Kodėl vis sunkiau susigaudyti mokslo naujienų sraute
Prisipažinsiu atvirai – dar prieš keletą metų maniau, kad sekti mokslo naujienas yra paprasta. Užsiprenumeruoji keletą žurnalų, paseki kelis Twitter (ar kaip jis ten dabar vadinasi) profilius, ir viskas. Bet 2026-aisiais situacija tapo visiškai kitokia. Kiekvieną dieną publikuojama tiek mokslinių tyrimų, preprint’ų, straipsnių ir komentarų, kad galva ima suktis.
Problema ne ta, kad trūksta informacijos – priešingai, jos per daug. Vienas mano kolega pasakė, kad bandydamas sekti visas naujienas savo srityje, jautėsi tarsi bandytų gerti vandenį iš gaisrinio žarnos. Tikslus palyginimas, nes būtent taip ir yra. Kiekvieną rytą atsidarai el. paštą ir ten laukia 15 naujienlaišių, 30 Google Scholar įspėjimų, kelios dešimtys neperskaitytų straipsnių Feedly ir dar socialinių tinklų srautas, kuriame visi dalijasi „privalomais perskaityti” tyrimais.
O dar yra ta AI revoliucija. Dabar dirbtinis intelektas ne tik padeda mums rašyti straipsnius, bet ir generuoja naujas mokslines hipotezes, analizuoja duomenis greičiau nei bet kada anksčiau. Tai reiškia, kad mokslo naujienų srautas tik didėja. Kai kuriose srityse – ypač biomedicinoje, dirbtinio intelekto tyrimuose ar klimato moksluose – kas savaitę pasirodo tiek pat tyrimų, kiek anksčiau per mėnesį.
Pirmiausia – apibrėžk, ko iš tikrųjų tau reikia
Prieš pradedant kurti tobulą naujienų sekimo sistemą, reikia sustoti ir pagalvoti. Rimtai, nes daugelis žmonių šito nepadaro ir paskui skęsta informacijoje. Aš pats padariau šią klaidą – pradėjau sekti viską, kas bent iš tolo susijęs su mano sritimi, ir greitai supratau, kad tai kelias į beprotybę.
Štai klausimai, į kuriuos turėtum atsakyti sau:
Ar tau reikia sekti fundamentalius tyrimus, ar labiau domina praktiniai pritaikymai? Jei dirbi universitete ir užsiimi tyrimais, turbūt nori žinoti apie naujausias metodologijas ir teorines diskusijas. Bet jei dirbi pramonėje, galbūt svarbiau žinoti, kaip nauji atradimai gali būti pritaikyti praktikoje.
Kaip plati turi būti tavo sekimo zona? Viena vertus, nori būti ekspertas savo siauroje nišoje. Kita vertus, patys įdomiausi atradimų proveržiai dažnai ateina iš gretimų sričių. Aš asmeniškai laikausi 70-20-10 taisyklės: 70% dėmesio skiru savo pagrindinei sričiai, 20% – gretimoms sritims, ir 10% – visiškai netikėtiems dalykams, kurie gali įkvėpti naujų idėjų.
Kiek laiko realistiškiai gali skirti naujienų sekimui? Būk sąžiningas su savimi. Jei gali skirti tik 30 minučių per dieną, tai ir planuok sistemą pagal tai. Geriau gerai susekti mažiau, nei prastai bandyti aprėpti viską.
Man asmeniškai padėjo užsirašyti savo tikslus ant popieriaus lapo. Skamba banaliai, bet veikia. Parašiau: „Noriu žinoti apie visus svarbius tyrimus savo siauroje srityje (kvantiniai skaičiavimai kriptografijai), sekti bendras tendencijas kvantinių technologijų srityje, ir kartą per savaitę perskaityti kažką visiškai iš kitos srities, kas gali išplėsti akiratį.”
Modernios įrankių arsenalo kūrimas
Gerai, dabar prie smagiosios dalies – konkrečių įrankių. 2026 metais turime neįtikėtiną pasirinkimą, bet tai ir problema, nes galima paskęsti įrankių paieškose vietoj to, kad skaitytum pačias naujienas.
RSS vis dar gyvas ir sveikas, nors daugelis apie jį pamiršo. Aš naudoju Feedly Pro+ versiją, ir tai viena geriausių investicijų. Galiu sukurti atskirus feed’us skirtingoms temoms, naudoti AI filtrus, kurie išmoksta, kas man įdomu, ir net gauti Leo AI asistento sugeneruotus santraukas. Alternatyvos – Inoreader (turi galingesnius filtravimo įrankius) ar Newsblur (jei mėgsti open-source).
