Evidence-Based Management Canvas (EBMc)

The Evidence-Based Management Canvas (EBMc) is a tool that helps organize the decision-making process in an organization systematically. It is based on analyzing reliable data and evidence from various sources, such as scientific research, organizational data, expert opinions, and the values or expectations of stakeholders. It enables managers to make effective, thoughtful, and justified decisions that enhance the efficiency and accuracy of actions within the organization.

Evidence-Based Management Canvas (EBMc)

^{It enables managers to make effective, thoughtful, and justified decisions.}

1. Problem Question Identifying the key management issue or challenge. This stage involves: Thorough understanding of the organizational context and the situation in which the problem arises. Formulating the question clearly and precisely to enable targeted evidence searching. Determining the objectives to be achieved and the criteria that will indicate success in solving the problem. Ensuring the question is relevant to stakeholders and aligns with the organization's strategic goals.		2. Data and Evidence Gathering evidence from six sources: Scientific Research: Review of scientific literature, such as peer-reviewed articles, meta-analyses, and research reports. It is important to consider studies on organizational behavior and the specificities of local and global markets. Gray Literature: Government reports, white papers, conference materials, and industry organization studies that often provide the latest practical data. Organizational Data: Internal company data, including operational reports, financial results, KPI analyses, or employee and customer satisfaction data, helping identify current challenges and trends. Expert Opinions: Recommendations from practitioners and industry specialists who can provide in-depth insights based on professional experience. Critical thinking is essential to avoid bias. Stakeholder Values and Expectations: Understanding the needs and priorities of individuals involved in the decision-making process, both internally and externally. Including their perspective builds engagement and acceptance of implemented solutions. Cultural Aspects: Analysis of norms, values, beliefs, and practices characteristic of the organization, industry, and broader environment in which the company operates.
3. Data Analysis Analyzing collected evidence using quantitative and qualitative methods.		4. Conclusions and Recommendations Developing and prioritizing data-driven recommendations.
5. Implementation Implementing the recommendations in practice and monitoring outcomes.

CC BY-NC-ND 4.0

Evidence-Based Management Canvas (EBMc) is a tool that helps organize the decision-making process in an organization systematically.

more...

Analysis of Max Ringelmann's experiment

Scientific research is the foundation of progress in science, but the question of whether it should be conducted individually or in teams remains relevant. The same applies to social sciences. The word social here plays an object role.

Max Ringelmann's 1913 experiment on tug-of-war can serve as a starting point for analyzing the impact of a group on the effectiveness of research work. This study reveals an interesting phenomenon related to the diffusion of responsibility, which can be crucial in the context of teams (including research teams). It is also worth considering what psychological mechanisms might influence research outcomes in a group, including the application of theories related to motivation and group dynamics.

Max Ringelmann’s Experiment

Max Ringelmann conducted an experiment comparing the effectiveness of individual and group tug-of-war. The results showed that participants who pulled the rope in a group exerted less force than those who participated in individual competitions. This phenomenon, called the Ringelmann Effect, indicates a decrease in effort in group situations, which stems from the "diffusion of responsibility." When people work together, they often feel that their individual contribution is not crucial to the final result. This can lead to reduced engagement and, consequently, lower group effectiveness.

Image by Ron Lach: pexels.com

Other Psychological Models

When analyzing the impact of teamwork on scientific research, it is useful to consider two other psychological models that can explain why working in a group may lead to less engagement:

1. Diffusion of Responsibility Theory (Latané, Williams, & Harkins, 1979)

   According to the diffusion of responsibility theory, when people work in a group, they tend to reduce their effort because they feel their individual contribution will not significantly affect the outcome. This effect is particularly pronounced when group members do not have clearly assigned roles or responsibilities. In scientific research, where each team member contributes their knowledge and skills, the lack of individual responsibility for the whole project can lead to decreased motivation and lower engagement in the task.

2. Social Proof Theory (Cialdini, 1984)

   According to this theory, people in a group often follow the behavior of other members, especially in situations where they are unsure of how to behave. In the context of scientific research, this can lead to a situation where group members conform to the expectations and standards of other researchers, which can reduce creativity and originality in their work. Rather than actively engaging in searching for new solutions, researchers may rely on behaviors and methods already used by others, diminishing their individual contribution.

Individual Work vs. Team Collaboration

Based on the Ringelmann Effect and the aforementioned psychological theories, conclusions can be drawn about the advantages and disadvantages of individual and team-based work in scientific research:

1. Benefits of Individual Work:

   Working individually allows for complete control over the research process. The researcher independently makes decisions regarding methodology, data analysis, and the direction of research. Additionally, it may lead to a deeper understanding of the subject, as the researcher has more freedom to explore specific issues. Moreover, the lack of external expectations fosters greater creativity and independence.

2. Benefits of Team Collaboration:

   On the other hand, collaboration in a research team allows for the exchange of ideas, integration of different specialized skills and experiences, which can lead to more comprehensive and accurate research. However, as shown by the Ringelmann Effect, it is crucial for the team to be well-organized, with clear responsibility for results, to avoid diffusion of responsibility and decreased engagement.

The Two Pizza Rule

In the context of organizing effective research teams, it is also worth mentioning the so-called Two Pizza Rule, proposed by Jeff Bezos, the founder of Amazon. This rule states that teams should have as many members as can be fed with two pizzas. This means the team should consist of 4 to 6 members to be small enough to enable effective communication and collaboration but also large enough to have a diverse set of skills and perspectives. In scientific research, this rule emphasizes the importance of maintaining small, agile groups that can quickly make decisions and focus on specific tasks, minimizing the risk of reduced engagement and diffusion of responsibility.

“Together, with full responsibility – every strength matters.”

Summary

Max Ringelmann's experiment and psychological models such as the diffusion of responsibility theory and social proof theory show that scientific research conducted in groups may encounter challenges related to motivation and engagement among team members. In individual work, the researcher has full control over the project, which leads to greater engagement. However, in the case of complex research, teamwork can yield better results, provided that each team member is responsible for their contribution and engagement. Ultimately, the key to success lies in the proper organization of team work and clear division of responsibilities.

Sources:

1. https://agilehunters.com/prozniactwo-spoleczne/ [2024-12-25]
2. Elizabeth Mieczkowski, Cameron Turner, Natalia Vélez, Thomas L. Griffiths, *Many Hands Don’t Always Make Light Work: Explaining Social Loafing via Multiprocessing Efficiency*, “Proceedings of the Annual Meeting of the Cognitive Science Society” (2024), pp. 5958–6005, Link.

more...

Merton's norms and Mitroff's counter-norms and real science

The reality of management science is based on solid methodological foundations that ensure the reliability, objectivity, and effectiveness of research and scientific processes. Merton's norms, developed by Robert Merton, introduced principles that form the foundation for a scientific approach to research in various fields. However, in the context of management science, there is also a need to consider the counter-norms proposed by Ian Mitroff, which address practical challenges that may arise in organizational reality. This article discusses the application of Merton's norms and Mitroff's counter-norms in the context of management Science, highlighting their significance in ensuring the effectiveness of organizational processes.

Merton's Norms

Robert Merton introduced four key principles (here presented as five, in a later variation) that are fundamental to science and research, and their application in the field of management science can serve as the foundation for an effective approach to innovation, development, and process improvement. In the context of management, these principles help ensure the reliability and transparency of decision-making and maintain high standards in the management science.

1. Universality

The principle of universality assumes that the results and decisions regarding quality management and organizational processes should be evaluated based on uniform, objective criteria, regardless of the identity of the person making the decision. In practice, this means that methods for assessing quality and management effectiveness must be universal, so they can be applied in different contexts and organizations.

2. Objectivity

The principle of objectivity means that decisions based on measurement results and analysis should be made independently of personal preferences, interests, or external pressures. Objectivity guarantees that the evaluation and improvement processes will be conducted based on actual data, not subjective opinions.

3. Skepticism

Scientific skepticism means that all solutions and processes must be regularly evaluated and verified, even if they have been considered effective in the past. The principle of skepticism allows organizations to avoid stagnation and adapt to changing market, technological, or social conditions.

4. Organization

The principle of organization refers to collaboration within the scientific community, but in the context of management and quality, it also has an organizational dimension. This means that quality management and innovation processes must be carried out collaboratively, with the exchange of information and a common effort toward excellence.

5. Public Accessibility
Scientific knowledge should be available to everyone. Research results must be published and shared with the broader scientific community so that they can be further analyzed, criticized, and developed.

Image added by Pixabay: https://www.pexels.com/

Mitroff's Counter-Norms

While Merton's norms represent a theoretical ideal, real scientific processes often encounter challenges that lead to the application of counter-norms proposed by Ian Mitroff. Mitroff pointed out that in practice, these norms are not always adhered to, which may lead to the introduction of new rules that better reflect the complexity of modern organizations.

1. Relativism

Mitroff highlights relativism, which arises in organizational practice when research results or quality decisions are evaluated through the lens of the interests of the organization. Instead of universal criteria for evaluation, decisions may be based on local, political, or economic conditions.

2. Subjectivism

In management, subjectivism may occur when decisions regarding quality assessment are based on the preferences and personal beliefs of those responsible for the processes. Instead of using objective assessment tools, processes may be shaped by the subjective opinions of managers or project leaders.

3. Dogmatism

Dogmatism in management means relying on previously accepted solutions without verifying their effectiveness in new conditions. In organizations that adopt a dogmatic approach, there is a strong tendency to maintain old methods despite emerging new challenges.

4. Isolationism

Isolationism in management may occur when different departments within an organization do not collaborate on quality improvement, leading to discrepancies in approach and a lack of consistency in processes.

5. Public availability

The public availability of research results may be limited in cases where sensitive data, intellectual property or commercial interests prevent their full publication.

Conclusion

Merton's norms and Mitroff's counter-norms provide valuable insights into how any science, including management science, should be conducted. While Merton's principles represent an ideal model for striving for objectivity, universality, and transparency, Mitroff's counter-norms remind us of the realities in which organizations must adjust their approach to changing market, technological, and political conditions. Understanding these two perspectives allows for better management, providing a balance between the ideal scientific approach and the demands of business practice.

more...

Pseudoscience vs. Parascience and Protoscience vs. Evidence-Based Management: How to Distinguish and Apply Sound Management Approaches

The modern world of management faces a vast amount of data and theories that aim to support decision-making. However, not all approaches are based on solid scientific foundations. Often, theories appear credible but, upon closer examination, prove to be pseudoscientific, parascientific, or protonscientific. Distinguishing these approaches and understanding how to use evidence-based management (EBM) in management is crucial for making effective decisions. To better understand these differences, let’s examine controversial theories such as wandering RNA and the structure of water, and their relevance to management practice.

