие исследователи могли бы также отслеживать оценку набора навыков после того, как сотрудникам библиотеки будут предоставлены возможности для обучения. Будущие исследования также могут расширить охват географических регионов, в том числе с малыми размерами выборки в этом исследовании (Великобритания, Австралия), и увеличить размер выборки для всего обследования. Следует подумать об обновлении измеряемых наборов навыков с учетом будущих услуг данных. Корректировка категорий набора навыков на основе текущего использования услуг библиотечных данных может обеспечить более точные данные.

    Одним из аспектов, не затронутых в данном исследовании, является разработка и предоставление услуг передачи данных. Это исследование посвящено обучению работе с услугами передачи данных, предлагаемыми в настоящее время и предлагаемыми в будущем в библиотеках участников. Тем не менее, такие движущие силы, как уникальные потребности пользователей библиотеки в данных, можно изучить, чтобы оценить, как библиотеки и библиотекари разрабатывают свой набор услуг по работе с данными и как библиотекари реагируют на повышение квалификации для предоставления этих услуг.

    Благодарности

    Я выражаю признательность за щедрую финансовую поддержку, полученную от Канадской ассоциации исследовательских библиотек (CARL) в рамках гранта CARL Research in Librarianship. Я также выражаю признательность за поддержку в анализе данных, щедро предоставленную Разваном Романеску и Депен Цзяном из Центра инноваций в области здравоохранения Джорджа и Фэй Йи (CHI).

    Я в долгу перед ГИС и данными библиотеки Университета Манитобы, а именно библиотекарем Мэг Миллер, которая перевела анализ данных CHI. Спасибо моей коллеге Николь Аскин, предоставившей ценный отзыв о черновике этой статьи. Наконец, спасибо всем моим замечательным коллегам из библиотек Университета Манитобы, которые оказали безоговорочную поддержку и советы, без которых это исследование, возможно, не было бы завершено. Как красноречиво выразился один певец и автор песен, вызвано простой иронией судьбы .

    Финансирование

    Это исследование финансировалось Канадской ассоциацией исследовательских библиотек в рамках их очень щедрой программы грантов на исследования в библиотечном деле.

    ПРИЛОЖЕНИЕ A. Опрос

    Опрос доступен по ссылке: https://libguides.lib.umanitoba.ca/ld.php?content_id=35814630

    ПРИЛОЖЕНИЕ B. Средние баллы по всем категориям

    618899 6

    Интеллектуальный анализ данных

    0,94

    Использование и анализ данных

    1,95

    Курирование и сохранение данных

    1,98

    Визуализация данных и/или информатика

    1,86

    Депонирование данных и/или работа с репозиториями

    2,07

    Политические и консультационные навыки (например, интерпретация предстоящей Политики управления исследовательскими данными трех ведомств для консультаций)

    2. 12

    СРЕДНИЕ НАВЫКИ ДЛЯ ОБЩИХ ДАННЫХ УСЛУГ

    1,83

    Языки программирования (JavaScript, R, Python, C++ и др.)

    0,76

    Языки разметки (HTML XML)

    1,78

    Веб-разработка и обслуживание

    1,58

    Статистическое программное обеспечение (например, SAS, SPSS, RStudio)

    1,02

    Программное обеспечение ГИС (например, ArcGIS)

    0,77

    Программное обеспечение для визуализации данных (например, Tableau)

    1,25

    Программное обеспечение для анализа данных (например, OpenRefine)

    1,15

    Текстовые редакторы (например, Jupyter)

    1,05

    СРЕДСТВО ДЛЯ ЯЗЫКОВ ПРОГРАММИРОВАНИЯ И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

    1,18

    Учебные занятия в библиотеке

    3,31

    Занятия в классе

    3,24

    Индивидуальные занятия

    3,43

    Разработка онлайн-учебников или модулей

    2,62

    Знание теории смешанного и онлайн-обучения

    2,24

    Опыт работы с системами управления обучением

    2,29

    СРЕДСТВО ДЛЯ БИБЛИОТЕЧНОГО ИНСТРУКЦИИ

    2,86

    Устное сообщение

    3,29

    Письменное сообщение

    3,53

    Менеджмент и лидерство

    2,67

    Межличностное обслуживание клиентов

    3,37

    Хорошо работать с другими

    3,40

    Управление проектами

    2,78

    СРЕДНИЙ ПО МЯГКИМ НАВЫКАМ

    3,18

    Примечания

    1. Кэрол Тенопир и др., «Академические библиотекари и исследовательские службы данных: подготовка и отношение», Журнал ИФЛА 39, №. 1 (2013): 70, doi 10.1177/0340035212473089.