Štai kaip aš organizuoju savo RSS:
Turiu atskirą folderį „Privaloma skaityti kasdien” su 5-7 pagrindiniais šaltiniais mano srityje. Kitą folderį „Savaitinis peržiūrėjimas” su platesne tematika. Ir „Įkvėpimo šaltiniai” folderį su visiškai įvairiais dalykais – nuo Nature iki MIT Technology Review.
Google Scholar Alerts – absoliutus must-have. Bet štai triukas: nenaudok per plačių paieškos terminų. Vietoj „quantum computing” (kas generuotų šimtus įspėjimų per dieną), naudoju specifiškesnius terminus kaip „post-quantum cryptography lattice” arba konkretūs autorių vardai, kurių darbus seku. Galiu turėti 20-30 tokių siaurų įspėjimų, ir tai veikia geriau nei 3 platūs.
AI-powered agregatoriai tapo žaidimo keitėjais. Naudoju Semantic Scholar Alert sistemą, kuri ne tik randa straipsnius pagal raktinius žodžius, bet ir supranta kontekstą. Jei skaitau straipsnį apie tam tikrą metodologiją, sistema automatiškai siūlo susijusius tyrimus, net jei jie naudoja skirtingą terminologiją. Kiti panašūs įrankiai – ResearchRabbit (puikus vizualizavimui) ir Litmaps (rodo, kaip tyrimai susiję citavimo tinklais).
Socialiniai tinklai – su atsargumu. Mastodon akademinė bendruomenė tapo tikrai aktyvi, ypač po Twitter chaoso. Seku kelis hash tag’us kaip #QuantumComputing ir #CryptoResearch. LinkedIn irgi netikėtai tapo naudingas – daug tyrėjų dabar ten dalijasi savo publikacijomis. Bet čia svarbu nustatyti griežtus laiko limitus, nes socialiniai tinklai gali praryti visą dieną.
Filtravimo strategijos, kad neapsvaigintų galva
Surinkti visas naujienas – tai tik pusė mūšio. Dabar reikia jas filtruoti, nes 90% to, kas pasirodo, tau tiesiog nereikalinga. Skamba žiauriai, bet tai tiesa.
Pirmasis filtravimo lygis – automatinis. Visi modernūs įrankiai turi AI funkcijas, kurios mokosi iš tavo elgsenos. Feedly Leo stebi, kokius straipsnius atidari, kuriuos išsaugai, ir laipsniškai pradeda rodyti daugiau panašaus turinio. Bet šitai reikia „ištreniruoti” – pirmas dvi savaites aktyviai žymėk, kas įdomu, o kas ne.
Aš taip pat naudoju raktinius žodžius-filtrus. Pavyzdžiui, automatiškai pašalinu bet ką su žodžiais „retracted” (atšaukta) pavadinime, nes kam man skaityti apie atšauktus tyrimus? Taip pat filtruoju tam tikrus žurnalus, kurie žinomi dėl žemos kokybės (jūs žinote, apie kuriuos kalbu – tie „pay-to-publish” žurnalai).
Antrasis lygis – greitas vizualinis skenavimas. Kiekvieną rytą skiriu 15 minučių greitam peržiūrėjimui. Žiūriu tik į pavadinimus ir autorių sąrašus. Jei pavadinimas intriguoja ARBA pažįstu autorius, perskaitau abstraktą. Jei abstraktas įdomus, straipsnis keliauja į „Perskaityti vėliau” sąrašą.
Trečiasis lygis – savaitinis deep dive. Penktadienio popietę (kai jau smegenys pavargusios produktyviam darbui) skiriu valandą-pusantros išsamesniam peržiūrėjimui. Tada skaitau tuos straipsnius, kurie sukaupti „Perskaityti vėliau” sąraše. Dauguma jų, pasirodo, iš tikrųjų nėra tokie svarbūs, kaip atrodė pirmą kartą – ir tai normalu. Galbūt 2-3 iš 20 tikrai nusipelno viso straipsnio skaitymo.
Citavimo metrikos kaip filtras – kontroversiškas, bet naudingas metodas. Naudoju Altmetric ir Dimensions įskiepius naršyklėje, kurie rodo, kiek kartų straipsnis jau buvo cituotas ar aptartas socialiniuose tinkluose. Tai nėra tobulas rodiklis (nauji, bet svarbūs tyrimai dar neturi citavimų), bet padeda greitai identifikuoti, kas jau sulaukė bendruomenės dėmesio.