We believe that in an era of easy access to information and frequent encounters with pseudoscientific theories, our role as responsible professionals is to clearly distinguish science from pseudoscience, parascience, and protonscience.

Pseudoscience, Parascience, and Protonscience

Pseudoscience

Pseudoscience refers to a set of theories or claims that present themselves as scientific but lack solid evidence and fail to meet basic methodological standards. Pseudoscience often lacks the verifiability of results, and the hypotheses are untestable or disproven by experimental evidence.

Example in management: The idea that an organization can achieve success solely through a so-called "secret formula" based on unverified thoughts or popular but unconfirmed ideas (e.g., manipulation of "organizational energy").

Parascience

Parascience is a field that is not fully recognized by mainstream science but still remains within the scientific interest. It often lacks the standards required to be considered full science but may be helpful in certain research or experimental cases.

Example in management: Theories based on popular but unconfirmed research suggesting that certain motivational techniques (such as affirmations or "sound therapy") can be effective in management, despite lacking full confirmation in studies on management effectiveness.

Protonscience

Protonscience refers to an area that lies on the border between science and pseudoscience but has the potential for further development and could lead to real science. Protonscience does not yet meet all scientific requirements but research in this area may provide new tools to understand phenomena.

Example in management: Research on organizational psychology that begins to study subjective factors influencing employee performance but is not yet fully confirmed, such as studying the impact of "employee feelings" on their results, which needs further validation in different organizational contexts.

Image by Abby Chung: https://www.pexels.com

Wandering RNA and the Structure of Water

Wandering RNA is an example of pseudoscience because this theory lacks experimental confirmation and does not meet the methodological standards of science. Claims that RNA can wander freely between cells in a way unrelated to existing biological mechanisms are an example of speculation that lacks solid scientific support. From the EBM perspective, such theories would have no place in decision-making processes because they are not based on reliable evidence.

Application in management: Using theories that lack solid scientific evidence can lead to wrong decisions by management. For example, implementing unconfirmed motivational or developmental methods that may turn out to be ineffective, instead of using proven management practices based on evidence.

Theories about the structure of water, which suggest that water has "memory" and can store information (e.g., in homeopathy), are classic examples of parascience. While research on water and its properties is fascinating, there is still little evidence to support this theory. Water may have some structures that are an interesting area of research, but claims that it can store information are speculative and lack solid evidence.

Application in management: Just like with pseudoscience, the use of theories that are not confirmed by evidence can lead to ineffective solutions in organizations. In management, using unproven theories (e.g., related to organizational psychology or motivation) can result in poor decisions that do not deliver the expected outcomes.

Evidence-Based Management (EBM)

Evidence-Based Management (EBM) is an approach that relies on solid scientific evidence when making managerial decisions. EBM requires organizations to use available research, data, and experiences to make informed decisions. This approach is the opposite of using pseudoscientific, parascientific, or protonscientific theories, which can lead to erroneous conclusions.

EBM example: Instead of relying on unverified ideas, organizations using EBM base their decisions on data regarding employee performance, organizational outcomes, and scientific research to implement practices that have been proven to be effective.

more...

Training called Effective Bibliography Management

An essential element of every research process, occurring at almost every stage of a researcher's work, is the review and analysis of the subject literature. The aim of the training is to draw attention to how to organize literature using databases in combination with modern technological tools, such as bibliography managers (RMS, Reference Management Software). Such activities, which will soon become a permanent element of scientific research methodology, should be of particular importance in the discipline of management and quality sciences, the main goal of which is to search for newer and newer solutions that affect better organization and greater efficiency of performed tasks and works.

Framework Program

1. Citavi: program installation and cooperation with plugins for Adobe and WORD,
2. Citavi: automation of creating a copy of the project,
3. Citavi: adding and describing sources of offline publications,
4. Citavi: adding and describing sources by DOI number, ISBN,
5. Citavi: adding and describing sources from a pdf file,
6. Citavi: searching in databases or directories,
7. Citavi: importing and exporting sources between Citavi, ORCID and Google Schoolar,
8. Chrome browser: adding publications using Citavi Picker,
9. WORD: embedding citations from sources in the style of the Oxford Referencing System, Harvard Referencing System: converting in-text citations to citations in footnotes and vice versa.

I order once
Group
A short guide

Price: by agreement or barter
Training language: Polish

Certificate based on § 23 ust. 4 Rozporządzenia Ministra Edukacji i Nauki z dnia 6 października 2023 r. w sprawie kształcenia ustawicznego w formach pozaszkolnych (Dz. U. z 2023 r., poz. 2175).

Trainer: Piotr Janulek, PhD. Entrepreneur since 1997, building bridges between education and business. Runs the akademia-nauki.eu platform, focusing on accounting, communication and personal development. Interested in social media, accounting, innovative business models and evidence-based management.

more...

Types of scientific evidence

Scientific evidence is the foundation for reasoning and decision-making in various fields, such as medicine, psychology, and education. To understand how to assess the reliability and credibility of evidence, it is worth looking at the evidence hierarchy, which divides evidence into five levels, depending on the methodology and nature of the studies. Below is a detailed description of each level.

Level I: Experimental randomized controlled trials (RCTs)

The highest level contains evidence from experimental studies, such as randomized controlled trials (RCTs) and their systematic reviews with or without meta-analysis. These studies are characterized by the highest methodological quality, because random selection of participants and control of variables minimize the risk of systematic errors. Additionally, meta-analyses allow the results of multiple studies to be combined, which increases statistical power and precision of conclusions.

Level II: Quasi-experimental studies

The second level includes quasi-experimental studies, systematic reviews combining the results of RCTs and quasi-experimental studies, and quasi-experimental studies alone, with or without meta-analysis. Although the lack of random assignment of groups may introduce the risk of bias, such studies still provide valuable information, especially in situations where RCTs are not feasible.

Level III: Non-experimental studies and systematic reviews

The third level includes non-experimental studies, such as observational studies, systematic reviews of RCTs, quasi-experimental studies, and qualitative studies with or without meta-synthesis. The inclusion of qualitative methods allows for a deeper understanding of social and behavioral phenomena, but the lack of control over variables may limit the generalizability of the results.

Level IV: Opinions of recognized authorities

The fourth level refers to the opinions of respected authorities, reports of expert committees or consensus panels based on scientific evidence. Although this type of evidence does not come directly from empirical research, it is important for decision-making, especially in areas where solid empirical data are lacking.

Level V: Literature Reviews and Expert Experience

At the lowest level are literature reviews, program evaluation reports, financial analyses, case studies, and expert opinion based on experience. Although this evidence is of limited strength, it is often a starting point for more rigorous research.

The Importance of the Evidence Hierarchy

Understanding the different levels of evidence allows us to critically evaluate the credibility of information and make decisions based on scientific evidence. In practice, this hierarchy helps researchers, practitioners, and policymakers choose the best available evidence to address specific problems.

This approach helps us build a solid foundation for science, education, and public policy while promoting transparency and effectiveness in our actions.

Sources:

1. https://academicguides.waldenu.edu/library/healthevidence/types [2024-12-24]
2. Janulek, P., Dowody naukowe, https://badania-naukowe.blogspot.com/2024/09/dowody-naukowe.html [2024-12-24]

more...

Evidence-based management in managerial decision-making process

Evidence-based management has not yet been considered in the context of practical managerial decision-making systems that leverage modern information technologies and big data. While management and quality sciences have always focused on application solutions, modern technologies have significantly broadened the scope of utilizing scientific research results in managerial decision-making. 

Save to bibliography manager: RIS

Our aim is to demonstrate the rationale for developing a new theory of business decision-making systems based on large datasets of scientific research results. New management concepts, ideas, and messages should be created, developed, and refined through a systematic and interdisciplinary approach to evaluating solutions described in carefully selected scientific publications.

Link to summary:  https://przegladorganizacji.pl/artykul/2024/10.33141po.2024.01.05 

more...

Why scientific research makes sense in a world of subjective beliefs

The modern world is characterized by a multitude of views and beliefs. In societies that value freedom of speech and individualism, there is a tendency to treat truth as something subjective, determined on the basis of personal experiences, beliefs, or emotions. If everyone has the right to their own truth, is there any point in scientific research? Does research that allows us to discover new facts and solve puzzles have any justification in such a world? The answer is yes, because the pursuit of truth is based on the assumption that there are better answers than others, and truth is not just the effect of a subjective view of reality.

Objective vs. subjective truth

In a situation where all views are treated as equal and equally valuable, a fundamental question arises: why undertake any scientific research? If there is no single objective truth, then why analyze the histories of the past, investigate the causes of contemporary conflicts, or search for new methods of treatment? In such reasoning, all answers may seem equally important, and each form of knowledge equally valid. However, what distinguishes science from relativism is the assumption that there are objective, measurable criteria for evaluating different views, discoveries, and theories.

Scientific research only makes sense when verifiable answers are more accurate than others, when there is something behind the truth that is independent of our subjective preferences. 

Also in the case of archaeological excavations, medicine, or research on the Universe, the goal is to discover objective facts that, regardless of who examines them, will be an invariable part of our knowledge of the world.

Science as the pursuit of better answers

One example that perfectly illustrates the meaning of research is medicine. The search for a cure for cancer is an issue in which research can really change the lives of millions of people. If all views on cancer treatment were treated equally, we would not make an effort to develop effective therapies. Medical knowledge develops on the basis of scientific evidence that indicates the effectiveness of specific treatments and rejects others that turn out to be ineffective or harmful.

We are dealing with a similar logic in the case of analyzing the causes of tensions in the Middle East. To understand why conflicts occur, we need to go beyond subjective interpretations and learn about the objective factors – historical, political, social – that influence them. It is this research that allows for effective diplomatic and aid actions.

Discovering the truth about the Universe

The same is true for space exploration. Man has always been curious about what lies beyond our planet. When we begin to explore the Galaxy, we ask about its structure, origins, and the mechanisms that govern its functioning. There is no point in seeking answers to these questions if we do not believe that there is an objective truth that can be discovered. Understanding the Universe is not about subjective interpretations, but about discovering the laws of physics that govern reality, regardless of whether someone believes in them or not.

Seeking truth as the fundamental goal of human action

Every field of science aims to discover the truth – not only to expand our knowledge, but above all to improve the quality of life, increase understanding of the world, and facilitate solving global problems. If we assumed that every truth was equally good, we would not make any effort to find out which answer is more accurate, more evidence-based, and more useful in practice.