    2. Кэрол Тенопир и др., «Службы исследовательских данных в академических библиотеках: где мы находимся сегодня?» Белая книга выбора, №. 5 (2019 г.), https://www.choice360.org/research/research-data-services-in-academic-libraries-where-are-we-today/.

    3. Тони Хей и Джесси Хей, «Электронная наука и ее значение для библиотечного сообщества», стр. 9.0009 Библиотека высоких технологий 24, вып. 4 (2006): 515–28, https://doi.org/10.1108/07378830610715383; Элизабет Лайон, «Открытая наука в веб-масштабе: оптимизация участия и потенциал прогнозирования», Объединенный комитет по информационным системам (JISC) (6 ноября 2009 г.), www.jisc.ac.uk/media/documents/publications/research/2009/ open-science-report-6nov09-final-sentojisc.pdf.

    4. Грэм Прайор и Мартин Доннелли, «Навыки работы с данными: чья роль, чья ответственность, чья карьера?» Международный журнал цифровой курации 4, вып. 2 (15 октября 2009 г.): 158–70, https://doi.org/10.2218/ijdc.v4i2.105.

    5. Марк П. Ньютон, К.К. Миллер и Марианна Стоуэлл Брэке, «Роли библиотекарей в сборе наборов данных для институциональных репозиториев: результаты работы исследовательской исследовательской библиотеки», Collection Management 36, no. 1 (2011): 53–67, https://doi.org/10.1080/01462679.2011.530546; Шейла Коррал, Мэри Энн Кинан и Васим Афзал, «Библиометрия и услуги по управлению исследовательскими данными: новые тенденции в библиотечной поддержке исследований», стр. Тенденции библиотеки 61, вып. 3 (2013): 636–74, https://doi.org/10.1353/lib.2013.0005; Шейла Корролл, «Роли и обязанности: библиотеки, библиотекари и данные», в Управление исследовательскими данными , изд. Грэм Прайор (Лондон, Великобритания: Facet, 2012), 105–33; Лиз Лайон, «Преобразование информатики: реинжиниринг библиотек для десятилетия данных», International Journal of Digital Curation 7, вып. 1 (11 марта 2012 г. ): 126–38, https://doi.org/10.2218/ijdc.v7i1.220; Лиза Федерер, «Управление исследовательскими данными в эпоху больших данных: роли и возможности для библиотекарей», стр. 9.0009 Информационные услуги и использование 36, нет. 1/2 (2016), 35–43, https://doi.org/10.3233/ISU-160797.

    6. Кэрол Тенопир, Бен Берч и Сьюзи Аллард, «Академические библиотеки и службы исследовательских данных: текущие практики и планы на будущее», Ассоциация университетских и исследовательских библиотек (2012): 1–55, www.ala.org /acrl/sites/ala.org.acrl/files/content/publications/whitepapers/Tenopir_Birch_Allard.pdf.

    7. Тенопир и др., «Академические библиотекари и исследовательские службы данных: подготовка и отношение».

    8. Коралл, Кеннан и Афзал, «Библиометрия и услуги по управлению исследовательскими данными»; Эндрю М. Кокс и Стивен Пинфилд, «Управление исследовательскими данными и библиотеки: текущая деятельность и будущие приоритеты», Journal of Librarianship and Information Science 46, no. 4 (декабрь 2014 г.): 299–316, https://doi.org/10.1177/09610006134.

    9. Кэрол Тенопир и др., «Услуги управления исследовательскими данными в научно-исследовательских библиотеках и восприятие библиотекарей», Библиотека и исследования в области информатики 36, вып. 2 (апрель 2014 г.): 84–90, https://doi.org/10.1016/j.lisr.2013.11.003.

