Stojantiesiems

Kviečiame naudotis Elsevier mokslinės produkcijos analitiniu įrankiu SciVal

Vasario 1, 2024
Primename, kad nuo 2024 m. VILNIUS TECH prenumeruoja Elsevier analitinį įrankį SciVal.

Šį įrankį galima pasiekti iš Scopus duomenų bazės:

Arba adresu: https://www.scival.com

SciVal – tai analitinis įrankis greitam, patogiam ir visapusiškam mokslinės produkcijos įvertinimui ir analizavimui. Įrankyje naudojami Scopus duomenų bazės duomenys, apimantys daugiau nei 55 mln. publikacijų (nuo 1996 m.), paskelbtų daugiau nei 5 000 leidėjų leidžiamuose virš 27 000 seraliniuose leidiniuose duomenis. Šie duomenys leidžia analizuoti daugiau nei 24 000 mokslinių institucijų ir jas atstovaujančių tyrėjų iš daugiau nei 230 šalių mokslinę produkciją.

SciVal įrankis sudarytas iš kelių analizės modulių, padedančių atvaizduoti vykdomų tyrimų aprėptį, poveikį, prioritetines sritis; įvertinti pažangą lyginant duomenis įvairiuose kontekstuose ir lygmenyse; atrasti bendradarbiavimo ar net finansavimo galimybes; identifikuoti aktualiausias ir perspektyviausias tyrimų sritis ir tendencijas; bei rengti įvairaus pobūdžio ataskaitas.

Apžvalgos modulis (Overview)
Naudojantis šiuo moduliu galima įvertinti pasirinktos institucijos (ar jų grupės), tyrėjo (ar jų grupės), šalies ar regiono, ar atskiruose Scopus indeksuojamuose šaltiniuose paskelbtą mokslinę produkciją įvairiais aspektais ir pagal pasirinktą mokslo sričių klasifikaciją. Apžvalgoje pateikiami publikacijų ir jų peržiūrų skaičiai, cituojamumo duomenys, populiariausios tyrimų temos, produktyviausi autoriai, įvykdyti projektai ir jų finansavimo informacija, publikacijų technologinis reikšmingumas (citavimai patentuose), ir net socialinė įtaka (paminėjimai žiniasklaidoje (anglų kalba)). Publikacijas papildomai galima įvertinti pagal mokslo kategorijas, tvaraus vystymosi tikslus (angl. Sustainable Development Goals (SDGs)), Scopus šaltinius ir jų atstovaujamas pasirinkto rodiklio (CiteScore, SJR, SNIP) kvartiles (Q). Taip pat, šiame modulyje pateikiami pagrindiniai mokslinės produkcijos rodikliai pagal pasaulinių universitetų reitingų (QS, ARWU, THE) metodologijas ir galimybė juos analizuoti detaliau (THE reitingų atžvilgiu), kas itin aktualu vertinant universitetų pažangą ir formuluojant ateities strategiją. Šiais aspektais galima įvertinti ir atskiras tyrimų temas, jų grupes ar mokslo sritis, ar kitais būdais sudarytus publikacijų rinkinius.

Palyginimo modulis (Benchmarking)
Šis modulis itin vertingas nustatant tyrimų prioritetus ir formuojant ateities strategijas, nes leidžia įvertinti analizuojamo vieneto pažangą bei stipriausias sritis ir stebėti jų kaitą laike bet kokio lygmens kontekste (nuo individualaus tyrėjo iki šalies ar regiono). Pažymėtina, kad vienu metu galima lyginti skirtingų tipų ir lygmens vienetus (pavyzdžiui, tyrėjus, institucijas, šalis, mokslų sritis ar temas, publikacijų rinkinius, šaltinius ir t. t.).

Bendradarbiavimo modulis (Collaboration)
Šiame modulyje galima vizualiai (žemėlapyje) ar lentelės pavidalu identifikuoti analizuojamo vieneto esamas bendradarbiavimo tendencijas ir potencialias galimybes globaliu, atskirų šalių ar regionų, ar konkrečių sektorių kontekste, remiantis publikacijų ir jų cituojamumo duomenimis.

