A tudománymetriáról 3. Bonyodalom az idővel

Ha egy magasugró az egyik évben bajnok lesz, a következőkben viszont rendre leveri a legalacsonyabbra tett lécet, akkor az egykori elsőből minden további nélkül lehet utolsó. A tudomány azonban másképp működik. A tudománymetriai jóságnak van egyfajta "tehetetlensége": a mérhető eredmények és a jutalmazás nem azonnal a publikáció megjelenése után jelennek meg, és ha maga a tudományos munka meg is szakadna, a mutatók még jó ideig (sőt, igazából az örökkévalóságig - amennyiben a tudomány azt megéri) növekednének. Egy átlagos ökológiai cikk több év, akár több évtized munkáját tartalmazza, és gyakran bírálati és szerkesztői munka átfutási ideje is több egy évnél. Onnantól, hogy megjelent, folyamatosan jönnek rá a hivatkozások. Így aztán akinek sok cikke van a múltból, annak az éves idézettsége akkor is magasabb lehet, ha egy gombot nem nyom le a billentyűzeten soha többé, mint aki az első publikációin dolgozik éjt nappallá téve. Ez egy nyilvánvaló torzítás, de indirekt módon hasonlóan torzítja az idő az írt publikációk számát is. Aki már régóta van a szakmában, annak kiterjedtebb a kapcsolati hálója, gyakran befolyásosabb pozícióban is ül, ezért ilyen-olyan módokon bekerülhet cikkekbe szerzőként, így néha "lepottyan" neki némi felmutatható eredmény relatíve kevés munkával is. Ha más nem, az évek alatt megszerzett rutinnal kisebb energia-befektetéssel ír egységnyi mennyiségű cikket, mint a pályakezdők. Felmerül az igény, hogy valamilyen módon standardizálni kellene a szakmában töltött idővel a tudománymetriai mutatókat. De mi legyen ehhez az "alapvonal"? Mit tekintsünk a szakmába lépés dátumának? A diploma megszerzésének az idejét? Rögtön kérdések hadába ütközünk: BSc vagy MSc diploma? És aki diploma előtt is publikált? És aki a diplomával először kipróbálta magát máshol, és utána ment csak kutatónak? Vagy aki több diplomával is rendelkezik? Vagy nem a tudományos szakterületén szerzett diplomát? Könnyen beláthatjuk, hogy a diploma megszerzése gyenge támpont. Egy másik lehetőség az első publikáció megjelentetésének ideje. Ez logikusnak hangzik, hiszen vehetjük úgy, hogy ezzel lép ki a kutató a tudomány porondjára. Sajnos azonban ez is csak a mesében ilyen egyszerű, és ezt a saját példámmal vagyok kénytelen illusztrálni. A vizsgált platform pedig a tudomanymetria.com (már nem frissül), illetve az újabb verziója, a scientometrics.org. A régebbi verzió a diplomaszerzés idejéhez, az újabb az első publikációhoz viszonyít. Mindkét rendszer az azonos kezdőévvel rendelkező kutatókat rangsorolja, majd a sorrendben elfoglalt hely szerint decilisekbe osztályozza őket. Így a D1-be a felső 10%, a D2-be a 10-20%, stb. kerül. Vizsgálható a kezdőév óta eltelt évek során változó pozíció is. A scientometrics.org és az általa alkalmazott alapelvek láthatóan egyre fontosabbá válnak a hazai tudományos értékelésben, noha bőséggel illette őket már kritika.

Azok közé tartozom, akik nagyon-nagyon korán, egész kicsi gyerekként eldöntötték, hogy mivel szeretnének foglalkozni. Középiskolásként már folytattam diákkutatásokat, tanulmányi versenyeken is gyakran szerepeltem. Ekkor kerültem kapcsolatba a hozzám hasonlóan motivált diákokat összefogó "Kutdiákkal", vagyis a Kutató Diákok Országos Szövetségével, illetve a későbbi egyetemi témavezetőmmel is már bőven gimnazista koromtól együtt dolgoztam. A diákkori kutatási témám a hazai levendulaültetvények gyomvegetációja volt, ezeket Pannonhalmán és Tihanyban vizsgáltam. Az első "éles" (tehát nem tanulmányi verseny) konferenciaszereplésem elsős egyetemista koromban történt egy németországi gyombiológiai konferencián. A szervezők lehetőséget adtak arra, hogy a bemutatott prezentációk anyagát egy bírálati procedúra után cikk formájában is megjelentessük egy impakt faktoros lapban (igaz, az IF egész alacsony volt). Én éltem ezzel a lehetőséggel, így 2006-ban, elsős egyetemistaként megjelent az első impakt faktoros cikkem. (Akkor még az impakt faktort fetisizálta a tudománymetria.) Elismerem, ez a cikk még eléggé "zsenge"; habár a hasonló színvonalú lapokban, sőt, ennél jobb mutatókkal rendelkező MDPI lapokban ma is jelennek meg ilyesmik. Nem is csodálom, hogy eddig alig idézték. "Hivatalosan" azonban nem ez az első cikkem, ugyanis a 2005/2006-os télen a Mecsekben megtaláltam a babérboroszlán kivadult példányait, és ebből írtam egy apró közleményt a Kitaibeliába. A lapnak azonban a 2005-ös száma késett, ezért végül a 2006-ban beküldött cikket is a 2005-ös kiadványban jelentették meg. Ezek után 2008-ban és 2009-ben jelent meg három cikkem, egyben elsőszerző, kettőben társszerző vagyok - mind hazai, impakt faktor nélküli folyóiratban, tehát mai szemmel viszonylag "súlytalan" publikációk, de akkor a hallgatók szintjén kevesek büszkélkedhettek ilyenekkel. Ha tehát az egyetemi éveimet figyeljük, akkor három elsőszerzős és két társszerzős cikkel szereztem meg a diplomámat. (Csak mellékesen jegyzem meg, hogy ezekre a kutatásokra csak igen-igen ritkán kaptam pénzt, jobbára magam fizettem minden utazást, kivéve a konferenciarészvételeket.) Összehasonlításképpen, a tipikus fiatal kutató, ha időben kezd szakdolgozni, akkor jó esetben 1-2 (inkább társszerzős) cikkel a tarsolyában jelentkezett PhD-zni akkortájt...