    10. Тенопир и др., «Службы исследовательских данных в академических библиотеках: где мы находимся сегодня?»; Эндрю М. Кокс и др., «Развитие управления исследовательскими данными в академических библиотеках: на пути к пониманию зрелости службы исследовательских данных», Журнал Ассоциации информационных наук и технологий 68, вып. 9 (сентябрь 2017 г.): 2182–2200, https://doi.org/10.1002/asi.23781; Александра Купер и др., «Опрос возможностей институциональных исследовательских служб управления данными: краткое изложение», Portage Network, Research Intelligence Expert Group (январь 2020 г.), https://portagenetwork.ca/wp-content/uploads/2020/02/RIEGSurvey_execsummary_2020_02_12_EN . pdf.

    11. Эндрю М. Кокс и др., «Прогресс в службах исследовательских данных», International Journal of Digital Curation 14, no. 1 (2019): 126–35, https://doi.org/10.2218/ijdc.v14i1.595.

    12. Тенопир и др., «Академические библиотекари и исследовательские службы данных: подготовка и отношение»; Тенопир и др., «Услуги по управлению исследовательскими данными в научно-исследовательских библиотеках и восприятие библиотекарей»; Коралл, Кеннан и Афзал, «Библиометрия и услуги по управлению исследовательскими данными»; Бетани Лэтэм, «Управление исследовательскими данными: определение ролей, приоритизация услуг и перечисление проблем», Журнал академического библиотечного дела 43, вып. 3 (май 2017 г.): 263–65, https://doi.org/10.1016/j.acalib.2017.04.004.

    13. Эндрю Кример и др., «Оценка необходимых компетенций для продвижения библиотечного дела по хранению и управлению данными в библиотеках медицинских наук и науки и техники в Новой Англии», Journal of EScience Librarianship 1, no. 1 (2012): 18–26, https://doi.org/10.7191/jeslib.2012.1006; Эндрю М. Кокс и др., «Развитие служб исследовательских данных и преобразование академических библиотек», Журнал документации 75, вып. 6 (2019): 1432–62, https://doi.org/10.1108/JD-12-2018-0211.

    14. Кокс и др., «Развитие исследовательских служб данных и преобразование академических библиотек»; Тенопир и др., «Службы исследовательских данных в академических библиотеках: подготовка и отношение».

    15. Кример и др., «Оценка необходимых компетенций для продвижения библиотечного дела по хранению и управлению данными медицинских наук и библиотекарей по науке и технологиям в Новой Англии».

    16. Лиза Федерер, «Определение библиотечного дела: обзор компетенций, навыков и обучения», Journal of the Medical Library Association 106, no. 3 (2018): 294–303, https://doi.org/10.5195/JMLA.2018.306.

    17. Мэтью Р. Харп и Мэтт Огборн, «Внешнее сотрудничество и внутреннее обучение для поддержки служб исследовательских данных», Journal of eScience Librarianship 8, no. 2 (2019 г.): e1165, https://doi.org/10.7191/jeslib.2019.1165.

    18. Лиза Федерер и др., «Компетенция по обслуживанию данных Ассоциации медицинских библиотек: основа для развития навыков науки о данных и открытой науки», Журнал Ассоциации медицинских библиотек 108, вып. 2 (2020): 304–09, https://doi.org/10.5195/jmla.2020.909.

    19. Джон А. Борги и др., «Support Your Data: A Research Data Management Guide for Researchers», Research Ideas and Outcomes 4 (2018): e26439, https://doi.org/10.3897/rio .4.е26439.

    20. Рамироуз Илен Аттебери, «Профессиональное развитие: качественное исследование высокоэффективных характеристик, влияющих на осмысленное и трансформационное обучение», Журнал академического библиотечного дела 43, вып. 3 (май 2017 г.): 240, https://doi.org/10.1016/j.acalib.2017.02.015.

    21. Лиз Лайон, «Преобразование информатики: реинжиниринг библиотек для десятилетия данных», International Journal of Digital Curation 7, no. 1 (2012): 126–38, https://doi.org/10.2218/ijdc.v7i1.220.