Tendencijų modulis (Trends)
Skirtas įvertinti atskirų mokslo sričių bendras tendencijas bei identifikuoti labiausiai konkrečioje srityje pasižymėjusias šalis ar regionus, institucijas bei tyrėjus. Šiame modulyje taip pat išskiriamos daugiausia analizuojamos mokslų srities tyrimų finansavusios organizacijos, Scopus indeksuojami šaltiniai, kuriuose tos srities tyrimai publikuojami dažniausiai, bei analizuojamoje mokslo srityje dažniausiai naudojamos reikšminės frazės ar žodžiai.

Ataskaitų modulis (Report)
Šiame modulyje galima greitai sukurti analizuojamo vieneto duomenų ataskaitas, naudojantis SciVal ar partnerių pateikiamais šablonais, arba kuriant ataskaitas patiems. Bet kuriuo atveju, atskiras ataskaitų dalis galima lengvai redaguoti. Ataskaitas taip pat galima papildyti arba sudaryti iš kituose moduliuose sugeneruotų analizės duomenų.

Visuose moduliuose analizę galima tikslinti keičiant laikotarpį bei taikant įvairiausius papildomus filtrus. Taip pat, galima pasirinkti, kokius rodiklius taikyti analizėse ir palyginimuose. Pažymėtina, kad visi moduliai yra tarpusavyje susieti, ir pereinant iš vieno modulio į kitą ne tik išlaikomas pasirinktas analizės vienetas (jei atitinka analizės modulio tipą), bet ir kituose moduliuose pritaikyti papildomi filtrai.

Visus SciVal įrankyje sugeneruotus analizės duomenis, jų grafinio atvaizdavimo paveikslus (diagramas), publikacijų rinkinius ir ataskaitas galima išsaugoti, eksportuoti ar pasidalinti su kitais SciVal vartotojais (tam reikalinga prisijungti prie SciVal paskyros, tačiau jei turite Scopus asmeninę paskyrą, naujos paskyros kurti nereikia – prie SciVal galite prisijungti Scopus paskyros duomenimis).
SciVal įrankyje galima analizuoti duomenis ir iš išorės šaltinių: pavyzdžiui, galima importuoti Scopus duomenų bazėje atliktos paieškos rezultatus.

Papildoma informacija apie SciVal įrankį ir jo naudojimą
Pačiame pradiniame įrankio puslapyje yra pateikiama gausi informacija ir papildomos nuorodos apie SciVal įrankį ir jo naudojimą:

Išsamus įrankio ir jo galimybių aprašymas pateiktas Elsevier tinklapyje.

Išsamesnė informacija apie SciVal modulius ir jų naudojimą, kartu su praktiniais pavyzdžiais, pateikiama SciVal Support Center tinklapyje bei įvadiniame seminare Introduction to SciVal: Build your views on global research.