A scientometrics.org szerint tehát az én kezdődátumom 2005, ekkor én 19 éves voltam. Az ezutáni 5 évemet hallgatóként töltöttem, amikor egyáltalán nem várta el senki tőlem a publikálást. A cikkeim csak önszorgalomból és érdeklődésből fakadó bónuszok voltak, még az egyetemi életben sem láttam látványos hasznukat. Utána 3 évig voltam doktorandusz hallgató, majd újabb 3 év múlva, 2016-ban védtem meg a doktorimat. Doktoranduszként, illetve később megfizetett kutatóként elvárt, hogy az ember publikáljon, lehetőleg nemzetközi szinten, de ehhez általában a körülmények is nagyságrendekkel alkalmasabbak, mint hallgatóként. Pl. sokkal több ideje van rá, hiszen a kutatás az elsőszámú feladata, általában jobban elérhetőek a műszerek, laborok, kutatási pénzek... Ha valaki tehát a publikációs tevékenységet 2005-ben kezdte el, mondjuk 28 éves doktoranduszként egy másoddiploma után, és olyan intenzitással csinálja azóta is, ahogyan én a doktori megszerzése óta, az engem "simán ver" a scientometrics.org rangsorában. A korai cikkeimre ugyanis kevés idézetet kapok, így azok csak rontanak a mutatóimon. Hiába, hogy azok a cikkek egy olyan időszakból származnak, amikor még csak igen kevesek publikálnak. A rendszer nem veszi figyelembe, hogy az egyik kutató önszorgalomból, hobbiból, írja első cikkeit, nem ritkán saját zsebből fizetve minden kutatási költséget, a másik meg fizetésért, projektpénzből. A tudomanymetria.com-on két decilis kategóriával magasabban voltam, mint a scientometrics.org-on... Ám ha az egyetem során megjelent cikkeimet és az azokra érkezett hivatkozásokat letagadhatnám, akkor lényegesen javíthatnék a helyezésemen. Ezt nonszensznek tartom.

Minden értékelési rendszernek vannak kedvezményezettjei és kárvallottjai. A kedvezményezettek a bemutatott rendszernél azok, akik későn kezdtek el publikálni, azóta viszont többé-kevésbé folyamatos aktivitással csinálják. Az átlagos kutatók valószínűleg ilyenek, továbbá "még ilyenebbek" azok, akik már szereztek valamilyen, a tudományban is hasznosítható munkatapasztalatot más területen, és csak később kezdtek kutatói pályát. A kárvallottak pedig a korán jelentkező tehetségek, akiknek a hallgatói aktivitása, ami akkor kiemelkedővé tette őket, ma a hátrányukra válik, mert aránytalan versenybe helyezi őket. Hogy ilyen személyből mennyi van, azt a Kutdiák szövetség léte is illusztrálja: kimutatható számban vannak diákok, akik nagyon korán lépnek tudományos pályára, és gyakran később is sikeresek ezen a területen. Nagyon sok mostani pályatársamat (köztük többen ma is a szakmai legjobbjai közé tartoznak) még diákként ismertem meg. Rájuk nézve az első publikációhoz mérni az értékelés kezdőévét kifejezetten hátrányos, és ez a tudományra nézve kontraproduktív. Egyáltalán nem ösztönző ugyanis a szárnyukat bontogató fiatal kutatók felé az a tudat, hogy olyanokkal szerepelnek majd azonos összehasonlításban, akik sokkal jobb kutatási körülményekkel rendelkeznek, még ha tudásban, kreativitásban, motivációban éppen fordított is a reláció. Összességében pedig ez a tudomány utánpótlását gyengíti. Az vitán felül áll, hogy egy kutatónak sem abból kell "megélnie", hogy egyetemistaként milyen tehetségesnek számított. Az viszont, hogy a hallgatói évei is ugyanolyan súllyal essenek latba, mint a későbbiek, amikor már "főállású" kutató, torz értékeléshez vezet. Sokkal korrektebbnek tartanám, ha ez a kezdődátum nem lehetne korábban, mint pl. az első MSc diploma megszerzésének vagy az első PhD megkezdésének éve.

A kezdődátumokhoz való bármiféle viszonyítás azonban más társadalmi csoportokat is súlyos hátrányba helyez: ők azok, akik néhány évre felfüggesztik a tudományos pályát, vagy csökkent aktivitással művelik azt. Mindenekelőtt a gyermeket nevelő, GYES/GYED/CSED-en lévő szülőkre gondolok. Teljességgel méltánytalannak tartom, hogy ugyanabban az összehasonlításban kell helytállnia egy családanyának 0-6 éves gyerekekkel mindenféle korrekció nélkül, mint egy gyermektelen pályatársának. Ez a kritika kifejezetten a tudomanymetria.com-ot és a scientometrics.org-ot érinti, mert egyébként szerencsére sok pályázat esetén legalább a pályázási korhatárt kitolják gyermekenként +2 évvel.

Elismerem, hogy a fenti problémákra igen nehéz minden lehetséges esetet kielégítő pontrendszert megalkotni. A javaslatom azonban, hogy ne is tegyünk úgy, mintha... Semmiképpen se alkalmazzuk a tudomanymetria.com vagy a scientometrics.org által kihozott sorrendeket, illetve az általuk követett elveket automatikusan. Bár az egyszerűségük vonzó, túl sok elhanyagolással, igazságtalansággal járnak.

A nevezett értékelő platformok a tavalyi OTKA-eredmények kapcsán váltottak ki nagy visszhangot a tudományos közösség részéről, ez a sajtóban is megjelent. A rendszer számos hiányosságáról írt Kamarás Katalin és szerzőtársai a Magyar Tudományban, de szólt erről konferencia is, valamint jelent meg több véleménycikk. A tudományos közösség általánosságban óva int a tudomanymetria.com leegyszerűsítő használatától (s ez minden bizonnyal a scientometrics.org-ra is érvényes).

FRISSÍTÉS: A bejegyzés közzététele után számos ismerősöm jelezte, hogy korai, hallgatókori munkásságának betudhatóan szintén alacsonyabb mutatókat ért el a scientometrics.org-on. Mindannyian tehetséges, a kutatómunkában kortársaikat megelőző személyek...

A tudománymetriáról 2. Kevésszerzős vs. sokszerzős cikkek

Az előző bejegyzésben röviden áttekintettem a tudományminősítés alapvető tudnivalóit. Írtam, hogy a tudományminősítés alapja annak valamiféle "pontozása", hogy kinek a neve alatt mennyi és milyen tudományos publikációk jelennek meg. Említettem azt is, hogy terjedőben van az a szemlélet, miszerint az olyan cikkek többet érnek a tudománymetria tükrében, amelyet kevés szerző jegyez, mint a sokszerzős cikkek.

