Может быть, в библиотеках западных стран обстановка иная? Вам не приходило в голову, что радикальными изменениями, произошедшими в общественной жизни за последние полтора столетия, человечество обязано высокому уровню обслуживания в европейских библиотеках? Во всяком случае, Das Kapital не случайно был написан в библиотеке Британского музея.
Наши наблюдения показывают, что посетители крупных библиотек довольно отчетливо делятся на три категории:
а) аспиранты и аспирантки, озабоченные тем же, что и Вы, любезный читатель, – поиском литературы для диссертации;
б) дамы средних лет, уже не занятые воспитанием детей и решительно уклоняющиеся от роли «бабушки при внуках», – они пришли, чтобы «взять почитать что-нибудь новенькое»; удивительно, но библиотекари обслуживают эту публику с бoльшим желанием, чем Вас, – сказывается духовная близость;
в) очень старые и очень неухоженные мужчины, которым просто больше некуда податься, – они обманывают себя тем, что носят в кармане пиджака потрепанную тетрадь и время от времени что-то в нее переписывают.
Представители всех трех перечисленных категорий читателей обращаются к библиотечным работникам с легким оттенком подобострастия, что не может не тешить самолюбие этих образованных людей, которым платят в три раза меньше, чем уборщице.
Мы совсем не враги научных библиотек, сотням из них мы дарим издаваемые нами книги. Однако мы убеждены в том, что устарели не только методы работы, но и сама концепция, положенная в основу существования этих почтенных учреждений. Слов нет, хранить книги и журналы – дело важное, но надо еще и постараться сделать так, чтобы ими можно было пользоваться с большим удобством или хотя бы без стольких мучений.
В век персональных компьютеров значение классической библиографии существенно снизилось, но полностью игнорировать ее подрастающий исследователь не должен. Невозможно читать научные книги и статьи, не делая записей, и обидно бывает потом при подготовке текста диссертации не иметь возможности использовать часть своих рефератов из-за отсутствия в них точного описания источника (хотя эта проблема отчасти решается уточнением данных с помощью Интернета). Это – наиболее часто встречающееся, но не единственное препятствие в работе с литературой.
Поэтому, если Вы имеете счастье учиться в очной аспирантуре, где, может быть, еще проводятся занятия по основам библиографии, постарайтесь их посетить. Там Вас:
а) научат правилам стандартного библиографического описания литературного источника (статьи, монографии и пр.);
б) объяснят, как искать нужную Вам литературу в библиотеках.
Чего не могут, да и не должны делать дамы-библиографы, так это объяснять, что Вам с литературой делать. К сожалению, мы никогда не слышали, чтобы кто-нибудь кого-нибудь учил работать с литературой. Может быть, методы слишком индивидуальны, может быть, дело в том, что те, кто умеет работать, забыли преодоленные в начале пути трудности и не понимают, каково тем, кто еще не научился. Рекомендации по методике работы с научной литературой и рациональные приемы реферирования будут изложены в гл. 3.
Неплохо также иметь представление о правилах корректуры. Эти знания пригодятся Вам, когда научный руководитель будет править текст Вашей диссертации. Вы должны хотя бы понимать, что именно он предлагает Вам изменить в тексте. Сделайте ксерокопию таблицы наиболее употребительных корректурных знаков (Вы найдете ее в любом справочнике, издаваемом для авторов, корректоров или редакторов) и повесьте на стену перед вашим рабочим столом. Несмотря на то что все большая часть редактирования выполняется в последние годы на компьютерах, правка «пером по бумаге» хотя бы в небольшом объеме будет производиться и впредь. (Как правило, последние этапы редактирования выполняются на бумаге, и для этого есть свои причины, которые будут изложены в нашей книге.) Лучше раз и навсегда научиться выполнять ее так, чтобы результат не вызывал разночтений.
Один из обязательных компонентов профессиональной подготовки начинающего исследователя – освоение методов статистического анализа экспериментальных данных.