Truth, while difficult to grasp, is not a product of subjective beliefs. It is an independent, objective reality that can be discovered through research, experimentation, and analysis. When we allow everyone to determine their own truth, we give up the pursuit of knowing reality in a way that is independent of personal preferences. The effort that scientists, researchers, and doctors make to discover what is objectively true only makes sense if we believe that there are better answers than others, and that truth is something to strive for.

Foto: Luis Quintero: https://www.pexels.com/pl-pl/zdjecie/czlowiek-dotyka-ksiazki-2258252/

more...

Using Boolean operators in scientific research vs. quick fact checking: How can our tool help?

In today's information-driven world, skillful management of search processes is key. Different goals require tailored methods—especially in scientific research and quick information verification.

1. Research-Based Searching: In-Depth Information Exploration

Research-based searching is a complex process involving precise planning, the use of Boolean operators (AND, OR, NOT), analyzing diverse sources, and critical evaluation. The main objectives of this approach include:

• Gathering comprehensive literature: For instance, searching for literature on “AI AND ethical implications” might involve exploring databases such as Google Scholar or Semantic Scholar to find the latest scientific publications.
• Contextualizing data: Analyzing collected materials in the context of existing studies.
• Ensuring reliability: Verifying the credibility and accuracy of sources.

2. Quick Information Verification: Instant Source Checking

Not every situation requires a complex research process. Sometimes the goal is to quickly confirm whether a specific paper, article, or piece of information exists. This is where our tool—Rapid Query Formulation—comes into play, designed to reduce the time needed for verification.

• Minimal effort: Just type the title into the form, and one click will take you to the appropriate search engine.
• User-friendly: Intuitive operation makes it suitable for both professionals and beginners.
• Access to diverse databases: A set of icons directs users to platforms like Semantic Scholar, Google Scholar, or dblp, offering wide-ranging search capabilities.

Choose a Tool Tailored to Your Needs

In a world dominated by information, search strategy is crucial. Our form will not replace advanced research-based searching but serves as indispensable support for quick source checks. Combine simplicity with efficiency—use our tool as the first step toward reliable and trustworthy information.

Foto: Ron Lach : https://www.pexels.com/pl-pl/zdjecie/mezczyzna-las-polaczenie-kontakt-10374364/

more...

Zarządzanie oparte na dowodach (EBM) vs. działanie nie oparte na dowodach – z przykładami

EBM koncentruje się na racjonalnym podejściu, wykorzystując dane i wiedzę do planowania działań. Pozwala to przewidywać zagrożenia i przygotowywać się na nie. Przykładem jest wdrażanie planów zarządzania kryzysowego na podstawie wcześniejszych katastrof, takich jak powodzie, czy inwestowanie w edukację, by przeciwdziałać dezinformacji. Wydaje się to bardzo naukowe, ale zapewniam, ze jest to na wskroś praktyczne, o czym poniżej.

Działania podejmowane bez dowodów często prowadzą do paniki i marnotrawienia zasobów. Przykładem może być nadmierne inwestowanie w ochronę przed wyimaginowanym wrogiem, ignorując realne zagrożenia, jak powodzie czy choroby. Tego rodzaju zarządzanie jest reaktywne, chaotyczne i krótkowzroczne. 

W Polsce głośne ataki terrorystyczne przeprowadzili, lub byli bliscy tego – student oraz wykładowca akademicki z Krakowa – osoby nie związane z islamem.

Strach często wynika z narracji, która jest nam narzucona. Współczesny świat karmi nas lękami, a jednym z nich jest podejrzliwość wobec różnych wyznań religijnych. Zniknięcie Izabeli P. na autostradzie A4 stało się sensacją, o której (rzekomo) żyła cała Polska. Mam uwierzyć, że ta sama Polska buduje swoje opinie na uprzedzeniach, emocjach, stereotypach i tendencyjnych artykułach jednej agencji prasowej, które jak kalka powielają się w jej mediach analogowych i cyfrowych?

Jednak czy zawsze to, czego się boimy, ma pokrycie w rzeczywistości?

Strach i manipulacja emocjami często prowadzą do nieprzemyślanych działań, które mogą mieć negatywne konsekwencje dla społeczeństwa. W zarządzaniu, szczególnie w sytuacjach kryzysowych, kluczowe jest podejmowanie decyzji opartych na dowodach (Evidence-Based Management, EBM). Tabela poniżej przedstawia różnice między działaniami opartymi na emocjach a racjonalnym, dowodowym podejściem. Dodatkowo, podano konkretne przykłady, które ukazują skutki obu sposobów zarządzania.

Działanie bez dowodów	Zarządzanie oparte na dowodach	Przykłady
Decyzje oparte na emocjach, opiniach lub uprzedzeniach.	Decyzje podejmowane w oparciu o dane, analizy i sprawdzone informacje.	🔴 Obwinianie migrantów za wzrost przestępczości bez analizy danych. ✅ Oparcie polityki migracyjnej na statystykach przestępczości.
Selektywny dobór danych, które pasują do narzucanej narracji.	Storytelling opiera się na analizie danych i faktów.	🔴 Firma zdecyduje się pominąć dane dotyczące negatywnych opinii klientów, aby w swojej narracji skupić się tylko na pozytywnych wynikach i stworzyć fałszywy obraz sukcesu. ✅ Firma zbiera dane dotyczące satysfakcji klientów i wykorzystuje je do poprawy swoich usług. Na podstawie rzetelnych danych, przedstawiają raporty o tym, jak różne działania wpływają na zadowolenie klientów i jakie zmiany są najskuteczniejsze.
Ignorowanie potencjalnych zagrożeń, np. klęsk żywiołowych, zamieszek.	Przewidywanie ryzyk na podstawie modeli i doświadczeń z przeszłości.	🔴 Brak zabezpieczeń przeciwpowodziowych w obszarach zagrożonych. ✅ Budowa wałów na podstawie map ryzyka powodziowego.
Powielanie narracji medialnych bez weryfikacji ich prawdziwości.	Weryfikacja informacji i odrzucanie niesprawdzonych źródeł.	🔴 Wierzenie w teorie spiskowe o lub wywiady z „byłymi" członkami danej organizacji. ✅ Weryfikacja, analiza, sięganie do oficjalnych kanałów danych organizacji.
Reagowanie na strach społeczny (np. obwinianie konkretnych grup).	Tworzenie strategii komunikacji w celu redukcji paniki i strachu.	🔴 Izolowanie migrantów w społecznościach lokalnych. ✅ Edukacyjne kampanie integracyjne ukazujące fakty i korzyści z różnorodności.
Brak planów kryzysowych lub opieranie ich na spekulacjach.	Tworzenie i wdrażanie planów na podstawie analizy danych i scenariuszy.	🔴 Brak procedur w razie masowej epidemii. ✅ Opracowanie planu pandemii na podstawie doświadczeń COVID-19.
Nieprzemyślane alokowanie zasobów w odpowiedzi na bieżące emocje.	Efektywne zarządzanie zasobami w oparciu o priorytety i dowody.	🔴 Przeznaczenie ogromnych funduszy na walkę z „wyimaginowanym wrogiem". ✅ Inwestowanie w infrastrukturę obronną, zdrowotną i edukację.
Podejmowanie działań krótkowzrocznych, bez uwzględnienia skutków długoterminowych.	Wdrażanie rozwiązań przemyślanych i trwałych, zgodnych z dowodami.	🔴 Wprowadzenie surowych ograniczeń bez konsultacji społecznych, co wywołuje zamieszki. ✅ Zorganizowanie konsultacji w sprawie zmian politycznych, aby zyskać społeczne poparcie.

Czy zatem nie powinniśmy bardziej krytycznie podchodzić do tego, kto i dlaczego próbuje wywołać w nas strach? W wykładzie pt. Bezpiecznie już było gen. Roman Polko mówi o współczesnych zagrożeniach, bezpieczeństwie i mechanizmach strachu. Strach to potężne narzędzie manipulacji. Nauczmy się oddzielać rzeczywistość od stereotypów i nie dajmy sobą sterować. Polecam także film o chorobie noblowskiej w stopce. Więcej w linku poniżej.

Co powiedzą o Tobie byłe dziewczyny/byli chłopcy?

Zarządzanie oparte na dowodach pozwala uniknąć chaosu i niepotrzebnych napięć społecznych, zwiększając skuteczność podejmowanych działań. Przykłady pokazują, że decyzje bazujące na faktach budują zaufanie społeczne, wzmacniają odporność na kryzysy i sprzyjają długoterminowej stabilności. Z kolei działania podejmowane bez dowodów, choć mogą wydawać się szybkie i adekwatne, często pogłębiają problemy i prowadzą do eskalacji strachu, nienawiści i uprzedzeń.

Jesteś w stanie uwierzyć w narrację, jeśli jest w niej odwołanie do badań i statystyk? Narracja oparta na danych i przypadkach może być migawkowa i lokalna. Dane mogą nie być do zweryfikowania. Pisanie w oparciu o urażoną dumę byłych członków ma taką samą wartość jak opinia o Tobie, bazująca na osądach obrażonych, zniechęconych byłych znajomych. Może być to ciekawa, pełna smaczków opowieść, ale czy naprawdę jest oparta na faktach? Czy pisarz ustalił z czytelnikiem, że mówi o opiniach, a nie o rzeczywistych zdarzeniach, liczbach i faktach? Kluczowe jest, by w każdej sytuacji – także kryzysowej – kierować się faktami, a nie emocjami czy stereotypami. Naukowiec też moze tworzyć fikcje, a dziennikarz równoległą rzeczywistość. Trudne czasy.

W sytuacjach kryzysowych (np. katastrofy naturalne, pandemie, kryzysy gospodarcze) EBM pozwala na podejmowanie szybkich i skutecznych decyzji, opartych na faktach i analizach, a nie na spekulacjach czy emocjach.

EBM jest niezwykle praktyczne 

EBM jest niezwykle praktyczne, gdyż pomaga w podejmowaniu decyzji, które są oparte na faktach i dowodach, zamiast emocjach, uprzedzeniach czy intuicji. Jego zastosowanie w ocenach decyzji medialnych, kryzysowych, przedsiębiorczych oraz w edukacji zapewnia obiektywność, precyzyjność i skuteczność. Wprowadzenie EBM do praktyki zarządzania i decyzyjności daje możliwość lepszego reagowania na wyzwania współczesnego świata, jednocześnie budując zaufanie i transparentność w różnych dziedzinach życia.