Jellemzően egy cikk szerzői közé az kerül be, aki jelentős mértékben, tudományos módon hozzájárult a munka sikeréhez. Hogy hol van a "jelentős mérték" és a "tudományos mód" határa, azt igen nehéz definiálni. Az én tudományterületemen általában az ér társszerzői státuszt, ha valaki részt vesz egy kutatás elméleti tervezésében, a mintavételi és az adatelemzési döntések meghozatalában, vagy jelentős mértékű adatot szolgáltat, majd a cikkírásban legalább átnézi a kéziratot. A világban szétnézve azonban egészen változatos módokon realizálódik a szerzői kör megszabása. Nem kell sokat kutakodnunk a színfalak mögött, hogy kiderüljön, előfordul, amikor "karitatív alapon", vagy éppen stratégiai okokból olyanok is bekerülnek egy cikkbe, akik nem sokat dolgoztak benne. Ez nyilvánvalóan etikátlan, de mivel a szerzői hozzájárulások önbevalláson alapulnak, nem igazán lehet ellene tenni. Egy átlagos cikk kb. 5-15 személy nevével jelenik meg, de léteznek több száz, vagy ezer szerzős cikkek is. Talán az ok nélkül hatalmasra duzzadó szerzői listák kiküszöbölése motiválhatta a szerzőszám figyelembevételét a tudományértékelésben, hiszen az valóban nem fair, ha lényegi hozzájárulás nélkül is hasznot húz valaki a publikációból. Az értékelés pontos mikéntjén azonban nagyon sok múlik. Nem mindegy, hogy ez az adott cikk összes szerzőjére vonatkozik, vagy csak a köztes szerzőkre (tehát a szerzői lista első és utolsó tagjára nem - az ő hozzájárulásuk általában a legnagyobb), és hogy pontosan milyen függvény szerint csökkenti az egyedi hozzájárulások "pontszámát" a szerzőszám (pl. 10 szerző felett csak fele annyi pontot ér, vagy a szerzőszámmal egyenes arányban ér egyre kevesebbet, stb). Emiatt egész konkrét gyakorlatokról nem tudok írni, ezek még nem is igazán kristályosodtak ki, csak az alapelvről.

Forrás: PHD Comics https://phdcomics.com/comics/archive.php?comicid=562

Az valóban nem cáfolható, hogy ha valaki egyedül, vagy 1-2 társsal végez el egy munkát, az nagyobb erőfeszítés, mintha ugyanazt több társsal kivitelezte volna, hiszen feltételezhetjük, hogy a munka jobban megoszlott utóbbiak között. Kérdés, hogy valóban ugyanaz a munka születik-e meg 1-2, vagy 4-5, netán 10-15, vagy 100-150 szerző munkájával.

Általában ugyanis nem ugyanarról írunk cikket egyedül, mint csapatban. Az elméleti jellegű cikkeket, pl. az adatelemzési módszertani cikkeket, általában a statisztikai cikkeket, véleménycikkeket, fórumcikkeket, rendszerint viszonylag kevés szerző írja. Ezzel szemben a nagy adatgyűjtési munkán alapuló cikkeknek, pl. terepi kísérletek, nagy földrajzi léptékű szintézisek, hosszútávú monitoringok, több taxonra kiterjedő vizsgálatok cikkeinek jellemzően sok szerzőjük van. Miért? Mert egy gondolati rendszer jól megfér egyetlen személy fejében, esetleg nem jelent nagy kavarodást, ha még 1-2 kolléga hozzászól. De ennél több hozzájáruló akár zavaró és kontraproduktív is lehet. Ha nem elsődleges adatok elemzése, hanem elméletibb tartalmú a cikk, amiben sokat számítanak a szubjektív nézetek, akkor nehéz lehet a sok eltérő vélemény közös nevezőre hozása. Egy statisztikai módszer ötlete is általában egy-két emberhez köthető, a hozzá szükséges tesztekhez sem kell sokkal több. Ezzel szemben, ha egy vizsgálat kiterjed 10 országra, az gyakran kapásból 10 társszerző, hiszen kell valaki, aki szakértő és felelősséget vállal az adott ország vonatkozásaiban, pl. meg tudja ítélni az adatok minőségét és van lokális háttértudása az eredmények értelmezéséhez, a hibák kiszúrásához; neadjisten ő maga adja az adatokat. Egy komplexebb terepi kutatáshoz kell ember a terepi adatgyűjtéshez, kellhetnek specialista szakértők egyes taxoncsoportokhoz vagy lokalitásokhoz, kellhet egy-két szakirodalomban jártas személy és adatelemző, ott van a laborvezető, illetve valaki, aki az egészet összefogja. Ha a vizsgálat sokáig tart, akkor a személyek cserélődhetnek ilyen-olyan okokból, pl. lejár a pályázatuk, gyermekük születik, nyugdíjba mennek, ez mind-mind behoz 1-1 helyettesítő embert. Rosszabbá válna a kutatás attól, hogy ennyi ember dolgozik rajta? Nem gondolom. Az elsőszerző munkája értéktelenebb lenne ettől? Nos, vehetjük úgy, hogy a kulcsember még többet tehetne le az asztalra, ha pl. több taxoncsoportot is kitanulna gyorsan, vagy két-három személyre valót dolgozna terepen - de ez gyakorlatilag irreális elvárás. Ha az adatok több forrásból érkeznek, akkor etikailag is megkérdőjelezhető a fontosabb adatszolgáltatók kihagyása. Fel kellene ismerni, hogy vannak bizonyos kutatási típusok, amiket sokan, csapatban lehet jól megcsinálni. Ettől ezek a kutatások, az így születő cikkek nem érnek kevesebbet azoknál, amelyeket kevesen írtak, mert gyakran tematikájukban is mások. Ahogyan egy foci-vb győzelem sem ér kevesebbet egy kézilabda-vb győzelemnél csupán azért, mert a focicsapat több emberből áll. Gépies összehasonlításuk félrevezető. Sajnos láttam már bizonyos fórumon kevésszerzőssége okán (is) piedesztálra emelt cikket, aminek jót tett volna még néhány résztvevő (a "vicc" az volt, hogy maga a szerző sem tagadta a hiányosságokat).

