A mesma lista. A mesma Tsinghua. Dois veículos de comunicação chegaram a dois números diferentes. Um publicou 507, o outro, 539. Na categoria anual, aconteceu o mesmo: 849 contra 906.
Em 7 de outubro, a equipe de Ioannidis, de Stanford, e a Elsevier divulgaram a nona edição da lista deste ano dos «2% melhores cientistas do mundo». Na China continental, 14.582 pessoas entraram na lista de carreira e 37.201, na lista anual. No ano passado, esses números eram 12.374 e 31.685. Em um ano, ambos cresceram 17%.
17%. Muita gente viu esse número. E logo começou a discutir se a lista era confiável ou não. Mas ninguém perguntou como ela era calculada.
Acho que a discussão tomou o rumo errado. Antes de decidir se a lista é confiável, é preciso entender como ela divide os pesquisadores.
Há duas maneiras de entrar: estar entre os 100 mil primeiros em um indicador composto global ou ficar entre os 2% melhores do próprio subcampo. O nome impressiona. Parece que se trata dos 2% melhores do mundo, mas não é isso nem de longe. A lista divide todos os pesquisadores em 20 áreas e 174 subcampos. Cada subcampo tem seu próprio corte. Os 2%. Um matemático e um cardiologista nunca são colocados no mesmo grupo. Esse método de divisão faz sentido. Os hábitos de publicação e citação variam várias vezes de uma área para outra.
Os criadores queriam resolver um problema bem específico: quando um artigo tem centenas de autores, quem aparece no início da lista e quem aparece no fim recebe a mesma pontuação. E a pessoa que realmente escreveu o artigo acaba sem ter sua contribuição devidamente reconhecida. Isso não é avaliação, é só chamada. Das seis métricas, três levam em conta especificamente a posição dos autores: como calcular a autoria individual, a primeira autoria e a autoria de correspondência no fim da lista. A contribuição de cada pessoa é ponderada de acordo com sua posição em cada artigo. A partir da edição de 2024, a lista também inclui dados sobre retratações, para facilitar a identificação de anomalias.
Ele foi muito direto: trata-se de um banco de dados para pesquisa, não de um prêmio nem de um ranking. E acrescentou algo ainda mais contundente: há, de fato, alguns cientistas péssimos na lista; os dados deixam isso tudo à mostra, desde que você se dê ao trabalho de olhar com atenção.
Mesmo depois de o criador explicar tudo isso, a lista continua circulando como um título de prestígio. Como não transformar isso em título? Grupos de universidades publicam comunicados comemorativos. Formulários de contratação de talentos ganham mais uma linha. E as manchetes dizem: «Fulano, da nossa universidade, entrou para os 2% melhores do mundo».
E então chegamos àqueles dois números da Tsinghua. Como é possível contar dois números diferentes a partir da mesma lista?
As instituições aparecem na lista com nomes em inglês, e é preciso fazer a correspondência, uma a uma, com os nomes chineses das universidades. Se não houver correspondência, o pesquisador fica de fora; ninguém verifica. Pesquisadores vinculados a um laboratório internacional conjunto, ou cujo nome de instituição aparece apenas como o da faculdade, também acabam excluídos. Quando o Phoenix News publicou sua tabela, incluiu esta observação: «Como os nomes em inglês das instituições de alguns acadêmicos não são claros, não foi possível fazer a correspondência completa; esta tabela é uma contagem incompleta». Os materiais não explicam exatamente como essa correspondência foi feita, e ninguém insistiu em perguntar.
É uma frase discreta, mas é a chave de toda a questão. Um banco de dados capaz de calcular percentis com várias casas decimais, quando chega à etapa de responder «quantas pessoas há em cada universidade», apresenta uma margem de erro de dezenas de pessoas. A precisão está na origem. O erro aparece pelo caminho.
Na blockchain, existe o mesmo obstáculo. Depois que a altura do bloco é fixada, cada transação pode ser reproduzida e ninguém consegue alterá-la. Não é preciso que alguém conte o saldo e o histórico de transações de um endereço. Mas, para identificar o endereço como uma pessoa, é preciso recorrer a bases de etiquetas e associar uma sequência de letras e números a uma entidade, a um grupo de smart money ou a uma baleia. Esse trabalho é exatamente igual ao de associar o nome em inglês de uma universidade ao nome em chinês. Regras e trabalho manual só permitem adivinhar. A precisão fica entre 80% e 90%.
Rankings de smart money muitas vezes contam os dez endereços de uma mesma pessoa como dez fontes de capital diferentes. Estúdios especializados em farmar airdrops na Ethereum e na Solana tiram proveito justamente dessa brecha.
Na verdade, só é possível verificar os registros originais. Quem contou aquela tabela e como contou? Até agora, ninguém sabe.
Da próxima vez que você vir uma notícia comemorando quantas pessoas de certa universidade entraram na lista, desconte um pouco mentalmente. A lista não foi falsificada. Os dados se perderam pelo caminho. Só essas dezenas de pessoas já dão para escrever três notícias comemorativas.
Se quiser conferir seu próprio caso, não olhe apenas se entrou ou não. Os dados informam o percentil de cada pessoa no próprio subcampo, e esse número é muito mais útil do que simplesmente saber que «entrou». Até agora, pouca gente foi conferir. Uma pena: o que chega aos seus ouvidos é sempre só a segunda informação.
