標籤彙整:技能

GRSP_20191020_1403
2024 / 2 / 6

【長期心得】從 Intern 時期跌跌撞撞,到住院醫師發表 4 篇 original。

 

作者:眼科 施恩潔 醫師

 

 

GRSP_20191020_1403

 

 

回想一開始的論文發表,真的是從跌跌撞撞開始摸索起的。

 

 

在專科住院醫師之前,學好寫作技能,你會感謝那時期自己的努力。

 

大學的時候沒有想過要寫 paper,直到大七的時候,有同學說聽說我有在寫 paper,來找我問研究的事情。那時候想說,「人家以為我在寫 paper,結果其實都沒寫,有點尷尬」,所以開始找臨床老師寫論文。

 

很幸運的,沒多久就拿到一個 case report。但根據老師指導的方向開始動筆以後,總覺得自己好像沒抓到重點,連 reference 排版都只會用手工排版。那時候第一篇 case report 的 reference 才十幾個,我排了一個晚上還沒排完。看著自己參考的 paper,動不動幾十篇 reference,「怎麼可能全部都手工排版,太累了吧。」

 

上網查才發現有 EndNote 這樣的書目管理軟體,去圖書館上課,花了一個晚上排好 reference,覺得非常有成就感。

 

閱讀更多 »

00_FB_Meta-analysis_20220730_0709
2022 / 8 / 3

2022 / 7 / 30(六)課程照片記錄

 

 

00_FB_Meta-analysis_20220730_0709

 

 

做出整套『指定論文』投稿水準的圖表!」不只是互動實作的學習目標,更是讓大家可以終身應用的論文統計技能。有好課程的帶領,meta-analysis 變得更加容易寫、容易發。

 

參加過幾堂軟體實作的課程,新思惟團隊對於課程流暢度與學員實作可完成度,屬相當厲害的課程設計,確實能讓新手於一日的課程做出符合 SCI 投稿水準的圖表。

 

只要一天,就能學會投稿 SCI 的核心知識,從研究發想到論文撰寫架構,甚至連投稿等級的統計圖表也可輕鬆上手!課程中,直接教導各位使用 CMA 統合分析軟體;不用寫程式語法,僅是照著課堂指引及實作手冊做,forest plot、funnel plot 等圖表,兩小時內就能順利完成,讓您學有所成並且滿載而歸,踏上研究之路更有信心。

 

這門課,就是為研究初心者量身規劃,以系統化的學習,幫您省下試誤的時間。

 

謝謝講師用心準備的內容,言簡意賅,不浪費大家週末時間。

 

其實 meta-analysis 並不難,只要破除寫論文的心魔,避開常犯的錯誤,就能大大提升被 accept 的機會。即使從來沒有發表過 SCI 論文,完全是新手,照著課堂上講師的教學內容與指引,也能在課後五個月,讓第一篇統合分析研究,成為研究履歷中第一篇 SCI 論文!在這個有 meta-analysis 的時代,沒資源的年輕醫師,也能學術起飛

 

新年度 IF 已公布,最新的趨勢和校友的經驗分享,都在新思惟之友。蔡校長評論:「今年的 IF 暴衝頗誇張的個別期刊不少,而且排名都亂掉了,跟以前的順序不一樣,不是雨露均霑的那種漲上去,而是高下互見。」

 

 

對於內科系研究、外科系研究、個案報告等文體,以及想要走向國際有興趣的,我們也有相對應的課程。主題不同,內容一樣豐富優質,一樣都有大量校友產出成績。

 

 

以下,一起回顧當天熱情學習的照片記錄。

 

 

最新活動

 

閱讀更多 »

01_innovarad_JYang_Meta-analysis_20190811_1172
2019 / 8 / 15

想快速學會一項技能,你選擇自學還是上課呢?

 

作者:成功大學 醫學資訊所 楊仁 研究生

 

 

01_innovarad_JYang_Meta-analysis_20190811_1172

 

 

覺得很棒!面向新手,把大量經驗壓縮進一日的課程, 大概很難比這工作坊做得更好了吧。

 

 

自學能力重要,但如果需要快速學會這項技能呢?

 

接觸資工後,常常遇到被迫自己摸索的情境:被丟個 Cookbook 打發 / 被酸不會自己找答案 / 在社群提問回答水準參差不齊 / 授課老師來亂的。在這些情況下,總是會想:啊,要是有個工作坊,那該有多好。我也知道自學能力很重要,但我現在有技能須快速提升的迫切需求啊!

 

當然,也會聽到花錢當盤子云云。就學習方來看,覺得是個人價值問題,省下的時間和心力,對自己來説非常寶貴;從主辦方來看,難以想像,全明星講師助教群和流暢至此的流程,想必需要耗費極大的成本。

 

講師在最後提醒:「上完課不代表就會寫文章了」。個人覺得十分中肯,而且這本來就不是對 7 小時課程的合理期待。比如對 random effect model / Hedges’ g 和 Cohen’s d 的差異 / Egger’s test 數學原理解釋都是教我們基礎且實用的,並且點到為止。

 

剛好因爲最近在研究機器學習,拿著重新念過的統計來看,這樣的拿捏恰到好處:有些東西再深入探究,需要學會的時間,就非線性飆升,但實用度卻不一定等比成長。回家整理筆記的時數不下於課堂時間,也讓我再次驚訝於上課内容的壓縮率。拿開車來比喻,工作坊雖然不是百分百的自動駕駛,但卻是 7 小時不間斷的 GPS + 氮氣加速系統,快速且有目標的前進。

 

閱讀更多 »