Hallottam olyan érvet, hogy a népes társszerzői csapat koordinálása logisztikai, és nem tudományos feladat, ezért egy másfajta díjazással lehetne "kárpótolni" a sokszerzősség miatt hátrányba került, vezető pozíciójú szerzőket. Ez az érv – egyrészt – nem teljesen állja meg a helyét, hiszen a részvizsgálatok összehangolása, részeredmények és „résztudások” szintetizálása nagyon is tudományos munka. Itt nem csak arról van szó, hogy több számlát kell leigazolni és több Word dokumentumot kell összefésülni... Az eredménye is tudomány, hiszen ott a megjelent cikk. Másrészt, sajnos nem tisztázott az alternatív jutalmazás mikéntje, addig pedig ez nem lehet hivatkozási alap. Harmadrészt, szimpatikusabbnak tartom azt a kiindulási feltételezést, hogy egy cikket annyian írnak meg a megfelelő színvonulú eredmény érdekében, ahány személyre szükség van, mint azt, hogy "gyanús ott az a csoportosulás", biztos vannak potyautasok köztük... Nem tagadva, hogy potyautasok léteznek, csak a gyakoriságuk ismeretlen.

Összefoglalva tehát az a gondom a teljes szerzőszám figyelembevételével, hogy bizonyos tudományterületeken és problématípusokon dolgozó kutatókat hátrányosan különböztet meg. Tudom, hogy már 3-4 szerző esetén sem egyenlő mindenki hozzájárulása. 100-200 szerzős cikkeknél is legfeljebb 3-4 személy húzza az igát, és mellettük 10-20 „második körös” szerzővel lehet számolni. A többiek valamilyen részfeladat, jellemzően adatszolgáltatás miatt szerepelnek. A hozzájárulók nagy része nélkül gyakorlatilag ugyanúgy megjelenhetne a cikk. Azonban ilyenkor legalább a vezető szerzőket nem kellene azzal büntetni, hogy hány egyéb szerző van még a cikkükben, mert azok a személyek gyakran etikai okokból is szerepelnek, amúgy a munkát effektíve nem könnyítik meg lényegesen. Igazságosabb megoldás felé vihet a CRediT (Contributor Roles Taxonomy), amely egy egységes, általános hozzájárulási nómenklatúrát kínál. Gyakorlatilag egy listából ki lehet választani, hogy melyik szerző milyen módon járult hozzá a cikkhez. Néhány folyóirat már megköveteli ennek az alkalmazását – ám a tudománymetriai minősítő rendszerek még aligha vettek róla tudomást. A szándékos csalást, persze, ez sem előzi meg.

FRISSÍTÉS:

A bejegyzés közzétételének másnapján jelent meg egy számos kollégám által jegyzett cikk (melyhez ezúton is gratulálok!), amely azt boncolgatja, hogy a 2050-re Magyarországra vonatkozó környezeti előrejelzések milyen természetvédelmi kutatások fontosságát vetítik előre. A cikk egy fő üzenete, hogy határokon és tudományterületeken átívelő együttműködésekre lesz szükség a tudáshiányok "betöméséhez". Az ilyen együttműködések kimenetei tipikusan sokszerzősek. Életszerűtlen, ha pont ezeket értékelik majd alul tudománymetriai szempontból.

A cikk itt érhető el egyébként: Csákvári et al. (2021): Conservation biology research priorities for 2050: A Central-Eastern European perspective. Biological Conservation 264, https://doi.org/10.1016/j.biocon.2021.109396

SciRev.org - szólj be a lapnak!

A tudományos munka nélkülözhetetlen eleme az eredmények közzététele, amelynek elfogadható formai és tartalmi színvonalát a szakmaibeliek általi ellenőrzés ('peer review') gyakorlata garantálja. Ez nagy vonalakban úgy zajlik, hogy megírjuk az eredményeinket egy kézirat formájában, beküldjük egy folyóiratnak leközlésre, ők ezt meghívott szakértőkkel leellenőriztetik, ami alapján kapunk egy döntést arról, hogy elfogadják a kéziratot, javításokat kérnek, vagy elutasítják. Ha azonnal nem utasítanak el, akkor a javítási lépések általában többkörösek, gyakran két-három újra-beküldés után kapunk elfogadó választ a laptól, vagy még akkor sem. A bírálati procedúra aránylag lassú, a saját cikkeim esetén átlagosan 12-14 hónap telt el az első beküldés és az elfogadás között. A késlekedés főleg akkor bosszantó, amikor hónapok, netán még hosszabb idő után kapunk elutasító választ, mivel olyankor a nulláról kell indulnunk egy másik lapnál. Az idő márpedig kulcskérdés, hogyha a kutatási projektek is néhány éves időtartamúak, továbbá a személyes teljesítményünket évente értékeli a munkahelyünk. Emellett a bírálat lényege, hogy csak a szakma szigorú kívánalmainak megfelelő cikkek jelenhessenek meg, amelyről végül a szerkesztő dönt a bírálatok alapján. Kedvezőtlen döntés esetén a szerzőnek nagyon kevés eszköze van "fellebbezésre", még a bíráló vagy a szerkesztő hibái esetén is - a legbölcsebb ilyenkor, ha egy másik folyóiratnál próbálkozunk újra. Emiatt a bírálókkal és a szerkesztővel folytatott adok-kapok során nem idegen a kiszolgáltatottság érzése. Nem igazán volt eddig olyan nyilvános fórum tudtommal, ahol egy felháborító eljárásmód vagy bírálat nyilvánosságot kaphatott volna, vagy egyáltalán bármiféle értékelést, visszajelzést adhattunk volna szerkesztői-bírálói munkáról. Ezt az űrt próbálja betölteni a SciRev.org nevű oldal.

A SciRev-en értékeléseket láthatunk az egyes folyóiratokról. Az értékeléseket kutatók írják egy-egy cikk-beküldés utóélete alapján. Tartalmazzák a beküldéstől a szerkesztői döntésig szükséges idő hosszát, a döntés kimenetelét, a bírálat színvonalát, plusz egy rövid szöveges értékelést. Regisztrált felhasználók küldhetnek is be ilyen értékeléseket. A sok értékelés alapján kirajzolódó adatok arra hivatottak, hogy segítsék a szerzőket a folyóirat-választásban, a szerkesztőket pedig a munkájuk színvonalásnak és sebességének emelésére ösztökéljék. Az értékelések száma egyelőre elég alacsony, emiatt a statisztikák is torzak, de remélem, mielőbb én is hozzá tudok járulni. Nyilván van egy olyan torzítás is az adatokban, hogy az elégedetlenséget az emberek szívesebben tálalják ki, mint az elégedettségüket, emiatt vélhetően pesszimistábbnak tűnnek a valóságnál.