    22. Лиз Лайон, «Библиотекари в лаборатории: на пути к радикальной реорганизации услуг по хранению данных в исследовательском угольном пласте», New Review of Academic Librarianship 22, вып. 4 (октябрь 2016 г.): 391–409, https://doi.org/10.1080/13614533.2016.1159969.

    23. Лиз Лайон и Аарон Бреннер, «Преодоление пробела в данных: позиционирование iSchool как агента изменений», International Journal of Digital Curation 10, no. 1 (2015): 111–22, https://doi.org/10.2218/ijdc.v10i1.349.

    24. Федерер, «Определение библиотечного дела данных».

    25. Федерер, «Определение библиотечного дела данных», 301.

    26. П. Брайан Хейдорн, «Новая роль библиотек в обработке данных и электронной науке», Журнал управления библиотекой 51, вып. 7/8 (октябрь 2011 г.): 662–72, https://doi.org/10.1080/01

    6.2011.601269.

    27. Jinxuan Ma, Lynne Stahl и Erica Knotts, «Новые роли специалистов по медицинской информации в разработке учебных программ по библиотекам и информатике: предварительный обзор», Journal of the Medical Library Association 106, no. 4 (2018 г.), https://doi.org/10.5195/JMLA.2018.354.

    28. «Обучение», Библиотечная академия управления исследовательскими данными, обновлено 31 января 2020 г., https://github.com/RDMLA/rdmla.github.io/blob/master/survey-documents/Training.xlsx.

    29. Майкл Витт и Мелисса Крагин, «Введение в практикум по институциональным репозиториям данных», Libraries Research Publications , статья 83 (2008 г.), http://docs.lib.purdue.edu/lib_research/83.

    30. Джон Саутхолл и Кэтрин Скатт, «Обучение управлению исследовательскими данными в Бодлеанских библиотеках: национальный контекст и местное внедрение для исследователей и библиотекарей», New Review of Academic Librarianship 23, no. 2/3 (3 июля 2017 г.): 303–22, https://doi.org/10.1080/13614533.2017.1318766.

    31. Джейк Карлсон и др., «Разработка программ повышения грамотности данных: работа с преподавателями, аспирантами и студентами», Bulletin 41, no. 6 (август/сентябрь 2015 г.): 14–17, https://deepblue. lib.umich.edu/bitstream/handle/2027.42/113148/bult1720410608.pdf?sequence=1&isAllowed=y.

    32. Джейми Виттенберг, Анна Сакманн и Рик Джаффе, «Экспертиза на практике: обучение управлению данными на основе предметной области для библиотекарей-посредников», Journal of Academic Librarianship 44, вып. 3 (май 2018 г.): 323–29, .

    33. Кевин Б. Рид и др., «Модель для инициирования служб управления исследовательскими данными в академических библиотеках», Журнал Ассоциации медицинских библиотек 107, вып. 3 (2019): 432–41, https://doi.org/10.5195/jmla.2019.545.

    34. Лиза М. Федерер и Цзянь Цинь, «Помимо плана управления данными: расширение роли библиотекарей в науке о данных и открытой науке», Proceedings of the Association for Information Science and Technology 56 (октябрь 2019 г.): 529–31, https://doi.org/10.1002/pra2.82.

    35. «Обучение управлению исследовательскими данными: по требованию», Национальная сеть медицинских библиотек, обновлено в 2021 г. , https://nnlm.gov/rdm-on-demand.

    36. «Библиотечная академия управления исследовательскими данными: изучение и обеспечение обучения библиотекарей управлению исследовательскими данными», Академия библиотекарей по управлению исследовательскими данными, обновлено в 2021 г., https://rdmla.github.io/.

    37. Тенопир, Берч и Аллард, «Академические библиотеки и службы исследовательских данных».

    38. Федерер, «Определение библиотечного дела данных».

    39. Тенопир, Берч и Аллард, «Академические библиотеки и службы исследовательских данных».

    40. Тенопир и др., «Службы исследовательских данных в академических библиотеках: подготовка и отношение».