Źródła: 

1. Roman Polko, Paulina Polko, Rozgromić konkurencję: Sprawdzone w boju strategie dowodzenia, motywowania i zwyciężania, wyd. Wyd. 2 rozsz, Wydawnictwo Helion, Gliwice op. 2014 (Onepress Exclusive).
2. Dawid Myśliwiec, Byłem na konferencji o strukturyzacji wody! 2024 (Uwaga! Naukowy Bełkot) https://www.youtube.com/watch?v=nhiJE2U6WYY.

more...

Poziomy świadomości Gravesa a Zarządzanie oparte na dowodach EBM

Model poziomów świadomości Gravesa (systemów wartości) znajduje zastosowanie w zarządzaniu opartym na dowodach (Evidence-Based Management, EBM) przez umożliwienie głębszego zrozumienia, jak różne poziomy świadomości wpływają na proces podejmowania decyzji, motywacje i interpretację dowodów w organizacjach. Dzięki temu liderzy i menedżerowie mogą lepiej dostosować swoje strategie i metody zarządzania, aby były bardziej skuteczne i zrozumiałe dla pracowników, którzy reprezentują różne poziomy świadomości.

Poziomy świadomości Gravesa opisują ewolucję ludzkiej świadomości przez osiem podstawowych poziomów, z których każdy charakteryzuje się unikalnym systemem wartości, przekonań i sposobem myślenia. Model ten tłumaczy, jak różne osoby i grupy mogą funkcjonować na odmiennych poziomach świadomości, co prowadzi do różnorodnych sposobów radzenia sobie z wyzwaniami, interpretowania rzeczywistości i rozwiązywania problemów. Każdy poziom świadomości jest reprezentowany przez kolor:

1. Beżowy – świadomość przetrwania, instynktowne działania.
2. Purpurowy – myślenie magiczne, więzi plemienne, bezpieczeństwo w grupie.
3. Czerwony – egocentryzm, ekspresja siły, dominacja.
4. Niebieski – struktura, porządek, zasady i autorytet.
5. Pomarańczowy – indywidualizm, sukces, innowacja, rywalizacja.
6. Zielony – empatia, wspólnota, równowaga i współpraca.
7. Żółty – elastyczność, systemowe myślenie, adaptacja do zmian.
8. Turkusowy – holizm, świadomość globalna, zrównoważony rozwój.

Każdy poziom świadomości odzwierciedla zmiany w wartościach i postawach, które pojawiają się wraz z rosnącą zdolnością jednostki lub społeczności do adaptacji w obliczu coraz bardziej złożonych wyzwań. Model Gravesa jest szeroko stosowany w rozwoju osobistym, zarządzaniu, psychologii organizacyjnej i edukacji, pomagając w rozumieniu różnorodnych perspektyw oraz w dostosowywaniu metod komunikacji i współpracy. 

Oto kilka przykładów, jak poziomy świadomości Gravesa mogą wpływać na zarządzanie oparte na dowodach:

1. Dopasowanie przekazu – Dowody powinny być prezentowane w sposób zrozumiały i zgodny z wartościami na poziomie świadomości odbiorcy. Na przykład pracownicy na poziomie niebieskim (ceniący zasady i stabilność) mogą bardziej przekonać się do dowodów wspierających utrzymanie struktury i zgodność z procedurami. Z kolei osoby na poziomie pomarańczowym (innowacja, rywalizacja) będą bardziej otwarte na dane dotyczące wyników i sukcesów organizacyjnych.

2. Akceptacja zmian – Zarządzanie oparte na dowodach często wiąże się z wprowadzaniem nowych praktyk opartych na najlepszych dostępnych danych. Jednakże gotowość do przyjęcia zmian zależy od poziomu świadomości pracowników. Na przykład pracownicy na poziomie zielonym mogą być bardziej otwarci na dowody przemawiające za korzyściami wspólnotowymi i współpracą, natomiast poziomy bardziej hierarchiczne mogą wymagać dowodów związanych z bezpieczeństwem i kontrolą.

3. Rozwój organizacyjny – Zrozumienie poziomów świadomości ułatwia tworzenie strategii rozwoju opartego na dowodach, które są dopasowane do kultury organizacyjnej. W organizacjach z dominującymi poziomami pomarańczowym i zielonym, które sprzyjają innowacyjności i współpracy, można skutecznie wprowadzać dowody promujące zmiany i eksperymentowanie. Natomiast organizacje, które dominują poziomy niższe, mogą lepiej przyswajać dowody nawiązywane do wartości bezpieczeństwa, stabilności czy tradycji.

4. Wzmacnianie dowodów zgodnych z wartościami – W zarządzaniu opartym na dowodach kluczowe jest, by dane były nie tylko prawdziwe, ale także zrozumiane i akceptowane. Graves pomaga liderom dostrzegać, jakie typy dowodów mogą być najbardziej przekonujące na różnych poziomach świadomości. Dzięki temu menedżerowie mogą wzmacniać dowody, które rezonują z dominującymi wartościami ich zespołu, zwiększając zaangażowanie i akceptację proponowanych rozwiązań.

Podsumowując, model Gravesa wspiera EBM przez dostosowanie przekazu i strategii do poziomu świadomości pracowników. Umożliwia to lepsze wykorzystanie dowodów w zarządzaniu, wspierając akceptację i zrozumienie nowych praktyk oraz zwiększając ich efektywność.

more...

Dowody naukowe

Dowody naukowe są fundamentalnym narzędziem w podejmowaniu decyzji w wielu dziedzinach. Ich rola w kształtowaniu polityk, praktyk i innowacji jest nieoceniona, pod warunkiem że są odpowiednio interpretowane i stosowane.

Współczesne rozumienie dowodów naukowych jest bardziej złożone i wymaga uwzględnienia wielu czynników, nie tylko typu badania. Zwraca uwagę na potrzebę elastycznego podejścia do oceny jakości dowodów i ich zastosowania w praktyce klinicznej.

Obecnie postuluje się odejście od prostej hierarchii dowodów, wprowadzenie systemu GRADE, nową rolę przeglądów systematycznych, implikacje dla praktyki klinicznej oraz wyzwania edukacyjne związane z implementacją dowodów naukowych w organizacjach.

Dowody naukowe to informacje zebrane na podstawie badań naukowych, które są przeprowadzane w sposób systematyczny i kontrolowany. Aby uznać dane za dowody naukowe, muszą one spełniać kilka kluczowych kryteriów:

1. Obiektywność i bezstronność: badania muszą być prowadzone w sposób niezależny, bez wpływu interesów finansowych czy osobistych badaczy.
2. Replikowalność: wyniki badań muszą być możliwe do powtórzenia przez innych badaczy, co potwierdza ich wiarygodność.
3. Recenzja naukowa (peer-review): przed publikacją, badania są oceniane przez innych ekspertów w danej dziedzinie, co pomaga weryfikować ich jakość i rzetelność.
4. Profesjonalny konsensus: wyniki badań są akceptowane przez społeczność naukową jako wiarygodne i istotne.

Dowody naukowe są podstawą do podejmowania decyzji w wielu dziedzinach, takich jak medycyna, inżynieria, polityka publiczna i wiele innych. Ich rola jest nie do przecenienia z kilku powodów:

• Redukcja błędów i uprzedzeń: rygorystyczne metody naukowe pomagają minimalizować wpływ osobistych przekonań i błędów poznawczych na wyniki badań.
• Postęp wiedzy: systematyczne gromadzenie i analizowanie dowodów naukowych pozwala na ciągłe poszerzanie naszej wiedzy i zrozumienia świata.
• Efektywność działań: w obszarach takich jak medycyna czy polityka publiczna, decyzje oparte na dowodach naukowych prowadzą do bardziej skutecznych interwencji i lepszych wyników.
• Innowacje: w inżynierii i technologii, dowody naukowe są podstawą do tworzenia nowych, bardziej efektywnych rozwiązań.
• Rozwiązywanie złożonych problemów: w obliczu globalnych wyzwań, takich jak zmiana klimatu czy pandemie, dowody naukowe są kluczowe dla opracowania skutecznych strategii.

Warto jednak pamiętać, że mimo swojej ogromnej wartości, dowody naukowe nie są wolne od ograniczeń. Nauka jest procesem ciągłym, a nasza wiedza ewoluuje wraz z nowymi odkryciami. Dlatego ważne jest, aby:

• Krytycznie analizować dowody naukowe
• Być otwartym na nowe informacje i perspektywy
• Rozumieć kontekst, w jakim dowody zostały zebrane
• Uwzględniać etyczne implikacje wyników badań naukowych

Typy dowodów ukazuje ich hierarchia. Opinie eksperckie (1) są uważane za najsłabsze a przeglądy systematyczne są uważane za najwyższą formę dowodu. Warto jednak pamiętać, że każdy typ dowodu może mieć swoje miejsce w procesie badawczym, w zależności od konkretnego pytania badawczego i dostępnych zasobów. 

Dowód anegdotyczny obejmuje konkretne zdarzenie, podczas gdy dowód statystyczny składa się z arytmetycznego podsumowania serii przypadków. Dowód przyczynowy obejmuje wyjaśnienie wystąpienia efektu; wreszcie dowód ekspercki obejmuje opinię jednego lub większej liczby ekspertów. Ogólnie rzecz biorąc, dowód anegdotyczny jest uznawany za oparty na osobistym doświadczeniu, a anegdoty składają się z krótkich opowiadań lub narracji, których celem jest przedstawienie pewnego punktu widzenia.

Źródła:
(1) Robert Atenstaedt, Should we continue pairing the term ‘anecdotal’ with evidence?, „The British Journal of General Practice“ 689/69 (2019), s. 596.

more...

LSR vs. CMA

Eksperymentalny pojedynek między LSR (Live Systematic Review) a meta-analizą skumulowaną byłby fascynujący, ponieważ oba podejścia mają unikalne cechy i cele w kontekście syntezowania wyników z wielu badań. Oto kilka kluczowych aspektów, które można by porównać:

1. Metodologia:

• LSR (Live Systematic Review): jest to przegląd systematyczny, który jest na bieżąco aktualizowany w miarę pojawiania się nowych badań. Dzięki automatyzacji i regularnym aktualizacjom, LSR umożliwia ciągłe monitorowanie literatury i szybkie włączanie nowych danych.
•  Meta-analiza skumulowana: łączy wyniki wielu badań za pomocą technik statystycznych w celu uzyskania uśrednionego efektu. Jest to bardziej statyczne podejście, które zazwyczaj obejmuje zestaw badań dostępnych w momencie przeprowadzania analizy.