Érdekességképpen itt vannak az ökológiai lapok adatai.

OFF: Aki nem ismerné, a cím áthallása innen jön: https://szoljbeapapnak.blog.hu/

Vegetációosztályozás növényi jellegek alapján - új cikk a JVS-ben, és ami mögötte van

Megjelent a lengyelországi üde és nedves gyepi növényzet jellegalapú osztályozásáról szóló cikkünk a Journal of Vegetation Science-ben. Ez a cikk a Polonez ösztöndíjas időszakom fő terméke, ezért kicsit bővebben mesélek róla.

Mezofil gyepek a Szudétákban (fotó: Zygmunt Kacki)

Az ökológia utóbbi 10 évének slágertémája a jellegalapú megközelítésé (jelleg = 'trait'). Ez abban a felismerésben gyökerezik, hogy az ökoszisztémák alapvető tulajdonságait nem az határozza meg, hogy az őket alkotó élőlények mely fajokhoz tartoznak, hanem az, hogy milyen jellemzőkkel bírnak. Persze, a jellemzők öröklődnek, ezért nem függetlenek a faji hovatartozástól, de nem igényel bővebb magyarázatot, hogy vannak egymáshoz hasonló, és vannak jobban különböző fajok. A fajalapú megközelítés minden fajt maximálisan különbözőnek lát, ezért a fajok közötti graduális változatosságot elhanyagolja. Ezzel akkor van gond, amikor egy elemzés során olyan mintázatot tárunk fel, ami a kelleténél nagyobb jelentőséget tulajdonít a faji hovatartozásnak. A vegetációosztályozás kontextusában a gyakorlat szempontjából gyakran eléggé mindegy, hogy egy magassásréten a Carex acutiformis, C. gracilis és C. riparia (három magas termetű, igen hasonló felépítésű, nedves réteken és mocsarakban élő sásfaj) közül melyik az uralkodó. Ennél sokkal lényegesebb eltérést jelent, ha egy mocsárréten a kétszikűek (pl. Veronica longifolia, Euphorbia palustris) uralkodnak. Amikor fajalapú osztályozásokat szeretnénk a gyakorlatba implementálni, gyakran kimondva-kimondatlanul korrigálunk erre a jelenségre azzal, hogy például ha két típus csak hasonló fajokban tér el, azokat összevontan kezeljük. Ezek a korrekciók azonban ritkán történnek reprodukálható, objektív módon.

Hasonló kinézetű, nagy darab sásból van több faj is - mocsári sás (Carex acutiformis)

A gyakorlat felől "érezzük" általában, hogy a faji szinten jelentkező eltérések sok mindennek köszönhetők, és gyakran olyan háttértényezőkkel állnak összefüggésben, amik adott helyzetben nem relevánsak, hanem inkább a tájtörténet számlájára írhatók. Nyilvánvaló a szükség olyan vegetációs változókra, amelyek a fontos környzeti grádiensekre robosztusabb módon reagálnak, mint a fajok. 2016-ban jött az ötlet, hogy a jellegalapú vizsgálatok eszköztárát a vegetációosztályozás módszertanával házasítva megpróbáljak olyan robosztus osztályozásokat csinálni, amik a fajalapúaknál jobban megfelelnek a legtöbb gyakorlati kívánalomnak, mert szorosabb kapcsolatban vannak az ökoszisztémák főbb tulajdonságaival. Pályáztam rá OTKA (NKFIH) posztdoktori pályázatot, de nem nyertem. Ekkortájt kérdezték a lengyel kollégák, hogy nem mennék-e ki hozzájuk egy hosszabb-rövidebb időre. Konkrétum és forrás híján erre ködös válaszokat adtam eleinte. Nem sokkal később azonban már pályázati lehetőséggel hívtak. Ez a Polonez ösztöndíj volt, ami egy Marie Curie ösztöndíjnak nagyjából mindenben megfelelő, csak a Lengyel Tudományos Központ által odaítélt, Lengyelországban végzendő kutatási program. "Miért ne próbálnám meg?" - gondoltam, és az esélytelenek nyugalmával az OTKA-n sikertelen pályázatomat kis változtatásokkal lengyel körülményekre alkalmazva, a rövidebb megpályázott időszak miatt kicsit megkurtítva beadtam. Pár hetet dolgoztam vele legfeljebb. Nem mertem volna nagy tételben fogadni sikeremre, ezért párhuzamosan adtam be újra hazai pályázatokat is. Teltek a hetek, hónapok, a bírálók dolgoztak. A Polonez értékelése kétkörös. Az írásbeli anyagok elbírálása után az első valamennyit "behívják" egy szóbeli interjúra, persze, ez Skype-on zajlik. Meglepetésemre engem is beválogattak, 15-20 percben kellett elmondanom a pályázatom lényegét, aztán válaszolni a bírálók kérdéseire. Éreztem, hogy aránylag jól ment, de hát tudni lehetett, hogy ez egy erős mezőny, a kincstári optimizmusomon felül nem sok fogódzóm volt. Aztán jött a megdöbbentő értesítés, hogy nyertem. Közben kaptam a nyertes hazai pályázatok híreit is, ezeket részben lemondtam, részben elhalasztottam. 2017 őszén Wroclawban találtam magam a bővülő családunkkal együtt.

Wroclaw impozáns belvárosa - volt ez ennél szebb is, de hol a fotóm róla???

A projekt fő célja a lengyel üde és nedves gyepek jellegalapú osztályozásának elkészítése, valamint a típusok jellemzése volt funkcionális jellemzők (akkor főképp a diverzitás és a redundancia érdekelt) szempontjából. Egy ilyen munkának a legkínzóbb és legkritikusabb része a szükséges adatbázisok összerendezése. Hogy ez megtörténhetett, azt a lengyel együttműködőknek, Zygmunt Kackinak és Grzegorz Swachának köszönhetem. Kétféle adatmátrixszal dolgoztunk: a lengyel vegetációs adatbázisból származó ~20 000 cönológiai felvétellel, illetve a LEDA-ból és a CLO-PLA-ból származó növényijelleg-adatokkal. A kettő összefésülése, a fajlisták egységesítése, a hibák manuális kiszűrése és javítása főképp Grzegorz érdeme volt.