#比特币 #BinanceSquare
$BTC $ETH $SOL
Em 7 de outubro, a equipe de Ioannidis, de Stanford, e a Elsevier divulgaram a nona edição da lista deste ano dos «2% melhores cientistas do mundo». Na China continental, 14.582 pessoas entraram na lista de carreira e 37.201, na lista anual. No ano passado, esses números eram 12.374 e 31.685. Em um ano, ambos cresceram 17%.
17%. Muita gente viu esse número. E logo começou a discutir se a lista era confiável ou não. Mas ninguém perguntou como ela era calculada.
Acho que a discussão tomou o rumo errado. Antes de decidir se a lista é confiável, é preciso entender como ela divide os pesquisadores.
Há duas maneiras de entrar: estar entre os 100 mil primeiros em um indicador composto global ou ficar entre os 2% melhores do próprio subcampo. O nome impressiona. Parece que se trata dos 2% melhores do mundo, mas não é isso nem de longe. A lista divide todos os pesquisadores em 20 áreas e 174 subcampos. Cada subcampo tem seu próprio corte. Os 2%. Um matemático e um cardiologista nunca são colocados no mesmo grupo. Esse método de divisão faz sentido. Os hábitos de publicação e citação variam várias vezes de uma área para outra.
Os criadores queriam resolver um problema bem específico: quando um artigo tem centenas de autores, quem aparece no início da lista e quem aparece no fim recebe a mesma pontuação. E a pessoa que realmente escreveu o artigo acaba sem ter sua contribuição devidamente reconhecida. Isso não é avaliação, é só chamada. Das seis métricas, três levam em conta especificamente a posição dos autores: como calcular a autoria individual, a primeira autoria e a autoria de correspondência no fim da lista. A contribuição de cada pessoa é ponderada de acordo com sua posição em cada artigo. A partir da edição de 2024, a lista também inclui dados sobre retratações, para facilitar a identificação de anomalias.
Ele foi muito direto: trata-se de um banco de dados para pesquisa, não de um prêmio nem de um ranking. E acrescentou algo ainda mais contundente: há, de fato, alguns cientistas péssimos na lista; os dados deixam isso tudo à mostra, desde que você se dê ao trabalho de olhar com atenção.
Mesmo depois de o criador explicar tudo isso, a lista continua circulando como um título de prestígio. Como não transformar isso em título? Grupos de universidades publicam comunicados comemorativos. Formulários de contratação de talentos ganham mais uma linha. E as manchetes dizem: «Fulano, da nossa universidade, entrou para os 2% melhores do mundo».
E então chegamos àqueles dois números da Tsinghua. Como é possível contar dois números diferentes a partir da mesma lista?
As instituições aparecem na lista com nomes em inglês, e é preciso fazer a correspondência, uma a uma, com os nomes chineses das universidades. Se não houver correspondência, o pesquisador fica de fora; ninguém verifica. Pesquisadores vinculados a um laboratório internacional conjunto, ou cujo nome de instituição aparece apenas como o da faculdade, também acabam excluídos. Quando o Phoenix News publicou sua tabela, incluiu esta observação: «Como os nomes em inglês das instituições de alguns acadêmicos não são claros, não foi possível fazer a correspondência completa; esta tabela é uma contagem incompleta». Os materiais não explicam exatamente como essa correspondência foi feita, e ninguém insistiu em perguntar.
É uma frase discreta, mas é a chave de toda a questão. Um banco de dados capaz de calcular percentis com várias casas decimais, quando chega à etapa de responder «quantas pessoas há em cada universidade», apresenta uma margem de erro de dezenas de pessoas. A precisão está na origem. O erro aparece pelo caminho.
Na blockchain, existe o mesmo obstáculo. Depois que a altura do bloco é fixada, cada transação pode ser reproduzida e ninguém consegue alterá-la. Não é preciso que alguém conte o saldo e o histórico de transações de um endereço. Mas, para identificar o endereço como uma pessoa, é preciso recorrer a bases de etiquetas e associar uma sequência de letras e números a uma entidade, a um grupo de smart money ou a uma baleia. Esse trabalho é exatamente igual ao de associar o nome em inglês de uma universidade ao nome em chinês. Regras e trabalho manual só permitem adivinhar. A precisão fica entre 80% e 90%.
Rankings de smart money muitas vezes contam os dez endereços de uma mesma pessoa como dez fontes de capital diferentes. Estúdios especializados em farmar airdrops na Ethereum e na Solana tiram proveito justamente dessa brecha.
Na verdade, só é possível verificar os registros originais. Quem contou aquela tabela e como contou? Até agora, ninguém sabe.
Da próxima vez que você vir uma notícia comemorando quantas pessoas de certa universidade entraram na lista, desconte um pouco mentalmente. A lista não foi falsificada. Os dados se perderam pelo caminho. Só essas dezenas de pessoas já dão para escrever três notícias comemorativas.
Se quiser conferir seu próprio caso, não olhe apenas se entrou ou não. Os dados informam o percentil de cada pessoa no próprio subcampo, e esse número é muito mais útil do que simplesmente saber que «entrou». Até agora, pouca gente foi conferir. Uma pena: o que chega aos seus ouvidos é sempre só a segunda informação.
#比特币 #BinanceSquare
$BTC $ETH $SOL