2. Aktualność:

• LSR: pozwala na niemal natychmiastowe aktualizacje w miarę publikacji nowych badań, co sprawia, że jest to bardzo aktualne źródło informacji.
• Meta-analiza skumulowana: jest zazwyczaj aktualizowana rzadziej, co może prowadzić do opóźnień w uwzględnianiu najnowszych badań.

3. Precyzja wyników:

• LSR: może dostarczać ciągle aktualizowanych wyników, co jest szczególnie użyteczne w dynamicznie rozwijających się dziedzinach.
• Meta-analiza skumulowana: dzięki statystycznemu łączeniu wyników wielu badań, oferuje bardziej precyzyjne oszacowania efektów, ale może być mniej aktualna.

4. Skala i złożoność:

•  LSR: wymaga zaawansowanych narzędzi do automatyzacji i zarządzania danymi, co może być skomplikowane i kosztowne w utrzymaniu.
•  Meta-analiza skumulowana: jest bardziej skoncentrowana na precyzyjnej analizie statystycznej, co może być bardziej czasochłonne przy dużej liczbie badań, ale mniej wymagające pod względem ciągłego zarządzania danymi.

5. Przydatność i zastosowanie:

• LSR: bardzo użyteczne w kontekstach, gdzie ważna jest bieżąca informacja, np. w medycynie czy naukach przyrodniczych, gdzie nowe odkrycia mogą mieć natychmiastowe zastosowanie kliniczne.
• Meta-analiza skumulowana: idealna do uzyskiwania mocnych dowodów na podstawie istniejących badań i formułowania ogólnych wniosków, co jest kluczowe w naukach społecznych czy polityce zdrowotnej.

Porównanie tych dwóch metod w eksperymentalnym pojedynku mogłoby dostarczyć cennych informacji o ich efektywności, użyteczności w różnych kontekstach oraz potencjalnych zaletach i ograniczeniach każdej z nich.

more...

Narzędzia i platformy wspierające żywe przeglądy systematyczne

Żywy przegląd systematyczny (Living Systematic Review) z użyciem sztucznej inteligencji (AI) to nowoczesne podejście do dynamicznego zarządzania i aktualizowania przeglądów literatury. Integracja AI w tym kontekście może znacznie zwiększyć efektywność i precyzję przeglądów systematycznych.

W firmach badawczo-rozwojowych, AI może wspierać żywe przeglądy systematyczne dotyczące innowacji technologicznych, umożliwiając szybkie wprowadzenie nowych badań do analizy i dostosowanie strategii rozwoju produktów na podstawie najnowszych informacji.

Integracja AI w żywym przeglądzie systematycznym może znacznie poprawić efektywność i precyzję analizy literatury, umożliwiając ciągłe aktualizowanie wyników, automatyczne wydobywanie danych, ocenę jakości badań i generowanie raportów. Dzięki temu, decyzje oparte na przeglądzie są bardziej aktualne i precyzyjne.

Narzędzia i platformy wspierające żywe przeglądy systematyczne:

• Covidence: platforma do zarządzania procesem przeglądu systematycznego, wspiera zarządzanie wyszukiwaniem, selekcją i ekstrakcją danych, a także oceną jakości badań.
• Rayyan: narzędzie do wspomagania procesu przeglądu systematycznego i selekcji badań, oferuje funkcje wspierające oznaczanie i ocenę badań oraz współpracę zespołową.
• EPPI-Reviewer: oprogramowanie do zarządzania przeglądami systematycznymi, umożliwiające przetwarzanie danych, ocenę jakości i metaanalizę, z opcjami automatyzacji niektórych procesów.
• DistillerSR: Platforma do przeglądów systematycznych, która wspiera procesy takie jak wyszukiwanie, selekcja i ocena badań, oferując zaawansowane funkcje analityczne i automatyzację.

more...

To jest żywy przegląd systematyczny

Żywy przegląd systematyczny (Living Systematic Review) to dynamiczny i aktualizowany w czasie rzeczywistym przegląd literatury, który regularnie wprowadza nowe dane i badania, co pozwala na ciągłą aktualizację wyników i wniosków. Oto kluczowe cechy, kroki oraz przykłady zastosowania w zarządzaniu:
Cechy żywego przeglądu systematycznego:

• Ciągła aktualizacja: Regularne aktualizowanie przeglądu o nowe badania i dane, co zapewnia, że przegląd pozostaje aktualny.
• Dynamiczny charakter: Możliwość elastycznego dostosowywania metodologii i zakresu przeglądu w odpowiedzi na nowe informacje.
• Automatyzacja: Często wspierany przez automatyczne narzędzia do przeszukiwania literatury i aktualizacji danych.

Źródło lub przykład: 
Emilie Sbidian, Anna Chaimani, Robin Guelimi, Ignacio Garcia-Doval, Camille Hua, Carolyn Hughes, Luigi Naldi, Maria Kinberger, Sivem Afach, Laurence Le Cleach, Systemic pharmacological treatments for chronic plaque psoriasis: a network meta-analysis, „The Cochrane database of systematic reviews“ 7/7 (2023), CD011535. https://doi.org/10.1002/14651858.CD011535.pub6

more...

Metody syntetyzowania wyników SLR

W analizie systematycznych przeglądów literatury (SLR) istnieje wiele metod modelowania, które mogą być stosowane w celu analizy, syntezowania i interpretacji danych literaturowych. Oto kilka sposobów, w jakie można modelować analizę SLR:

1. Metaanaliza: Pozwala na łączenie wyników różnych badań w celu uzyskania bardziej uogólnionych wniosków. Metaanaliza może być wykorzystywana do kwantyfikacji efektów leczenia, identyfikacji czynników ryzyka lub określenia skuteczności określonych interwencji.
2. Mapowanie systematyczne literatury: Polega na graficznym przedstawieniu struktury i interakcji pomiędzy różnymi tematami, badaniami lub wynikami literaturowymi. Mapy mogą pomóc w identyfikacji luk w badaniach, powiązaniach pomiędzy różnymi koncepcjami oraz wizualizacji rozwoju danego obszaru tematycznego.
3. Analiza tematyczna: Wykorzystuje techniki analizy tekstu, takie jak modelowanie tematyczne, do identyfikacji głównych tematów, trendów i wzorców w korpusie tekstu literaturowego. Pozwala to na zrozumienie głównych obszarów badań, ewolucję tematów oraz identyfikację luk w wiedzy.
4. Analiza sieciowa: Koncentruje się na analizie relacji pomiędzy różnymi autorami, instytucjami, terminami lub tematami w korpusie literatury. Analiza sieciowa może pomóc w identyfikacji kluczowych aktorów, połączeń i wpływowych publikacji w danym obszarze tematycznym.
5. Analiza jakościowa: Polega na badaniu treści artykułów w celu zidentyfikowania i opisania istotnych wzorców, tematów lub kategorii. Metody takie jak analiza zawartości, teoria ugruntowana czy analiza narracyjna mogą być wykorzystywane do pogłębionego zrozumienia badanych zagadnień.

Te metody mogą być stosowane zarówno oddzielnie, jak i łącznie, w zależności od celów i zakresu badania systematycznego przeglądu literatury. Każda z nich ma swoje własne zalety i ograniczenia, dlatego ważne jest wybór odpowiednich metod w zależności od kontekstu badawczego oraz dostępnych zasobów i umiejętności analityka.

more...

Modelowanie nieliniowych zależności i identyfikacja istotnych trendów

W przypadku systematycznych przeglądów literatury,  może być wykorzystywana krzywa sigmoidalna m.in. do oceny dynamiki rozprzestrzeniania się informacji w badanym obszarze. Na przykład, może być używana do modelowania szybkości przyrostu liczby artykułów naukowych na dany temat w czasie, co pozwala na analizę intensywności zainteresowania danym obszarem badań.

more...

Czułość czy precyzja wyszukiwań i inne miary skuteczności SLR

W ocenie skuteczności Systematic Literature Review (SLR) używa się różnych miar, aby określić jakość i wartość przeprowadzonego badania. Oto kilka popularnych miar efektywności w ocenie SLR:

1. Recall (Czułość): Określa procent publikacji zidentyfikowanych przez SLR spośród wszystkich istotnych publikacji na dany temat. Im wyższy recall, tym bardziej kompletna jest analiza literatury.
2. Precision (Precyzja): Określa procent publikacji zidentyfikowanych przez SLR jako istotne spośród wszystkich publikacji zidentyfikowanych jako istotne. Im wyższa precyzja, tym mniej fałszywie pozytywnych wyników.
3. F1 Score: Jest to miara harmoniczna między recall a precyzją. Zapewnia równowagę między kompletnością a dokładnością, co jest istotne, gdy chcemy równoważyć te dwie wartości.
4. Coverage (Zakres): Określa procent istotnych publikacji, które zostały znalezione przez SLR spośród wszystkich istotnych publikacji w dziedzinie. Wyższe pokrycie oznacza, że SLR skuteczniej identyfikuje istotne publikacje.
5. Number Needed to Read (NNR): Określa średnią liczbę artykułów, które muszą być przeczytane, aby znaleźć jedną istotną publikację. Niższa wartość NNR oznacza bardziej efektywne przeszukiwanie literatury.
6. Publication Bias (Złudzenie publikacyjne, tendencyjność publikacyjna, efekt szuflady): Ocena obecności lub braku tendencyjności w opublikowanych badaniach na dany temat. SLR może zawierać analizę w świetle tych potencjalnke występujących zjawisk w celu zidentyfikowania potencjalnych zniekształceń w literaturze.
7. Heterogeneity (Heterogeniczność)**: Ocena stopnia zróżnicowania wyników lub metodologii włączonych badań. Wysoka heterogeniczność może wymagać zastosowania bardziej zaawansowanych metod analizy.

Te miary mogą być stosowane niezależnie lub w połączeniu, aby ocenić efektywność i jakość przeprowadzonego SLR. Każda z tych miar ma swoje zalety i ograniczenia, dlatego ważne jest ich rozważenie w kontekście konkretnego badania.

more...

Pola wyszukiwań wg PICOSS

Zbudujmy tabele pol wyszukiwań wg PICOSS dla przykładowej kwestii: Na ile potrzebne są domy calodziennej opieki dla psów.