A célfolyóiratnak a Journal of Vegetation Science-et néztem ki. A kézirat első verziója azonban jóval leíróbb volt, mint ami végül megjelent. A típusokról aránylag hosszú ismertetéseket írtunk, és ez nem igazán tetszett sem a bírálóknak, sem a szerkesztőnek. Valójában ez érthető, hiszen a JVS inkább az általánosságokat és a koncepcionális eredményeket szereti az osztályozó cikkekben is. Úgyhogy jelentősen redukáltuk a kéziratban ezeket a részeket, helyette betettünk jobban általánosítható, modellszerűbb elemeket. Így került a cikkbe például a jellegalapú és a fajalapú osztályozás statisztikai összehasonlítása (amely amúgy nem igazán konkluzív, írjuk is a diszkusszióban, de az egyik bíráló kifejezetten kérte, úgyhogy megkapta), valamint az 'influence index', amivel az egyes fajoknak az osztályozásra gyakorolt hatását számszerűsítettük. Utóbbit a témáról szóló korábbi előadásaimban már mutattam, csak a cikkhez nem éreztem fontosnak először. A főszövegből száműzött leírások egy része az appendixben kötött ki. Végül bő egy és negyed év és 3 bírálati kör kellett az elfogadáshoz, ami átlagosnak mondható ennél a folyóiratnál.

Mit ad(hat) a cikk szakmailag? A jellegalapú osztályozás mint ötlet felmerülése nem véletlen és nem váratlan, hiszen osztályozásokat sokféle célra használnak, általános tendencia a növényi jellegek alkalmazása fajok helyett, és igyekszünk minél több mindent formalizálni statisztikai módszerek segítségével. Olyannyira, hogy Hérault és Honnay (2007) csináltak már ilyet, csak sokkal kisebb mintával, sokkal lokálisabb kérdésen dolgoztak. Talán ennek is köszönhető, hogy a cikkük aránylag észrevétlen maradt mind a traites, mind a klasszifikációs kutatói közösség számára - én magam is csak úgy értesültem róla, hogy az egyik szerzőt megkaptam bírálónak, és vállalta a nevét. :)

Az elemzés egy megkerülhetetlen pontja a felvételek közti disszimilaritások számszerűsítése. Erre a célra már számos módszert javasolt a témában aktív néhány szerző, ezeket azonban ekkora mintára rettentő időigényes kiszámolni. Úgy döntöttünk, hogy egyszerűen vesszük minden felvétel súlyozott átlagát (CWM, 'community weighted mean') minden traitre mint változókra, majd ezek között egyszerű euklidészi távolságot számolunk. Egyszerű, de hatékony megoldásnak tűnt, ami a későbbi, jelenleg is folyamatban lévő teszteken is jól teljesít. A CWM-et a traites ökológusok igen változatosan ítélik meg, a bírálatokban is kaptunk kritikát emiatt. A lényeg az, hogy a CWM egy aggregált mérőszám, és a közösségeknek az adott traitgrádiens mentén felvett átlagos pozívióját mutatja meg robosztus módon. Nagy körültekintéssel alkalmas csak hipotézistesztelése a trait-környezet kapcsolatról, nem mutatja ki a diverzitásban jelentkező változást, továbbá nüansznyi különbségeket nem érdemes benne túlértelmezni. Mi e három célra nem használtuk a CWM-et, szerintem korrekten jártunk el.

A közönséges lizinka (Lysimachia vulgaris) uralta típust csúnyán félreosztályozta a Ward-féle módszer, de a REMOS helyre tette

Szintén kardinális kérdés volt az osztályozási algoritmus megválasztása. Euklidészi távolságokkal dolgozván a Ward-féle módszer mellett tettük le a voksunkat, mert ez hasonló méretű és szférikus alakú csoportokat (vagyis két dimenzióban köröket) különít el - ez egy előnyös tulajdonság általában. Ugyanakkor azt tapasztaltuk, hogy a fenti csoportalakot kicsit túlerőlteti a módszer, emiatt a sok, igen jól értelmezhető csoport mellett egy-két egyértelműen heterogén klaszter is adódott. Eleinte ezeket elfogadtam osztályozási hibának, aztán inkább azon voltam, hogy találjak (vagy kitaláljak) valami módszert az osztályozás formalizált, statisztikán alapuló kijavítására. Így született meg a REMOS nevű módszer, amiről gyorsan írtunk egy preprintet a bioRxivra, amit így már tudtunk hivatkozni. (Jelenleg bírálat alatt van.) Így már kimondottan jól értelmezhető és módszertanilag konzisztens lett a klasszifikáció.

A kapott típusok elsősorban a domináns fajok szerint különültek el, főleg úgy, hogy a sajátos jellegkombinációval rendelkező fajok uralta típusok markáns csoportokat alkottak, míg a kiegyenlített tömegességi eloszlású, vagy nem egyedi jellegkombinációjú fajok uralta típusok nagy, fajkompozíció és ökológiai háttér szempontjából heterogén klaszterekként tűntek fel. Lett például saját típusa a franciaperjének (Arrhenatherum elatius), az erdeikákának (Scirpus sylvaticus), a szittyóknak (Juncus spp.) és a fehér tippannak (Agrostis stolonifera). Elég jól elkülönültek az erősen legeltetett és taposott gyepek a magasabb füvűektől, amiket inkább kaszálnak.

Az 'influence index' egy szemléltető eszköznek indult, amivel az osztályozásra nagy hatást gyakoroló fajokat akartam nagyobb betűmérettel feltüntetni egy ábrán. Maga az index a faj funkcionális egyediségének és az abundanciája szórásának a mértani közepe. A funkcionális egyediséget az összes faj átlagos traitértékétől vett távolsággal számszerűsítettem. Mindkét összetevőt 0 és 1 közé standardizáltam. Végül is valóban szépen és egyszerűen mutatja, hogy azoknak a fajoknak lesz nagy hatása az osztályozásra, amelyek abundanciája nagyon változó, és amelyek mindemellett sajátos jellegkombinációval bírnak.