    41. Хейдорн, «Возникающая роль библиотек в хранении данных и электронной науке»; Лайон, «Преобразование информатики»; Лайон и Бреннер, «Преодоление разрыва в области работы с данными»; Федерер, «Определение библиотечного дела данных».

    42. Тенопир и др., «Услуги управления исследовательскими данными в научно-исследовательских библиотеках и восприятие библиотекарей», 88.

    43. Тенопир и др., «Службы исследовательских данных в академических библиотеках: подготовка и отношение».

    44. Ребекка А. Браун, Малкольм Вольски и Джоанна Ричардсон, «Развитие новых навыков для библиотекарей по поддержке исследований», Австралийский библиотечный журнал 64, вып. 3 (2015): 224–34, https://doi.org/10.1080/00049670.2015.1041215.

    45. Federer, «Defining Data Librarianship», 299.

    * Джастин Фур — библиотекарь по связям в библиотеке Элизабет Дефо в Университете Манитобы; электронная почта: [email protected] © Джастин Фур, 2022 г., Attribution-NonCommercial (https://creativecommons.org/licenses/by-nc/4.0/) CC BY-NC.

    НАБОРЫ ДАННЫХ | ПОЛЬЗОВАТЕЛЬ HUD

    Обзор жилищного финансирования 2001 г.
    Комплексное обследование ипотечных кредитов на собственное и арендованное жилье.

    Оценка 50-го процентиля арендной платы
    Медианная арендная плата, полученная в результате процесса справедливой рыночной арендной платы для использования в Стандартах оплаты успешной ставки.

    Связь данных ACS-HUD

    AHS: Система данных о доступности жилья
    Какое жилье люди могут себе позволить? Сколько стоит жилье?

    Американская жилищная служба
    Комплексные данные о жилищном фонде страны.

    Ежегодные поправочные коэффициенты
    Департамент жилищного строительства и городского развития устанавливает коэффициенты корректировки арендной платы, называемые годовыми коэффициентами корректировки (AAF), на основе данных индекса потребительских цен (ИПЦ), относящихся к изменениям арендной платы за жилье и стоимости коммунальных услуг.

    Ежегодный отчет об оценке бездомных
    Ежегодный отчет об оценке бездомных (AHAR) — это отчет HUD Конгрессу США, в котором приводятся общенациональные оценки бездомных, включая информацию о демографических характеристиках бездомных, схемах использования услуг и возможности размещения бездомных.

    Оценка жилищных потребностей и программ американских индейцев: итоговый отчет

    Пределы доходов CDBG

    Отчеты о компонентах инвентаризации (CINCH)
    Откуда берется жилой фонд? Куда это идет?

    Консолидированное планирование
    Заказное табулирование данных АСУ по жилищной потребности.

    Дискриминация на городских рынках жилья: национальные результаты 1-го, 2-го и 3-го этапов исследования дискриминации в жилищном секторе (HDS)

    Данные по инициативам в области справедливого жилищного строительства
    Данные о посещении объекта и веб-опросе были собраны в рамках исследования Программы инициатив в области справедливого жилищного строительства.

    Рыночная рента
    Арендная плата, используемая в качестве основы для стандартов оплаты в Программе ваучеров на выбор жилья по Разделу 8.

    Файлы данных исследования вариантов семьи

    Данные о молодежи Программы воссоединения семьи

    Осуществимость разработки данных по округу национального участка

    Данные предприятий, спонсируемых государством
    Департамент жилищного строительства и городского развития опубликовал обширную информацию о ипотечных покупках Fannie Mae и Freddie Mac, двух спонсируемых государством предприятий (GSE), за которыми HUD осуществлял надзор до середины 2008 года.
    Обновленные данные доступны по адресу https://www.fhfa.gov/DataTools/Downloads/Pages/Underserved-Areas-Data.aspx.