Składnik	Pytanie	Frazy i słowa kluczowe dla wyszukiwań
P - Pacjent	Czy psy cierpią na brak opieki całodzienniej?	Psy, opieka całodzienna, potrzeby psów, dobrostan zwierząt
I - Interwencja	Jakie korzyści przynosi domowa opieka całodzienne dla psów?	Domowa opieka, korzyści, psie zachowanie, aktywność fizyczna
C - Porównanie	Jak różnią się psy korzystające z opieki całodziennej od tych, które jej nie mają?	Porównanie, psy z opieką, psy bez opieki, różnice, dobrostan
O - Wynik	Jaki jest wpływ domowej opieki całodziennej na zdrowie i dobrostan psów?	Wpływ opieki, zdrowie psów, dobrostan zwierząt, efekty opieki
S - Czas	Jak długo potrzebuje pies na adaptację do opieki całodzienniej?	Adaptacja psa, czas adaptacji, psy w nowym środowisku
S - Środowisko	Jakie warunki są niezbędne do zapewnienia odpowiedniej opieki całodziennej dla psa?	Warunki opieki, odpowiednie środowisko, psy w domu

Zapewnienie odpowiednich danych w każdej z tych kategorii może pomóc w dokładniejszej ocenie potrzeby domowej opieki całodzienniej dla psów.

more...

Systemy indeksowania i klasyfikacji JEL

JEL (Journal of Economic Literature) to system klasyfikacji publikacji z zakresu ekonomii, który został opracowany przez American Economic Association (AEA). Głównym celem JEL jest ułatwienie identyfikacji i wyszukiwania artykułów oraz innych publikacji naukowych z dziedziny ekonomii.

System JEL składa się z różnych kategorii tematycznych, które obejmują szeroki zakres obszarów badawczych związanych z ekonomią. Każda kategoria tematyczna ma przypisany unikalny kod, co ułatwia klasyfikację i identyfikację publikacji w danej dziedzinie. Kody JEL składają się z jednej lub kilku liter oraz cyfr, co pozwala na dokładne określenie tematu badania.

Ważne jest również to, że JEL jest używany jako standardowy system klasyfikacji w bazach danych i katalogach bibliotecznych związanych z ekonomią, co pozwala na jednolite indeksowanie publikacji i ułatwia dostęp do istotnych źródeł informacji w dziedzinie ekonomii.

Dzięki systemowi klasyfikacji JEL badacze mogą efektywnie wyszukiwać, identyfikować i kategoryzować publikacje związane z ekonomią, co przyczynia się do lepszego zrozumienia obszarów badawczych oraz popularyzacji wiedzy w tej dziedzinie.

more...

RMS (Reference Management System)

RMS (Reference Management System) to oprogramowanie służące do zarządzania bibliografią oraz odnośnikami do publikacji naukowych i literatury badawczej. Kluczowe funkcje tego rodzaju aplikacji obejmują organizację, przechowywanie i wyszukiwanie bibliograficznych danych, zarządzanie cytowaniami i odnośnikami, generowanie bibliografii w różnych formatach (np. APA, MLA, Chicago), oraz integrację z edytorami tekstu do automatycznego cytowania i tworzenia spisów literatury. Popularnymi przykładami aplikacji klasy RMS są Zotero, Mendeley oraz EndNote. Te narzędzia są powszechnie wykorzystywane przez badaczy, studentów i naukowców do organizacji i zarządzania dużą ilością literatury naukowej w sposób efektywny i zgodny z akademickimi standardami.

more...

SALSA w przeglądach systematycznych właściwych naukom o zarzadzaniu

W naukach o zarządzaniu, termin "S.A.L.S.A." w przeglądach systematycznych może odnosić się do podejścia lub kryteriów oceny jakości artykułów naukowych lub badań podczas przeglądu literatury. Takie podejście może być stosowane do oceny metodologicznej i jakościowej artykułów, aby zidentyfikować te, które spełniają określone kryteria jakości. Poniżej przedstawiam przykładową interpretację "S.A.L.S.A." w kontekście przeglądów systematycznych w naukach o zarządzaniu:

S: Selection lub Search (Wybór): Proces wyboru odpowiednich artykułów lub źródeł literatury do włączenia w przegląd. Obejmuje to określenie kryteriów włączenia i wykluczenia, a także proces selekcji artykułów na podstawie tych kryteriów.

A: Analysis (Analiza): Etap analizy i oceny wybranych artykułów. Może obejmować ocenę jakości, identyfikację trendów, syntezy wyników, czy też innych form analizy danych.

L: Literature Review (Przegląd Literatury): Sam proces przeglądu literatury, który może obejmować zarówno selekcję, jak i analizę artykułów. Obejmuje to zarówno literaturę pierwotną, jak i wtórną, oraz może być prowadzony w oparciu o określone kryteria i strategie przeglądu literatury.

S: Synthesis (Synteza): Etap syntezy wyników przeglądu literatury, w którym badacz stara się zintegrować i zorganizować uzyskane informacje w spójny sposób. To może obejmować identyfikację trendów, wniosków, czy też tworzenie kategorii lub ram badawczych.

A: Assessment (Ocena): Ocena jakości i wiarygodności przeprowadzonego przeglądu literatury oraz jego wyników. Może obejmować również ocenę ograniczeń badania i sugestie na przyszłość.

Takie podejście S.A.L.S.A. może pomóc badaczom w ocenie jakości i odpowiedniości artykułów naukowych oraz badań, które są uwzględniane w przeglądach systematycznych w naukach o zarządzaniu. Jednakże, należy pamiętać, że konkretna interpretacja i zastosowanie "S.A.L.S.A." mogą się różnić w zależności od kontekstu badawczego i preferencji badacza. Ważne jest, aby zapoznać się z konkretnym znaczeniem i interpretacją tego terminu w danym badaniu lub publikacji.

more...

Standard stawiania pytań w PICO w naukach o zarządzaniu

W naukach o zarządzaniu również istnieje standard formułowania pytań badawczych, który jest podobny do standardu PICO stosowanego w medycynie. Ten standard nazywa się PICOT, gdzie każda litera odnosi się do konkretnego aspektu pytania badawczego. Oto jego elementy:

1. P (Population/Problem): Odnosi się do określenia populacji lub problemu, na którym koncentruje się badanie. Może to być określona grupa pracowników, menedżerów, czy też specyficzny problem lub wyzwanie związane z zarządzaniem.
2. I (Intervention/Interest): Określa interwencję lub zainteresowanie, które będzie badane w kontekście zarządzania. Może to być konkretna strategia zarządzania, podejście lidera, nowe narzędzie czy technologia wdrożona w organizacji.
3. C (Comparison/Context): Odnosi się do grupy porównawczej lub kontekstu, który będzie służył do porównania efektów interwencji. Porównanie może obejmować obecne praktyki, inne strategie zarządzania, brak interwencji lub inne czynniki wpływające na sytuację badawczą.
4. O (Outcome): Oznacza wyniki, które badanie ma zbadać w kontekście interwencji lub zainteresowania zarządzaniem. Mogą to być kwestie związane z efektywnością, wydajnością, satysfakcją pracowników, wynikami finansowymi czy też innymi wskaźnikami sukcesu organizacyjnego.
5. T (Time): Czas lub okres, na którym skupia się badanie. Może to być konkretny okres wdrożenia interwencji lub okres obserwacji wyników.

Standard PICOT pomaga zdefiniować pytanie badawcze w sposób precyzyjny i skoncentrowany, co ułatwia prowadzenie badania naukowego w dziedzinie zarządzania. Poprzez określenie konkretnych elementów badawczych, badacze mogą efektywniej identyfikować istotne czynniki i wnioskować na temat skuteczności strategii zarządzania oraz ich wpływu na organizację.

more...

SLR ważnym narzędziem w nauce

Systematic Literature Review (SLR) pełni kilka istotnych ról w nauce:

1. Zbieranie istniejącej wiedzy: SLR umożliwia analizę i syntezę istniejącej literatury naukowej na określony temat. Pozwala to zebrać i zrozumieć dotychczasowe badania oraz osiągnięcia w danej dziedzinie.
2. Identyfikacja luk w wiedzy: Poprzez analizę literatury SLR może pomóc zidentyfikować luki w wiedzy oraz obszary badawcze, które wymagają dalszych badań.
3. Ocena stanu wiedzy: SLR umożliwia ocenę stanu aktualnej wiedzy na dany temat, co pozwala zrozumieć, jakie pytania badawcze zostały już zbadane, a które wymagają dalszych badań.
4. Podsumowanie dowodów naukowych: SLR pozwala na podsumowanie dostępnych dowodów naukowych na dany temat, co może być użyteczne dla decydentów, praktyków oraz innych naukowców.
5. Wsparcie procesu podejmowania decyzji: SLR może być użyteczne w procesie podejmowania decyzji, pomagając w zapewnieniu dostępu do rzetelnych informacji naukowych i dowodów, które mogą wspierać podejmowanie decyzji.
6. Kierowanie przyszłych badań: Wyniki SLR mogą posłużyć do kierowania przyszłymi badaniami poprzez identyfikację obszarów, które wymagają dalszych badań lub eksploracji.

W skrócie, SLR jest ważnym narzędziem w nauce, które pomaga w syntezie, ocenie i wykorzystaniu istniejącej wiedzy naukowej.

more...

Warto zbadać inne przeglądy

Proces podglądania tego, jak inni wykonują Systematic Literature Review (SLR), można nazwać "analizą metod SLR" lub "przeglądem metodologii SLR".

Polega na zbieraniu i porównywaniu podejść do przeprowadzania SLR. Można ocenić, jakie kroki są najczęściej rekomendowane, jakie narzędzia są używane do zarządzania danymi, jakie kryteria są stosowane do wyboru artykułów do włączenia w przegląd, itp. Na podstawie tych analiz można wyciągnąć wnioski dotyczące najlepszych praktyk w przeprowadzaniu SLR.

To swoisty rodzaj benchmarkingu. W przypadku analizy metod SLR, porównuje się różne podejścia do przeprowadzania przeglądów literatury naukowej, aby zidentyfikować najlepsze praktyki i możliwości doskonalenia procesu.

more...

Generatory search query

Generatory search query są narzędziami, które mogą być używane w systemach wyszukiwania informacji. Te generatory mogą być używane do tworzenia zestawów zapytań do bazy danych lub wyszukiwarki, co może pomóc w automatyzacji procesu wyszukiwania odpowiednich informacji w kontekście Systematic Literature Review (SLR). Dzięki nim można szybko wygenerować zestaw zapytań obejmujących różne aspekty tematu badania, co może znacząco przyspieszyć proces zbierania danych potrzebnych do przeprowadzenia SLR oraz ułatwić eksplorację literatury związanej z danym obszarem badań.

Ważne bazy już od początku udostępniały wyszukiwanie zaawansowane. Dziś możemy też skorzystać z chatGPT.

more...

Bibtex i RIS

Uniwersalne formaty bibliograficzne w kontekście narzędzi do zarządzania bibliografią, to Bibtex i RIS. Są one powszechnie stosowanymi standardami.