Для начала надо усвоить: то, что кажется Вам очевидным, совсем необязательно является научной истиной, и упрощенное понимание «здравого смысла» часто приводит к заблуждению. Вы видите, что состояние человека, страдающего хроническим простатитом, улучшилось после курса лечения кремом Неопрост (в виде пропитки для ректальных тампонов). Очевидно? Для данного конкретного случая – несомненно, да. Можно ли на основании этого утверждать, что у большинства людей, страдающих тем же недугом, тот же препарат даст тот же эффект? Нет, до проведения статистического анализа данных Вы этого утверждать не должны, поскольку теоретически возможно, что положительный эффект был вызван индивидуальными особенностями данного конкретного больного (возраст, сексуальная активность, вредные привычки и сопутствующие заболевания), другими принимаемыми в это же время лекарствами и еще многими другими факторами. Так что пока Вы не имеете права перенести результаты данного замечательного наблюдения на всех больных хроническим простатитом.
Когда Вы завершите свое исследование, Вы ведь не скажете членам диссертационного совета: «Предлагаемый мною метод лечения помог 50-ти больным, а что будет с другими больными, я не знаю». Вы должны показать, что в пределах названных Вами ограничений Неопрост помогает в большинстве или хотя бы во многих случаях хронического простатита. Вот здесь и заключается, возможно, главное отличие научного метода от житейского, бытового подхода. Исследование должно быть проведено по определенным правилам. Рассмотрим две ситуации. В первой из них применение статистики не требуется, во второй – строго обязательно.
Ситуация первая (очень редкая): Вы исследуете уникальный объект, аналогов которого нет в природе. Все, что Вы установите путем измерений и правильно проведенных логических умозаключений, будет истиной или чем-то близким к ней. Статистика здесь не нужна. Врачи, исследовавшие состояние Гагарина во время и после первого в истории человечества космического полета, во многих случаях не обязаны были, да и не могли прибегать к статистическим методам (и то не всегда: например, среднюю частоту сердечных сокращений все равно следовало бы высчитывать как статистический показатель). Если когда-нибудь поймают снежного человека, его рост, масса тела и прочие показатели тоже войдут в науку без статистической обработки.
Ситуация вторая (обычная и ежедневная): Вы изучаете объекты, каких в природе и обществе много. Здесь применение статистических методов совершенно обязательно.
Для начала Вам придется познакомиться с самыми простыми понятиями математической статистики (наши определения приблизительны, строгие дефиниции смотрите в математических руководствах):
а) Генеральная совокупность – все объекты данного класса, например, все женщины в возрасте от 35 до 60 лет, страдающие острым циститом, или все здоровые мужчины в возрасте от 30 до 45 лет и т. д. Исследовать генеральную совокупность, как правило, невозможно из-за ее огромного объема и ограниченности Ваших сил и средств, поэтому приходится ограничиться исследованием выборки.
б) Выборка – группа объектов, взятых с соблюдением соответствующих правил (см. гл. 5) из генеральной совокупности. Объем выборки не превышает ваших возможностей, но одновременно он достаточно велик, чтобы найденные Вами закономерности можно было перенести на генеральную совокупность.
А в целом совет таков: прежде чем поверить своим глазам, спросите себя, не пытаются ли они Вас обмануть.
Для освоения статистических методов, как, наверное, и в любом другом аспекте обучения, понимание общих принципов важнее знания деталей и тонких различий между многочисленными статистическими критериями. Вряд ли кто-нибудь станет оспаривать это положение. Но почему, ответьте, курсы математической статистики, читаемые аспирантам, полны описания экзотических критериев высокой степени сложности и почему исследователь, прослушавший такой курс, не может толком объяснить разницу между областями применения критериев Стью-дента для парных и непарных выборок? Незнание правил рандомизации – еще более вопиющий симптом неблагополучия в деле подготовки молодых исследователей. Возможно, причина этого заключена в традиционной организации высшей школы. Каждую дисциплину преподает соответствующая кафедра или специализированный курс, сотрудники которых для подтверждения своего статуса преподавателей и исследователей, наконец, просто для получения ученых степеней и званий должны разрабатывать новые направления в своей отрасли науки. Поэтому создавать бесчисленные математические модели биологических процессов несравнимо почетнее, чем просто и толково объяснять бедным аспирантам основы статистики.