    Лимиты доходов Фонда помощи домовладельцам (HAF)

    Модель прогнозирования бездомности

    ДОМ Ограничения дохода

    ДОМ Лимит арендной платы

    Ограничения стоимости домовладения и домовладения HTF

    Ограничения доходов HOPWA

    Жилищная дискриминация расовых и этнических меньшинств 2012

    Жилье Дискриминация на рынке арендного жилья в отношении глухих и людей, пользующихся инвалидными колясками: результаты национального исследования
    Данные о посещении объекта и веб-опросе, собранные в рамках первого национального исследования с парным тестированием жилищной дискриминации глухих или слабослышащих и людей, пользующихся инвалидными колясками.

    Лимиты доходов трастового фонда жилищного строительства

    Лимиты арендной платы трастового фонда жилищного строительства

    Образец микроданных для общественного использования с помощью HUD (PUMS)
    Данные на уровне арендаторов для крупнейших программ помощи в аренде HUD.

    Пределы дохода
    Пороговые значения дохода для определения права на жилищную помощь.

    Налоговый кредит на жилье для малоимущих
    Налоговый кредит на жилье для малоимущих (LIHTC) является наиболее важным ресурсом для создания доступного жилья в Соединенных Штатах сегодня. База данных LIHTC, созданная HUD и доступная для общественности с 1997 г., содержит информацию о 40 502 проектах и ​​2,6 млн единиц жилья, введенных в эксплуатацию в период с 1987 по 2013 г.

    Помещения с низким уровнем вакантных площадей – резервные ваучеры на защиту арендаторов

    Список кредиторов готовых домов и субстандартных кредитов* Данные Закона о раскрытии информации об ипотеке
    (HMDA) не включают поле, которое определяет, является ли заявка на получение индивидуального кредита заявкой на субстандартный или промышленный жилищный кредит.

    Обследование промышленного жилья
    Обследование промышленного жилья (MHS) спонсируется Министерством жилищного строительства и городского развития (HUD) и проводится Бюро переписи населения США.

    Поиск по столичному региону
    Определяет столичный статус для отдельно выбранных округов на основе определений областей OMB.

    Мониторинг внутренних влажностных нагрузок в жилых зданиях

    Переход к возможности (MTO)
    MTO — это уникальная исследовательская работа со случайным заданием, спонсируемая Министерством жилищного строительства и городского развития США (HUD).

    Пределы дохода для многоквартирных налоговых субсидий
    HERA установила обязательные пороговые значения дохода для налоговых кредитов на жилье для малоимущих и проектов, финансируемых за счет облигаций.

    Коэффициенты пособий на коммунальные услуги для многоквартирных домов
    Лимиты доходов для многоквартирных проектов налоговых субсидий (MTSP) были разработаны в соответствии с требованиями, установленными Законом о жилищном строительстве и восстановлении экономики от 2008 года (публичный закон 110-289), который позволяет проектам 2007 и 2008 годов увеличиваться с течением времени.

    NCHS — канал передачи данных HUD
    Министерство жилищного строительства и городского развития США в сотрудничестве с Национальным центром статистики здравоохранения (NCHS) с радостью объявляет о выпуске первого связанного продукта данных NCHS-HUD.

    Данные стабилизации соседства
    Программа стабилизации микрорайонов HUD предоставляет экстренную помощь правительствам штатов и местным органам власти в приобретении и перепланировке отчужденной собственности, которая в противном случае могла бы стать источником заброшенности и упадка в их сообществах.

    Предпочтения PHA по вопросам бездомности: данные опроса веб-переписи
    В 2012 году Министерство жилищного строительства и городского развития США (HUD) провело онлайн-опрос среди 3,988 агентств государственного жилья (PHA), которые управляют программой ваучеров на выбор жилья и / или управляют государственным жильем, чтобы понять, в какой степени PHA отдают приоритет бездомным домохозяйствам для этих двух форм жилищной помощи.

    Результаты физического осмотра
    Подробные результаты проверок физического имущества, проведенных Центром оценки недвижимости HUD с 2001 г. по январь 2015 г. Включает недвижимость, которая находится в собственности, застрахована или субсидируется HU, включая государственное жилье и многоквартирное жилье с поддержкой.

    Изображение субсидируемых домохозяйств
    Характеристики почти пяти миллионов единиц вспомогательного жилья и домохозяйств, обобщенные на уровне страны, штата, агентства государственного жилищного строительства (PHA), проекта, переписного района, округа, базового статистического района и города.