• BibTeX: Jest to format pliku używany do przechowywania danych bibliograficznych i cytowań. Jest często stosowany w systemach do zarządzania bibliografią, takich jak BibDesk, JabRef, czy Mendeley. Format ten umożliwia przechowywanie metadanych, takich jak autorzy, tytuł, rok publikacji, wydawca itp., w sposób łatwy do przechowywania i przetwarzania.
• RIS (Research Information Systems)**: Jest to inny format pliku służący do przechowywania danych bibliograficznych. RIS jest powszechnie stosowany w bazach danych bibliograficznych i narzędziach do zarządzania bibliografią, takich jak EndNote, Zotero czy Mendeley. Podobnie jak BibTeX, RIS umożliwia przechowywanie różnych metadanych dotyczących publikacji, takich jak autorzy, tytuł, czasopismo, rok publikacji itp.

Oba formaty, BibTeX i RIS, są powszechnie akceptowane i używane przez wiele narzędzi do zarządzania bibliografią.

more...

Jak inkluzywnie budować zapytania do baz danych?

Budując zapytania do baz pełnotekstowych w sposób inkluzywny, warto uwzględnić różnorodność terminologii i wyrażeń, które mogą występować w opisach czy treściach dokumentów. Można to osiągnąć poprzez:

1. Używanie synonimów i zbliżonych terminów: Zamiast ograniczać się do jednego terminu, użyj różnych synonimów i powiązanych pojęć, aby zwiększyć szanse na znalezienie odpowiednich dokumentów.
2. Wykorzystanie operatorów logicznych: Włączanie operatorów logicznych, takich jak "OR", "AND", "NOT", umożliwia bardziej zaawansowane zapytania, które uwzględniają różne aspekty tematu.
3. Uwzględnienie fraz: Jeśli interesuje Cię konkretny termin lub wyrażenie, użyj cudzysłowów, aby wyszukiwać dokładne frazy, które występują w dokumencie.
4. Wildcardy i truncation: Użyj symboli wildcardów (np. "*", "?") lub truncation (np. "manage*") dla poszukiwania różnych form słów.
5. Uwzględnienie wielkości liter: Niektóre bazy danych mogą być wrażliwe na wielkość liter, dlatego ważne jest, abyś używał odpowiednich kombinacji małych i wielkich liter, jeśli to konieczne.

Przykładowo, zapytanie dotyczące zarządzania zasobami ludzkimi mogłoby wyglądać tak: "(zarządzanie zasobami ludzkimi OR HR management OR human resource management) AND (recruitment OR hiring OR talent management)". Takie zapytanie uwzględnia różne aspekty zarządzania zasobami ludzkimi oraz różne terminy związane z procesem rekrutacji i zarządzaniem talentami.

more...

Operatory logiczne Boole’a

Operatory logiczne Boole’a umożliwiają łączenie, wykluczanie, a także określanie relacji pomiędzy poszczególnymi terminami wyszukiwawczymi. Pozwalają na precyzyjne kontrolowanie sposobu wyszukiwania w bazach danych lub silnikach wyszukiwania. Najczęściej używanymi operatorami boolowskimi są:

1. AND: Operator AND służy do ograniczania wyników wyszukiwania, wymagając, aby wszystkie słowa kluczowe występowały jednocześnie w wynikach wyszukiwania. Na przykład "term1 AND term2" spowoduje wyświetlenie wyników zawierających zarówno "term1", jak i "term2".
2. OR: Operator OR służy do poszukiwania wyników, które zawierają co najmniej jedno z podanych słów kluczowych. Na przykład "term1 OR term2" spowoduje wyświetlenie wyników zawierających "term1" lub "term2".
3. NOT: Operator NOT służy do wykluczania określonych słów kluczowych z wyników wyszukiwania. Na przykład "term1 NOT term2" spowoduje wyświetlenie wyników zawierających "term1", ale nie zawierających "term2".

Wykorzystanie tych operatorów pozwala na bardziej precyzyjne i skuteczne wyszukiwanie informacji w bazach danych lub w internecie.

more...

Czym jest search query?

W systematycznej analizie literatury (SLR), search query to zapytanie lub zestaw zapytań używanych do przeszukiwania baz danych naukowych w celu znalezienia odpowiednich publikacji do włączenia do analizy. 

Search query jest skonstruowany w taki sposób, aby zawierać kluczowe słowa, synonimy oraz inne terminy związane z tematem badania. 

Dobrze zaprojektowany search query pozwala na jak najpełniejsze i dokładne zidentyfikowanie odpowiednich źródeł literaturowych do przeglądu.

Oto przykładowe search query dla systematycznej analizy literatury na temat innowacyjnych modeli biznesu:

"(innovative business models OR novel business approaches OR new business strategies) AND (industry OR company OR firm) AND (analysis OR study OR review)"

more...

Kryteria włączenia i wyłączenia

Niezwykle ważne jest wykazanie, dlaczego dane zostały wykluczone, na wypadek gdyby jakikolwiek czytelnik lub kolejny recenzent chciał zbadać dowody wykluczone z któregokolwiek z powodów wykluczenia.

Każdy z tych powodów musi mieć wyjaśnienie np. że dane (nie)homogenne, niskiej/wysokiej jakości, że zawężenie zakresu obecnych praktyk, unikanie stronniczości populacyjnej) itd.

more...

Dane randomizowane

W naukach o zarządzaniu, dane randomizowane mogą być używane w kontekście eksperymentów lub badań kontrolowanych, gdzie badani uczestnicy są losowo przydzielani do różnych warunków eksperymentalnych lub grup badawczych. Na przykład, w eksperymencie nad skutecznością szkoleń zawodowych, losowe przydziałowanie uczestników do grupy otrzymującej szkolenie i grupy kontrolnej może pomóc w ocenie rzeczywistego wpływu szkolenia na wyniki w porównaniu do braku szkolenia.

Użycie danych randomizowanych w naukach o zarządzaniu pozwala na bardziej obiektywne i naukowe podejście do badania różnych strategii zarządzania, praktyk organizacyjnych czy skutków decyzji menedżerskich. Oferuje również większą pewność co do przyczynowości i skuteczności analizowanych zjawisk, co jest kluczowe dla podejmowania trafnych decyzji zarządczych.

Dane randomizowane np. mogą być używane do oceny skuteczności programów wsparcia dla przedsiębiorców lub innowacyjnych strategii zarządzania w kontekście rozwoju startupów.

W badaniach nad przedsiębiorczością, eksperymenty losowe mogą być wykorzystane do porównania różnych podejść do szkoleń przedsiębiorczych, mentorowania, finansowania czy strategii rozwoju biznesu. 

Losowe przydzielanie przedsiębiorców do różnych warunków badawczych pozwala na kontrolowanie wpływu czynników zakłócających i bardziej obiektywne ocenianie skuteczności różnych interwencji.

Dane randomizowane w badaniach nad przedsiębiorczością mogą dostarczyć cennych informacji na temat skuteczności różnych inicjatyw wspierających rozwój przedsiębiorczości oraz pomóc w lepszym zrozumieniu czynników determinujących sukces przedsiębiorczy.

more...

Dane homogenne

W metaanalizie, dane homogeniczne odnoszą się do zestawu danych badawczych, które są podobne pod względem charakterystyk i cech, takich jak metody badawcze, populacja badawcza, zmienne zależne i niezależne. Dzięki temu możliwe jest skuteczne porównywanie wyników między różnymi badaniami oraz ich łączenie w celu przeprowadzenia analizy statystycznej. Istnienie danych homogenicznych w metaanalizie pozwala na bardziej trafne i wiarygodne wnioski na temat badanego zjawiska.

Istotność danych homogenicznych jest kluczowa również na etapie Systematycznego Przeglądu Literatury (SLR). Podczas przeprowadzania SLR ważne jest, aby dane zgromadzone z różnych źródeł były podobne pod względem charakterystyk, metodologii badawczej i pomiarów. Dzięki temu możliwe jest dokładniejsze porównywanie i syntetyzowanie wyników badawczych, co prowadzi do bardziej wiarygodnych i trafnych wniosków. 

Brak homogeniczności danych może prowadzić do zniekształceń lub błędów w interpretacji wyników w trakcie SLR.

more...

Flowchart PRISMA

Flowchart PRISMA to graficzna reprezentacja procesu przeglądu systematycznego lub metaanalizy zgodnie z wytycznymi PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). Ten flowchart zawiera kroki, które należy podjąć podczas przeprowadzania przeglądu, obejmujące identyfikację, selekcję i włączenie badań, a także proces oceny ryzyka uprzedzeń.

Typowy flowchart PRISMA może obejmować następujące kroki:

1. Liczba odnalezionych artykułów przez wyszukiwanie baz danych.
2. Liczba artykułów po usunięciu duplikatów.
3. Liczba artykułów po przeglądzie tytułów i/lub abstraktów.
4. Liczba artykułów po pełnej analizie treści.
5. Liczba artykułów włączonych do analizy.
6. Powody wyłączenia artykułów w trakcie pełnej analizy.
7. Proces oceny ryzyka uprzedzeń (np. za pomocą narzędzia ROBINS-I lub innych narzędzi oceny ryzyka uprzedzeń).

Flowchart PRISMA jest użytecznym narzędziem do wizualizacji i raportowania procesu przeglądu, co zwiększa przejrzystość i wiarygodność pracy.

more...

PICO framework

PICO to narzędzie służące do formułowania precyzyjnych pytań badawczych w oparciu o cztery kluczowe elementy:

1. P - Problem/Pacjent/Populacja: Określenie pacjentów lub populacji, którzy są przedmiotem zainteresowania badania.
2. I - Intervention/Intwencja: Opis badanej interwencji, czyli sposobu postępowania, leczenia, zabiegu, lub eksperymentu, który ma być oceniany.
3. C - Comparison/Porównanie: Określenie grupy porównawczej, czyli innego sposobu leczenia, braku interwencji, placebo lub standardowej opieki medycznej.
4. O - Outcome/Wynik: Określenie pożądanego wyniku badania, czyli konkretnej miary lub wskaźnika, który ma być oceniany.

Formułowanie pytań badawczych przy użyciu PICO framework pomaga precyzyjnie określić obszar badania, ułatwiając jednocześnie identyfikację odpowiednich badań i analizę ich wyników w przeglądach systematycznych i metaanalizach.

more...

