大家好,一枚穷得只剩梦想的医学院青椒上线了,不瞒大家说,这次我摊上事了!
事情是这样的,自从我博后毕业喜当青椒后,经济状态就愈发萧条,可以说是穷得叮当响呀!
每月到手的工资就那么点,具体数目我都不好意思说了,这点钱除了日常家庭开支,还要拿出一部分用于自我发展,也就是与SCI相关的各项开支~
咱就说,人家发SCI致富,我发SCI致贫呀,慧根我是没有的,但是穷根很多。
好在我的颜值高,严格来说,是我论文图表的颜值很高,顺利被挖去兼职校外SCI图表培训师,小赚了一笔钱。
然而,眼看物质生活有所好转,不知是被哪位同事或哪位同学举报到了院方,说我在外做兼职,忽视本职工作。
就在刚刚,领导找我谈话了,表扬了我一番后,决定把SCI论文图课程这项小任务交给我了,顺便还给我定了一个2022年光荣指标:一年内连发3篇SCI!
我听后,连连点头,几近窒息,咱就说家人们,这算惩罚还是激励呢?
啥也不说了,先给各位同学整一波我拿手的SCI论文图表制作技巧压压惊吧,恳求学生学成之后,可以帮我搞定那3篇SCI,我的钱途全仰仗各位了!
自觉提升审美意识
俗话说得好呀,“一图胜千言”、“能用图就不用表,能用表就不用文字”、“读文献最重要的是把图读懂”,这些学术圈的老话听得耳朵长茧子了,反复强调作图与可视化的重要性。
现实是,很少有老师专门教大家怎么样设计出一张优秀的图表——甚至很多老教授们的审美风格本身就很“辣眼”,满屏复古气息如下图所示:
而做出好看的学术图表,按我的理解首先要培养审美,就是要知道什么样的学术图表是好看的,这里你需要做个合格的论文颜狗。
如何培养自己的作图审美?我的经验是通过收集素材来培养审美,海量观摩、练习模仿
顶刊图都是培养审美的一部分。
在此建议大家将收集来的图表作品分类管理,要记住好看的图也有它的缺点,不好看的图也有值得借鉴之处,如果只以好不好看来收集素材且不加以标记,这样的素材管理是低效的。
坚持日常积累下来,你就会发现想要做出一张优秀的学术图表,必须养成以下大作图意识和习惯。
学术图表6大素质养成
1、根据实际,灵活选择表达方式
对于表格或插图的选择, 应视数据表达的需要而定。如果强调展示给审稿人精确的数值, 就采用表格形式;如果要强调展示数据的分布特征或变化趋势,就要采用图示方法。最好要避免插图和表格的形式重复表述相同的数据,除非你能证明重复很有必要,不然就是瞎搞。
2、图表要突出重点,逻辑很重要!
图表本身或周边的留空容易吸引审稿人的注意和阅读。因此, 图表的内容和视觉效果一定要重点突出。尽可能地将论文重点、数据表现的结果用关键性图表,清楚地,有力地表达出来, 不要包含太多无关紧要的信息, 不要画“废图”,注重图表传达性和逻辑性。以免论文的重点被淹没在无关的细节大海里,得不偿失呀!
3、图表的表述要清晰
每个插图或表格都应该具有自明性或相对独立, 图表中的各项资料应清楚、完整, 以便审稿人在不读正文情况下也能够理解图表中所表达的内容。图表中各组元(术语名称、曲线、数据或首字母缩写词等)的安排,要力求使表述的数据或论点一目了然, 心领神会,避免堆积过多的令人分心的细节, 从而造成图表理解上的困难,注意千万不要给自己加戏!
4、图表要做到极简主义
明确图表所要阐述的问题, 在图题、图注或图内直接回答这些问题, 或者在正文中通过提供更多的背景而间接地回答这些问题。复杂的图表尽量安排到论文的尾部, 方便审稿人在前面已有的基础上再进行理解。相互间有比较或参照意义的插图可整合为同一个图中的多个分图[(a), (b), (c)],以减少文字表述的复杂性。
5、色彩要鲜明
SCI论文图表中“五颜六色”是第一要务,你爱的“莫兰迪色系”“北欧风设计”,不好意思,请收起来!图表要“色彩鲜艳”让审稿人一眼看清才是正道。实在不行,你就看椰树椰汁的包装颜色,口感不是很好吗?(注:非广告,但也接受广告费)
6、要素一定要完整!
(1)图表反映的结果,包括扼要的统计描述;
(2)如果可以应注明实验的研究对象;
(3)得出该结果的条件背景,如:采用的处理方法或显示的相互关系等;
(4)实验地点(仅室外实验时需要);
(5)需要详细的图解对图表反映的结果做出解释;
(6)如果可以应注明培养或处理的参数或条件(温度、媒介等);
(7)实验的样本大小和统计检验结果;
(8)不要在两坐标轴标签之间用“versus”对其简单重述。
以上内容,你学废了吗?接下来就是实操层面的技能养成了,切勿眼高手低哦!