Egy funkcionálisan egyedi faj, a közönséges erdeikáka (Scirpus sylvaticus) uralta mocsárrét (fotó: Grzegorz Swacha)

Hogyan tovább? Nagyon hasonló témán dolgozom, csak lengyel helyett kiskunsági gyepekkel. A lengyel adatbázis földrajzilag nagy területet ölelt fel, de a környezeti változatosság nem volt benne nagyon nagy semelyik grádiens mentén. A Kiskunságban másképp van, itt a nedves rétektől egészen a félsivatagias nyílt homokpusztagyepig terjed a minta lefedettsége, viszont lényegesen szűkebb területet reprezentálnak majd a felvételek. Ez érdekes különbséget jelenthet, kíváncsian várom, mennyi új tapasztalatot nyújt majd. Egyes alapvető lengyel tapasztalatok bizonyára érvényesek lesznek, például a domináns és funkcionálisan egyedi fajok fontossága, de az már kevésbé egyértelmű, hogy a fajkompozíciós mintázattal ez mennyire vág egybe. Nem kérdés a jellegek kiválasztásának kulcsszerepe sem. Nagy érdeklődéssel várom továbbá, hogy jellegalapú osztályozások a gyakorlatibb felhasználási célokat mennyire elégítik ki.

A cikkről írtunk egy könnyen olvasható összefoglalót ('plain language summary'-t) az IAVS blogjára. Az eredeti publikáció hivatkozása, linkje és absztraktja:

Lengyel, A, Swacha, G, Botta‐Dukát, Z, Kącki, Z. Trait‐based numerical classification of mesic and wet grasslands in Poland. J Veg Sci. 2020; 31: 319– 330. https://doi.org/10.1111/jvs.12850

Abstract

Questions: What vegetation types can be distinguished on the basis of plant functional traits using numerical classification? How do they match syntaxonomical units?

Location: Poland.

Methods: Six thousand nine hundred and eighty‐five vegetation plots representing mesic and wet grasslands (Molinio‐Arrhenatheretea, Polygono‐Poetea) were retrieved from the Polish Vegetation Database. Plant functional trait data were assembled from the LEDA and Clo‐Pla databases for most species occurring in the data set. Community‐weighted mean for five traits were calculated for each plot: specific leaf area, canopy height, seed mass, bud bank index and clonality index. Plots were classified using Ward's method and iterative relocation based on silhouette widths. The clusters were interpreted and characterized on the basis of species and trait composition, functional diversity, functional redundancy, Ellenberg indicator values, and geographical distribution. The similarity between the trait‐based classification and the syntaxonomical assignment of plots is evaluated both statistically and by expert knowledge.

Results: Twelve clusters were distinguished. The classification mirrored the main gradients structuring grasslands in Poland, although, some vegetation types with the strong dominance of functionally unique species appeared more distinct than they are treated in syntaxonomy. Clusters did not differ significantly in functional diversity and redundancy. The differences of clusters in species and trait composition and environmental background are discussed.

Conclusion: The application of trait data and numerical methods is a promising approach for obtaining vegetation classifications. Such classifications can be in closer relationship with the most important ecosystem processes than floristic classifications because communities comprising different species but similar functional trait distribution are not separated. Trait‐based classifications match phytosociological units to a variable degree. Functional uniqueness and variation of abundance determines how individual species influence the delimitation of vegetation types using our approach.

Vegetation Classification and Survey - egy új vegetációtudományi folyóirat

A brémai IAVS szimpóziumon jelentették be, hogy a társaság két folyóirata, a Journal of Vegetation Science és az Applied Vegetation Science mellett indul egy harmadik, amely kifejezetten klasszifikációval, tipológiával, ezek alkalmazásaival, módszertanával foglalkozó cikkeket közöl majd. A címe Vegetation Classification and Survey (VCS) lesz, és tulajdonképpen megörökli a közben megszűnő Phytocoenologia tematikáját és szerkesztőségét.

A VCS szabad hozzáférésű folyóiratnak indul, amelyben ezért publikációs költség fejében lehet cikket megjelentetni. Induláskor természetesen még nem lesz impakt faktora, talán a Scimago sem értékeli még, de néhány év múlva bizonyára minden szokásos regiszterbe bekerül. A VCS honlapja itt érhető el.

Egyszerű vezérfonal cikkíráshoz

A minap a Facebookon "szembejött" az alábbi ábra, amely rendkívül információgazdagon és szemléletesen magyarázza el, hogyan kéne kinéznie egy tudományos cikknek. Mindenkinek ajánlom, aki most ismerkedik a publikálással, de talán a tapasztaltabbak dolgát is megkönnyíti.

A cikk részei az ábra tetején kezdődnek, majd lefelé haladva folytatódnak a fejezeteket (nagybetűvel) és bekezdéseket vagy alfejezeteket (kisbetűvel) jelölő szegmensekben. A szegmensek szélességei leginkább a rész fókuszáltságára vonatkoznak: minél szélesebb, annál általánosabb és kitekintő jellegűbb, minél keskenyebb, annál fókuszáltabb, specifikusabb. Nagyon ötletesen nem csak a szakaszok nevei látszanak, hanem tipikus mondatkezdések érzékeltetik a bennünk megbúvó tartalom jellegét. Annyi kiegészítést tennék csak hozzá, hogy ökológiában a szakirodalmi áttekintés ('Literature review') a bevezetésben ('Introduction') kerül elő, gyakorlatilag annak első két bekezdése ('establishing a territory'* és 'establishing a niche'*) ebből építkezik. Természetesen nem kell ezt a sémát teljesen mereven alkalmazni, főleg a 'Discussion' fejezetben van lehetőség variálni a vizsgálat logikájának megfelelően az eredmények megvitatásának sorrendjét, tematikáját. Kiindulásnak azonban nagyon hasznos, főleg kezdő kutatók számára, és azt hiszem, a szerkesztőknek, a bírálóknak és a szerzőknek egyaránt kevésbé lesz frusztráló a publikációs folyamat, ha a jövőbeli szerzők megszívlelik az útmutatást.

A fotó eredeti forrását sajnos nem tudtam kinyomozni, ha valaki megtalálja, szívesen kiegészítem a bejegyzést.