Lista kontrolna PRISMA

Oto podstawowa lista kontrolna PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses):

1. Tytuł: Czy tytuł jest adekwatny i zawiera informacje o rodzaju badania?
2. Abstrakt: Czy abstrakt klarownie opisuje cel badania, metodologię, wyniki i wnioski?
3. Wprowadzenie: Czy wprowadzenie przedstawia zwięzły przegląd tematu, cele i pytania badawcze?
4. Metody: Czy opisano jasno protokół badania, kryteria włączenia i wyłączenia, strategię wyszukiwania, selekcję badań oraz ocenę ryzyka uprzedzeń?
5. Wyniki: Czy przedstawiono wszystkie wyniki badania, w tym ilość włączonych i wyłączonych badań oraz ocenę ryzyka uprzedzeń?
6. Dyskusja: Czy dyskusja odnosi się do istotności wyników, ograniczeń badania i implikacji dla praktyki oraz dalszych badań?
7. Wnioski: Czy wnioski są zgodne z wynikami badania i odpowiednio podsumowują jego implikacje?
8. Finansowanie: Czy zadeklarowano wszelkie źródła finansowania badania oraz ewentualne konflikty interesów?

Pamiętaj, że PRISMA może być dostosowywana do specyfiki konkretnego badania, ale powyższa lista stanowi ogólny szkielet raportowania wyników przeglądów systematycznych i metaanaliz.

more...

Cochrane Handbook dla SLR

Podręcznik Cochrane'a dotyczący SLR to obszerny przewodnik opracowany przez Cochrane'a do przeprowadzania systematycznych przeglądów interwencji (nauk medycznych). 

Podręcznik Cochrane zawiera szczegółowe wytyczne dotyczące wszystkich aspektów procesu przeglądu systematycznego, w tym formułowania pytań przeglądowych, wyszukiwania odpowiednich badań, oceny ryzyka stronniczości, ekstrakcji danych, metaanalizy i interpretacji wyników. Podręcznik jest powszechnie uważany za złote źródło informacji dla badaczy prowadzących systematyczne przeglądy i metaanalizy w opiece zdrowotnej.

more...

Prisma (Preferred Reporting Items for Systematic Reviews and Meta-Analyses)

Prisma (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) to wytyczne dotyczące raportowania przeglądów systematycznych i metaanaliz. Prisma ma na celu poprawę przejrzystości i jakości takich prac poprzez określenie kluczowych elementów do uwzględnienia w raporcie. Zalecenia te obejmują informacje dotyczące procesu selekcji artykułów, metodologii badawczej, analizy danych i interpretacji wyników.

more...

IMRaD

IMRaD to akronim używany w pisaniu naukowych artykułów, raportów i prac badawczych. Oznacza:

1. Introduction (Wprowadzenie).
2. Methods (Metody).
3. Results (Wyniki).
4. Discussion (Dyskusja).

W praktyce, raporty SLR często zawierają pewne elementy, które mogą przypominać strukturę IMRaD, takie jak:

1. Wstęp: Wprowadzenie do tematu, uzasadnienie potrzeby przeglądu literatury, sformułowanie pytania badawczego.
2. Metody: Opis procedur przeglądania literatury, kryteria włączenia i wyłączenia źródeł, strategie wyszukiwania, proces selekcji źródeł, itp.
3. Wyniki: Prezentacja i synteza wyników przeglądu literatury, może zawierać tabele, wykresy lub opisywny przegląd.
4. Dyskusja: Interpretacja znalezionych wyników, ocena jakości i zgodności źródeł, podsumowanie wniosków, identyfikacja luk w wiedzy i kierunki przyszłych badań.

Chociaż struktura raportu SLR może być elastyczna i dostosowywana do konkretnego badania, elementy te często występują, aby zapewnić czytelnikowi jasność i zrozumienie procesu oraz wyników przeglądu literatury. jest standardową strukturą organizacji tekstu w naukowych pracach, pomagając czytelnikom szybko zrozumieć treść i znaleźć potrzebne informacje.

more...

Systematyczny przegląd literatury Systematic Review

To metodyczne przeszukanie dostępnej literatury w poszukiwaniu artykułów istotnych w danym temacie, aby o ile to możliwe wyciągnąć nowe wnioski,  podsumowaniem wiedzy na dany temat.

more...

Dezinformacja w badaniach naukowych

Dezinformacja w badaniach naukowych to celowe rozpowszechnianie fałszywych lub zmanipulowanych informacji w celu promowania określonego stanowiska. Może to mieć poważne konsekwencje dla społeczeństwa, podważając zaufanie do nauki i prowadząc do podejmowania nieodpowiednich decyzji na podstawie fałszywych danych. Dlatego ważne jest, aby promować rzetelne i wiarygodne badania naukowe oraz rozwijać umiejętność krytycznego myślenia w społeczeństwie.

Istnieją również przypadki działań niecelowych, które mogą prowadzić do dezinformacji w badaniach naukowych. Niektóre z tych działań mogą wynikać z nieświadomej błędnej interpretacji danych, niedostatecznej wiedzy metodologicznej lub uprzedzeń badacza. W tych przypadkach ważne jest promowanie edukacji naukowej, uczciwości intelektualnej i ścisłego przestrzegania zasad etycznych, aby minimalizować ryzyko dezinformacji w badaniach naukowych.

Systematyczne Przeglądy Literatury (SLR) są niezwykle ważne w erze postprawdy i dezinformacji z kilku powodów.

• Po pierwsze, SLR opierają się na ścisłych metodach badawczych, co pozwala na obiektywne i systematyczne podsumowanie dostępnych dowodów naukowych na dany temat. W obliczu dezinformacji i fałszywych informacji, które mogą szerzyć się w Internecie, SLR stanowi solidne źródło rzetelnych informacji opartych na wiarygodnych badaniach naukowych.
• Po drugie, SLR umożliwiają identyfikację bieżących trendów i kierunków w badaniach naukowych, co może pomóc w wykrywaniu i przeciwdziałaniu dezinformacji. Poprzez analizę istniejących badań i identyfikację luk w wiedzy, SLR mogą zapewnić bardziej kompleksowe zrozumienie danego tematu oraz ujawnić obszary, które wymagają dalszych badań.
• Po trzecie, SLR promują transparentność i otwartość w procesie badawczym. Poprzez szczegółowe raportowanie metodologii i wyników przeglądu, badacze mogą zapewnić innym możliwość reprodukcji badań oraz weryfikacji ich wyników. To z kolei wspiera wiarygodność i zaufanie do nauki, co jest istotne w walce z dezinformacją.
• Po czwarte, SLR mogą służyć jako narzędzie do edukacji i świadomości społecznej. Poprzez publikację wyników przeglądu oraz przekazywanie rzetelnych informacji na temat badanego zagadnienia, SLR mogą przyczynić się do zwiększenia wiedzy społeczeństwa na temat konkretnych tematów oraz zjawiska dezinformacji.
• Wreszcie, SLR mogą stanowić podstawę do podejmowania informowanych decyzji zarówno w sferze polityki (publicznej, klinicznej itd.). Rzetelne i obiektywne podsumowanie dostępnych dowodów naukowych może być wykorzystane przez decydentów do opracowywania skutecznych strategii działania oraz podejmowania decyzji opartych na najlepszej dostępnej wiedzy.

Systematyczne Przeglądy Literatury odgrywają kluczową rolę w przeciwdziałaniu dezinformacji poprzez dostarczanie wiarygodnych informacji opartych na solidnych badaniach naukowych oraz promowanie transparentności, otwartości i edukacji społecznej.

more...

8 powodów do promowania systematycznych przeglądów literatury

Promowanie systematycznych przeglądów literatury w epoce postprawdy i dezinformacji ma istotne znaczenie. Oto kilka kluczowych powodów: 

1. Promowanie edukacji naukowej: SLR jest metodą badawczą, która wymaga dogłębnej znajomości procesu naukowego, umiejętności analizy i interpretacji danych oraz zrozumienia metodologii badawczej. Edukacja naukowa pomaga badaczom zdobyć niezbędną wiedzę i umiejętności do skutecznego przeprowadzania SLR, co z kolei prowadzi do lepszego zrozumienia istniejącej literatury naukowej, identyfikacji luk w wiedzy, formułowania pytań badawczych oraz podejmowania bardziej uzasadnionych decyzji badawczych. .. 
2. Filtrowanie prawdziwych informacji: Systematyczne przeglądy literatury umożliwiają identyfikację i zrozumienie rzetelnych, opartych na dowodach informacji w morzu dezinformacji i fałszywych treści.
3. Podnoszenie świadomości społecznej: Przeglądy literatury mogą dostarczyć aktualnej wiedzy na temat istotnych kwestii społecznych, naukowych i politycznych, pomagając w rozumieniu faktów i wyjaśnieniu kontrowersyjnych tematów.
4. Weryfikacja źródeł: Badania oparte na dowodach pomagają w weryfikacji źródeł informacji oraz ocenie ich wiarygodności, co jest kluczowe w erze fałszywych informacji i dezinformacji.
5. Budowanie zaufania: Systematyczne przeglądy literatury prowadzone przez renomowane instytucje naukowe lub organizacje mogą budować zaufanie społeczne poprzez dostarczanie rzetelnych, sprawdzonych danych i informacji.
6. Zapobieganie rozprzestrzenianiu się dezinformacji: Poprzez dostarczanie naukowo zweryfikowanych informacji, przeglądy literatury mogą ograniczać rozprzestrzenianie się fałszywych treści i dezinformacji.
7. Wspieranie podejmowania decyzji: Rzetelne przeglądy literatury mogą stanowić solidną podstawę dla decydentów politycznych, naukowców, praktyków zdrowia publicznego i innych osób podejmujących kluczowe decyzje dotyczące polityki, praktyki czy badań.
8. Poprawa jakości debaty publicznej: Poprzez dostarczanie obiektywnych, opartych na dowodach danych, systematyczne przeglądy literatury mogą poprawić jakość debaty publicznej i ułatwić osiąganie porozumienia w kontrowersyjnych kwestiach społecznych i politycznych.

Działania te przyczyniają się do rozwoju wiedzy naukowej, postępu w różnych dziedzinach oraz poprawy jakości i wiarygodności badań naukowych. Promowanie systematycznych przeglądów literatury sprzyja również podnoszeniu jakości i standardów badań naukowych poprzez propagowanie etycznych praktyk badawczych, transparentności oraz rzetelności w procesie prowadzenia badań. Obejmuje to kształcenie badaczy, ułatwianie dostępu do literatury naukowej, organizowanie warsztatów i szkoleń, publikowanie wyników badań, wspieranie interdyscyplinarnych badań, stymulowanie debaty naukowej oraz promowanie transparentności i rzetelności w badaniach.

more...