如何成为SCI图表技术达人
训练制图技术,能够将可视化设计的想法实现,从而大幅提升文章整体质感。
还有就是,千辛万苦得来的实验数据,如何最大化地利用它,将其处理成可以发顶刊水平的
?请大家集合观看下方美图,这是用啥工具做出来的呢?
没错这是用Graphpad Prism做出来的,目前,GraphPad Prism 9的目标是:帮大家分析更多的数据!分析更复杂的数据!
啥是GraphPad Prism?
众所周知,GraphPad Prism是一款非常专业强大的科研医学生物数据处理绘图软件,它可以将科学图形、综合曲线拟合(非线性回归)、可理解的统计数据、数据组织结合在一起,除了最基本的数据统计分析外,还能自动生成统计图,例如:
各类型的漂亮柱状统计图
各种折线图和折线比较图
高颜值的生存曲线图
错综复杂的组合图
考究如我,在摸索了十来种市面上常用或是小众的软件后,还是首推——GraphpadPrism。
GraphPad Prism软件最新版本为GraphPad Prism 9.0,其功能强大,简单易学,能够适合绝大部分医学科研绘图的实现。
GraphPad Prism 9 核心新功能详解
1. 更高维度的数据!
Prism 9对多变量数据表进行了许多重大改进。使用标准结构可以分析更大的数据集,并执行新的和改进的分析,主要改进如下:
提高了数据列的上限 - 在每个数据表中最多输入1024列数据。
自动识别变量类型 - 将多变量数据表中的变量识别为连续值,分类值或标签值。
数据表可输入文本信息 - 直接以文本形式输入数据。无需将变量编码“0”和“1”,只需直接在数据表中输入例如“Male”和“Female”。
自动变量编码 - 输入您的数据,让Prism负责其余的工作。Prism会自动将分类文本变量编码为数值型哑变量。
2. 主成分分析(PCA)
注:上图以二维形式显示了PCA的图形示例。Prism中的PCA可以对数百个变量进行分析!
有时,收集的变量数量远远超过可供研究的受试者数量。看一下基因表达的研究,将受试者分为两组:治疗组和对照组,然后测量成百上千种不同基因的表达水平。可能只是变量太多而无法使模型适配数据。但是,简单的去掉一些变量不去分析,可能会导致丢失有价值的信息。选择一些要从分析中排除的变量只会丢掉可能有用的信息!PCA就是这样一种“降低维度”的技术,可以用它来减少所需变量的数量,但同时从数据中消除尽可能少的信息。
Prism 9的PCA还包括以下其他功能:
通过平行分析(以及Kaiser方法,总方差阈值方法等)来选择成分。
生成碎石图(Scree Plots)、分数图(Score Plots)和双标图(Biplots)。
自动准备PCA的结果,以进一步用于多元线性回归(PCR - 主成分回归)。
3. 向图表添加新的维度
可以从原始数据 – 对符号位置(X和Y坐标)、大小及填充颜色等编码的变量,直接创建气泡图。请注意,可以使用分类(分组)变量或连续变量来定义符号颜色和大小。
在此图上,有100多个国家/地区显示为单个圆圈。每个圆圈的X坐标代表该国的GDP(PPP),而Y坐标代表出生时的平均预期寿命。每个符号的大小与其所代表的国家的人口成比例(两个最大的符号分别代表中国和印度)。最后,每个符号的颜色代表该国家所在的大洲。在这个例子里的变量(颜色)是分类变量,但气泡图中的颜色也可以像下面这样由连续变量定义:
此图中,符号的X坐标、Y坐标和大小的定义与上例相同。但是,现在该符号的颜色是连续的,其代表该国家每1000个人的出生率。Prism现在还具有内置的半透明配色方案,以便可以更清晰地看到重叠的符号。
4. 自动将多个比较结果添加到图形中
这就是你想要的!
对多个成对比较执行相应的分析后,点击一个按钮就可以将这些结果自动添加到图形中。要自定义这些线和星号,只需再次点击工具栏的按钮即可。如果对数据或分析进行了调整,图形上显示的结果将自动更新。但是请记住,P值只是你研究成果的一方面。别忘了还要报告效应估计值(effect estimation,例如, 95%置信区间的均值差异!)。
5. 使用估计图更好地可视化T检验结果
执行t检验时,Prism现在会自动创建分析结果的估计图(Estimation Plots )。在此图上,两组的原始数据都将绘制在左侧的Y轴上。在右边的Y轴上,将绘制组均值差异及其95%置信区间。该图比只使用P值会提供更多的信息,因为它不仅显示了95%CI是否包括零,还显示了95%CI的范围(如果95%CI包括零,则P值将大于0.05,如果95%CI不包含零,则P值将小于0.05)。
转自:科研书周周送
如有侵权,请联系本站删除!