*Most ne akadjunk fenn a szavak ökológiai jelentésén! A 'territory' itt a tágabb téma kijelölését jelenti, míg a 'niche' egy specifikusabb kérdés, kutatási hiányterület felvezetését. Jellemzően mindkettő irodalmi áttekintéssel történik.

eredeti forrás: ismeretlen

#365papers: 2016-os összegzés

2016-ban megpróbáltam teljesíteni a #365papers kihívást, amely arról szól, hogy az év minden napján el kell olvasni egy tudományos cikket. Az év összes napja helyett csak munkanapokkal számolva egyesek a 260 cikket célozzák meg (#260papers néven), de a lényege ugyanaz - olvassunk minél többet, ezzel tegyük magunkat naprakésszé a tudományterületünkön, és motiváljunk másokat is. A kihívás kezdetekor írtam egy bővebb bejegyzést róla, itt olvasható, aztán amikor 50 cikknél jártam, röviden beszámoltam a helyzetről. Tegnap vége lett 2016-nak, így ideje számot vetni a cikkolvasó kihívás eredményeivel.

Nos, a kitűzött célt számok tükrében megközelíteni sem sikerült: 135 cikkig jutottam, ami a munkanapokra szabott verziónak kicsivel több, mint a fele. A teljes lista itt olvasható. Ezek azok a cikkek, amelyeknek legalább 2 fejezetét (pl. Bevezetés és Diszkusszió), valamint az absztraktját végigolvastam. Nem szerepelnek köztük saját szerzőségű közlemények, bírált kéziratok, könyvfejezetek, blogbejegyzések és ismeretterjesztő cikkek. Néhány gondolat a kihívás eredményéről:

• Bár teljesíteni közel sem sikerült, élveztem a plusz motivációt, ami tudatosabb és rendszeresebb szakirodalmazásra ösztökélt. Biztos vagyok benne, hogy a korábbi években nem olvastam ennyit. Más kutatók blogjait és Twitter oldalait megnézve aránylag kevesen mondhatják el magukról, hogy teljesítették az év elején kitűzött célt.
• A kihívás megváltoztatta az olvasási szokásaimat. Előfordult, hogy egy cikkből csak egy-két információmorzsa lett volna érdekes számomra, de mégis végigolvastam, hogy a listát gyarapíthassam.
• Rövid cikkek elolvasására könnyebben rászántam magam, mint hosszabbakéra.
• Nagyon sokszor segítségemre volt a cikkek listája, amit folyamatosan vezettem, amikor kéziratok hivatkozásait állítottam össze, vagy más okból kellett visszakeresnem a korábbi olvasmányaimat.
• Több olyan cikkel találkoztam, ami a kutatómunkámhoz jó ötleteket adott - és ez a lényeg, hiszen a cikkolvasás önmagában nem ér sokat, ha a megszerzett gondolatok és ismeretek nem adnak hozzá semmit a munkámhoz.

Megint készítettem címkefelhőt a cikkek címeiből, íme:

Döntően növényi közösségi ökológiai, funkcionális és fajdiverzitással kapcsolatos cikkeket választottam, s melléjük becsúszott egy-egy madaras olvasmány is. Készítettem egy kimutatást a legtöbbet olvasott folyóiratokról is, a "győztes" a Journal of Vegetation Science lett, ezüstérmes a Methods in Ecology and Evolution, míg a harmadik helyen a TREE, a PLoS ONE és az Ornis Hungarica osztozik.

Az olvasott cikkek megoszlása folyóiratok között (min. 2 cikk/folyóirat)

A cikkek évek közti megoszlása pedig a következő.

Nehéz lenne az elolvasott cikkeket rangsorolni, vagy akár csak a legjobb néhányat kiválasztani. Nem is próbálok tárgyilagos értékelést alkotni, inkább csak egyfajta szubjektív élmény alapján kiválasztok néhány kiváló művet. A kedvenc cikkeim tehát:

Hooper et al. 2005. Effects of biodiversity on ecosystem functioning: a consensus of current knowledge. Ecological Monographs

Cornell & Harrison 2014. What are species pools and when are they important? Annual Review of Ecology, Evolution, and Systematics

Vellend 2010. Conceptual synthesis in community ecology. The Quarterly Review of Biology

Ricotta et al. 2016. Measuring the functional redundancy of biological communities: A quantitative guide. Methods in Ecology and Evolution

Lyons et al. 2016. Model-based assessment of ecological community classifications. Journal of Vegetation Science

Storch 2016. The theory of the nested species-area relationship: Geometric foundations of biodiversity scaling. Journal of Vegetation Science

A kihívásnak 2017-ben is nekifutok, aztán meglátjuk, meddig jutok. Remélem, sikerült másnak is meghoznom a kedvét az olvasáshoz!

"A tudomány publikációs válsága (és egy lehetséges kiút)" a Budapest Science Meetup oldalról

A tudományos publikálás nehézségeiről kutatók egymás közt viszonylag sokat beszélünk, hiszen mindannyiunkat hasonlóan terhelnek, ugyanakkor "kifelé", a laikusok irányába erről nagyon kevés szót ejtünk. Nem rég megjelent egy írás, amelyet kimondottan ajánlok azoknak, akik szeretnének kicsit jobban belelátni tudományos publikálás és teljesítményértékelés rendszerébe. Olyasmi kérdésekről van szó benne, hogy:

- hogyan működik egy tudományos eredmény közzététele?

- mi biztosítja egy tudományos közlemény hihetőségét?

- hogyan szokás értékelni a kutatók teljesítményét, és mik ennek a buktatói?

- hogyan lettek a tudományos folyóiratok kiadói a leggátlástalanabb profitra szert tevő üzleti óriásokká?

 Kicsit hosszú, de érdemes elolvasni, kivételesen a kommenteket is!

A tudomány publikációs válsága (és egy lehetséges kiút)

Megújul a Kanitzia folyóirat

Az 1992-ben alapított, Kovács J. Attila által szerkesztett Kanitzia botanikai folyóirat Baráth Kornél technikai szerkesztővel, szerkesztőbizottsággal, valamint új honlappal megújulva jelenik meg. A szerkesztőség várja a florisztika, taxonómia, vegetációtan, növényszociológia, növényökológia, növényföldrajz, növényanatómia, paleobotanika, etnobotanika, tudománytörténet és természetvédelem tárgykörébe tartozó kéziratokat. További részletek, letölthető cikkek itt: Kanitzia honlap.

Kanitz Ágost, a folyóirat névadója

A névadóról bővebben: Wikipédia.

Karikatúra korunk tudományáról

Még jó, hogy nem "halad" mindenki a korral...