Galerija

Panašios naujienos

Kur stoti 2026 metais: patarimai, kaip išsirinkti patinkančias ir perspektyvias studijas?
Kur stoti 2026 metais: patarimai, kaip išsirinkti patinkančias ir perspektyvias studijas?
Baigus mokyklą daugelis abiturientų susiduria su tuo pačiu klausimu – kur stoti? Studijų pasirinkimas gali atrodyti sudėtingas, nes šiandien universitetai siūlo šimtus skirtingų programų, o darbo rinkos poreikiai nuolat keičiasi. Vis dėlto svarbu prisiminti, kad studijų kryptis nėra sprendimas visam gyvenimui. Kur kas svarbiau pasirinkti sritį, kuri atitinka tavo gebėjimus, pomėgius ir suteikia galimybių augti ateityje. Štai keli patarimai, kurie gali padėti apsispręsti. 1. Įvertink ne tik tai, kas patinka, bet ir kas perspektyvu Dažnai svarstydami apie studijas jaunuoliai daug dėmesio skiria pomėgiams, tačiau ne mažiau svarbu atsižvelgti ir į savo stipriąsias puses bei tai, kokių specialistų labiausiai trūksta. Jeigu sekasi matematika, logika ar technologijos, verta pasidomėti inžinerijos, informatikos ar duomenų analizės studijomis. Jeigu mėgsti kurti, domiesi dizainu ar komunikacija, gali būti artimos kūrybinių industrijų, architektūros ar medijų kryptys. Užimtumo tarnybos duomenimis, šiuo metu Lietuvoje labiausiai trūksta mechanikos ir elektros inžinierių, inžinerijos technikų, gamybos meistrų, technologijų specialistų. Renkantis studijas verta atkreipti dėmesį ne tik į konkrečią profesiją, bet ir į tai, kokias kompetencijas suteiks pasirinkta programa. Pasaulio ekonomikos forumo ir kitų tarptautinių organizacijų prognozės rodo, kad ateityje ypač svarbūs bus: dirbtinio intelekto ir duomenų analizės įgūdžiai; kibernetinio saugumo žinios; technologinis raštingumas; kūrybiškumas; problemų sprendimas; gebėjimas mokytis visą gyvenimą. 2. Nesirink studijų vien pagal pavadinimą Programų pavadinimai kartais gali būti klaidinantys. Prieš priimdamas sprendimą, būtinai peržiūrėk studijų planą, dėstomus modulius ir praktines veiklas. Pavyzdžiui, technologijų universitetuose siūlomos programos, tokios kaip dirbtinis intelektas, kibernetinis saugumas, mechatronika ir robotika, statybos inžinerija ar aviacijos technologijos, dažnai apima ne tik teorines žinias, bet ir darbą su realiais projektais, laboratorijomis bei modernia įranga. Todėl verta gilintis į turinį, o ne remtis vien programos pavadinimu. 3. Nebijok rinktis technologinių studijų Nors technologinės studijos kartais atrodo sudėtingos, šiandien jos apima gerokai daugiau nei vien matematiką ar programavimą. Modernios inžinerijos, transporto, aviacijos, statybos, architektūros ar informatikos studijos dažnai apjungia technologijas, kūrybiškumą ir praktinių problemų sprendimą. Būtent todėl šios sritys išlieka tarp perspektyviausių tiek Lietuvoje, tiek tarptautinėje darbo rinkoje. 4. Pasidomėk universiteto ryšiais su verslu Studijų kokybę lemia ne tik dėstytojai ar auditorijos. Svarbu ir tai, kiek universitetas bendradarbiauja su verslu bei pramone. Praktikos vietos, bendri projektai su įmonėmis, galimybė dirbti su realiomis užduotimis studijų metu padeda geriau pasirengti darbo rinkai ir dažnai tampa pirmuoju žingsniu į būsimą karjerą. 5. Įvertink studijų aplinką Universitetas – ne tik paskaitos, tai ir nauji draugai, profesiniai kontaktai ir pirmosios karjeros galimybės. Todėl verta atkreipti dėmesį į universiteto bendruomenę, studentų organizacijas, tarptautines programas, bendrabučius ir miesto siūlomas galimybes. Studijuojant Vilniuje atsiveria daugiau galimybių dalyvauti konferencijose, hakatonuose, verslo renginiuose, atlikti praktikas ar susirasti darbą dar studijų metu. 6. Pasikalbėk su esamais studentais Vienas geriausių būdų suprasti, ar studijų programa tau tinka, – pasikalbėti su ją studijuojančiais studentais. Jie gali papasakoti: kaip atrodo kasdienės studijos; kokių dalykų mokomasi; kiek dėmesio skiriama praktikai; kokios karjeros galimybės atsiveria baigus studijas. Tokia informacija dažnai būna vertingesnė nei oficialūs programų aprašymai. 