    Данные по займам государственного сектора

    Квалифицированные переписные участки и районы трудной застройки
    Географически ориентированные направления развития в программе LIHTC.

    Уровень обращения взыскания в программах Home и ADDI: данные опроса

    Инфляционные факторы финансирования обновления
    Инфляционные коэффициенты финансирования обновления используются при распределении средств ваучеров выбора жилья между агентствами государственного жилья.

    Обследование финансирования арендного жилья
    Целью RHFS является предоставление текущих и непрерывных показателей финансовых, ипотечных и имущественных характеристик многоквартирного арендного жилья в Соединенных Штатах.

    Оценка ущерба от песка по группам блоков*
    Sandy Оценка ущерба от группы блоков

    Раздел 108 Данные
    Раздел 108 разрешает юрисдикциям, имеющим право, использовать будущие средства CDBG для гарантии погашения кредитов для определенных видов проектов развития. Исследование Econometrica 2011 года является уникальным всеобъемлющим источником качественной и количественной информации о завершенных проектах по Разделу 108.

    FMR для малых площадей
    Рыночная арендная плата за небольшие площади (FMR) для всех мегаполисов.

    Демонстрационные оценочные данные по справедливой рыночной аренде небольших участков

    Специальные таблицы домохозяйств
    Домохозяйства с разбивкой по возрасту, доходу, землевладению и условиям.

    Системы данных о состоянии городов
    SOCDS предоставляет различные данные, включая разрешения на строительство, данные переписи населения и статистику преступности.

    Обследование строительства
    Обзор строительства (SOC) спонсируется совместно Министерством жилищного строительства и городского развития (HUD) и Бюро переписи населения США.

    Исследование рыночного поглощения новых многоквартирных домов
    Исследование рыночного поглощения новых многоквартирных домов (SOMA) спонсируется Министерством жилищного строительства и городского развития (HUD) и проводится Бюро переписи населения США.

    Единый закон о переселении Ограничения доходов
    Единообразный закон о переселении Пределы дохода устанавливает размер помощи в замене жилья в зависимости от того, квалифицируется ли он как малообеспеченный, как это определено Министерством жилищного строительства и городского развития США.

    Данные о вакансиях USPS
    Обобщает данные об адресных вакансиях по переписным участкам.

    Почтовый индекс USPS Файлы пешеходного перехода
    Согласует географию почтового индекса USPS с другими административными географическими регионами.

    Коммунальные платежи
    HUD разработало модель расписания коммунальных услуг, которая позволяет пользователю рассчитать графики коммунальных услуг по типу жилья после ввода информации о тарифах на коммунальные услуги (тарифы).

    Опасность лесных пожаров — Калифорния


    * Этот набор данных больше не обновляется.

    * PD&R не хранит эти данные.

    Ginnie Mae Раскрытие данных MBS (GinnieMae.gov)

    CDBG Low-Mod Benefit Areas — Census 2000 (HUDExchange.info)

    CDBG Low-Mod льготы — ACS 2006-10 (HUDExchange. info)

    Сводные планы CPD, планы действий и CAPERS (HUDExchange.info)

    Портфель FHA HECM SF (HUD.GOV)

    Кредитные лимиты FHA (HUD.GOV)

    FHA Multifamily: Субсидированная ипотека с погашением (HUD.GOV)

    FHA Multifamily: Застрахованная ипотека (HUD.GOV)

    FHA Multifamily: Производство многоквартирных домов за финансовый год (HUD.GOV)

    Многоквартирный дом FHA: прекращение жилищной ипотеки MF (HUD.GOV)

    Моментальный снимок портфеля FHA для одной семьи (HUD.GOV)

    Данные о бездомных на момент времени (HUDExchange.info)

    ГЛАВНАЯ Ограничения цен продажи (HUDExchange.info)

    Поддержка программы ваучера выбора жилья — данные HAP VMS (HUD.GOV)

    Многоквартирные дома: Активная секция 202 Прямые кредиты (HUD.

Добавить комментарий

Ваш адрес email не будет опубликован.