7. Jei dvejoji – rinkis platesnę kryptį Ne visi abiturientai tiksliai žino, kuo nori būti ateityje. Tai visiškai normalu. Tokiu atveju verta rinktis studijas, kurios suteikia platų pagrindą ir leidžia vėliau specializuotis konkrečioje srityje. Informatikos, inžinerijos, verslo technologijų, kūrybinių industrijų ar transporto inžinerijos studijos dažnai suteikia plačiai pritaikomą išsilavinimą ir galimybę rinktis daugiau nei vieną karjeros kryptį. Svarbiausia – nebijoti klysti Dažna stojančiųjų klaida yra įsitikinimas, kad vienas pasirinkimas nulems visą gyvenimą. Iš tikrųjų šiandien profesinis kelias retai būna tiesus. Daugelis specialistų vėliau persikvalifikuoja, gilina kompetencijas ar pereina į gretimas sritis. Todėl svarbiausia rinktis studijas, kurios suteikia tvirtą žinių pagrindą, ugdo gebėjimą mokytis ir padeda suprasti, kas iš tiesų domina. Tokios studijos tampa gera pradžia nepriklausomai nuo to, kokį karjeros kelią pasirinksi ateityje.
Plačiau
Nauja daktaro disertacija
Nauja daktaro disertacija
VILNIUS TECH didžiuojasi savo doktorantų disertacijomis, todėl VILNIUS TECH Biblioteka kviečia sekti skelbiamas naujas apgintas disertacijas. Šiandien pristatoma disertacija „Rekurentiniais neuroniniais tinklais grįstų metodų tyrimas siekiant anksti aptikti gedimus ir atlikti trumpalaikes galios prognozes vėjo energetikoje“ („Investigation of recurrent neural networks-based methods for early fault detection and short-term power forecasting in wind energy applications“), kurią parengė doktorantas Mindaugas Jankauskas. Disertacija rengta 2021–2026 metais Vilniaus Gedimino technikos universitete, vadovas – prof. dr. Artūras Serackis. Disertacija ginama viešame Elektros ir elektronikos inžinerijos mokslo krypties disertacijos gynimo tarybos posėdyje 2026 m. birželio 5 d. 10 val. Vilniaus Gedimino technikos universiteto Aula Doctoralis posėdžių salėje. Didėjantis vėjo energijos vaidmuo šiuolaikinėse elektros energetikos sistemose lemia augantį patikimo vėjo jėgainių veikimo, tikslaus trumpalaikio galios prognozavimo ir skaičiavimo požiūriu efektyvių duomenimis grįstų metodų poreikį. Šioje disertacijoje sprendžiamos dvi tarpusavyje susijusios problemos: ankstyvas gedimų aptikimas vėjo jėgainėse, naudojant valdymo, priežiūros ir duomenų surinkimo (SCADA) laike kintančių rodmenų duomenis, ir trumpalaikis vėjo jėgainių parko generuojamos galios prognozavimas, naudojant meteorologines prognozes. Tyrimo tikslas – sukurti ir ištirti duomenimis grįstus metodus, kurie pagerintų būsenos stebėsenos ir prognozavimo tikslumą, efektyvumą bei praktinį pritaikomumą vėjo energetikos sistemose. Pirmojoje disertacijos dalyje kuriamas virtualiu jutikliu grįstas metodas, skirtas būsenai stebėti ir ankstyviems gedimams aptikti, kai neįprastas veikimas nustatomas pagal skirtumo tarp išmatuotų ir prognozuotų jutiklio reikšmių nuokrypį. Tyrime nagrinėjama, kaip įvesties duomenų pateikimas, mokymo parametrų parinkimas, rekurentinio modelio struktūra ir aktyvavimo funkcijos veikia virtualaus jutiklio tikslumą ir praktinį pritaikomumą. Antrojoje disertacijos dalyje analizuojamos ir optimizuojamos virtualiajam jutikliui taikomos rekurentinių neuroninių tinklų struktūros, vertinant įvesčių sekų sudarymą, mokymo parametrų parinkimą ir alternatyvias aktyvavimo funkcijas, siekiant padidinti tikslumą ir sumažinti praktiniam taikymui svarbias skaičiavimo sąnaudas. Trečiojoje disertacijos dalyje nagrinėjamas dvikrypčiu ilgos trumpalaikės atminties modeliu (BiLSTM) pagrįstas trumpalaikio vėjo jėgainių parko galios prognozavimo metodas, naudojantis skaitinių orų prognozių (NWP) duomenis. Tyrime analizuojama skirtingų meteorologinių prognozių šaltinių įtaka ir vertinamas tikslo funkcijos, papildytos normalizuotu „Nord Pool“ kainos daugikliu, tinkamumas paros į priekį energijos gamybos prognozėms. Disertacija prisideda prie vėjo energetikos ir dirbtinio intelekto sričių, pasiūlydama ir validuodama duomenimis grįstus metodus virtualiam jutikliui sukurti, prognozuojamos ir matuojamos reikšmės skirtumu grįstiems ankstyviems gedimams aptikti, rekurentiniams modeliams optimizuoti, skaičiavimo požiūriu efektyvioms aktyvavimo funkcijoms parinkti ir trumpalaikei vėjo generuojamai galiai prognozuoti, vertinant ne tik pagal statistinę paklaidą, bet ir pagal rinkos rezultatą. Tyrimo rezultatai paskelbti trijuose recenzuojamuose mokslo žurnaluose ir viename konferencijos straipsnių rinkinyje, taip pat pristatyti septyniose konferencijose ir seminaruose. Mokslo darbą galite rasti VILNIUS TECH Virtualiojoje bibliotekoje.
Plačiau