Kaip organizuoti tai, ką nusprendei skaityti
Turiu prisipažinti – ilgą laiką mano „organizavimo sistema” buvo chaosas. Straipsniai išsibarstę po įvairius folderius, kai kurie išsaugoti naršyklės žymėse, kiti atsiųsti pačiam sau el. paštu, dar kiti atsisiųsti į kompiuterį bet kur. Tai buvo košmaras.
Dabar naudoju Zotero kaip centrinę biblioteką. Taip, žinau, yra Mendeley, EndNote, ir daugybė kitų, bet Zotero man patinka dėl kelių priežasčių: nemokamas, open-source, turi puikius įskiepius naršyklėms, ir svarbiausia – sinchronizuojasi tarp visų įrenginių. Vienu paspaudimu galiu išsaugoti bet kokį straipsnį su visa metadata.
Organizuoju taip: turiu pagrindines kategorijas pagal temas (pvz., „Post-quantum cryptography”, „Quantum error correction”, „Applications”), ir sub-kategorijas pagal projektus ar specifiškesnes temas. Kiekvienas straipsnis gauna tag’us – paprastai 3-5 raktažodžius, kurie man padeda vėliau greitai rasti.
Bet čia svarbiausias dalykas – užrašai. Kai skaitau straipsnį, visada užsirašau kelias sakinius Zotero notes sekcijoje: kas buvo pagrindinis atradimas, kodėl tai svarbu MAN, ir kaip tai gali būti susiję su mano darbu. Tai užima papildomų 2-3 minutes, bet vėliau, kai po pusmečio reikia prisiminti, apie ką buvo tas straipsnis, šie užrašai yra neįkainojami.
Dar vienas triukas – spalvų kodavimas. Zotero leidžia priskirti spalvines žymes. Raudona – labai svarbu, turiu cituoti ar naudoti. Geltona – įdomu, bet ne prioritetas. Žalia – perskaitytas ir suarchyvuotas. Mėlyna – reikia perskaityti atidžiau vėliau. Paprasta sistema, bet vizualiai iš karto matau, kur kas.
Automatizavimas – tegul technologijos dirba už tave
Jei dar nenaudoji automatizavimo įrankių 2026 metais, prarandi daug laiko. Aš naudoju Zapier ir IFTTT sukurti automatinėms workflow’ms, kurios sutaupo man gal valandą per savaitę.
Pavyzdžiui, turiu Zapier automatizaciją: kai naujas straipsnis pasirodo mano Google Scholar alert’e IR jis yra iš top-tier žurnalo (Nature, Science, Physical Review Letters ir pan.), jis automatiškai išsaugomas į atskirą „Priority” folderį Zotero ir man ateina push notification’as telefone. Taip niekada nepraleisiu tikrai svarbių publikacijų.
Kita automatizacija: visi straipsniai, kuriuos išsaugau Feedly su žyme „Important”, automatiškai eksportuojami į Notion duomenų bazę, kur laikau savo research notes. Ten jie jau yra struktūrizuoti su metadata ir aš galiu lengvai pridėti savo mintis.
AI santraukų generatoriai tapo labai naudingi. Naudoju Scholarcy, kuris automatiškai sugeneruoja struktūrizuotas santraukas bet kokio akademinio straipsnio. Įkeliu PDF, ir per minutę gaunu ištraukas su pagrindiniais atradimais, metodologija, rezultatais ir išvadomis. Tai nepakaičia viso straipsnio skaitymo, bet padeda greitai nuspręsti, ar verta gilintis.
Dar vienas įrankis – Elicit AI. Tai kaip ChatGPT, bet specialiai sukurtas mokslinių tyrimų analizei. Galiu užduoti klausimą tipo „Kokie naujausi tyrimai rodo post-kvantinės kriptografijos pažeidžiamumą?” ir gaunu ne tik atsakymą, bet ir nuorodas į konkrečius straipsnius su citatų ištraukomis. Tai neįtikėtinai pagreitina literatūros apžvalgos procesą.
Bendruomenė ir kolaboracija – nepamiršk žmogiškojo faktoriaus
Žinot, kas ironiškai yra vienas geriausių būdų sekti mokslo naujienas 2026 metais? Tiesiog kalbėtis su kitais žmonėmis. Rimtai.
Esu journal club narys – kas dvi savaites susitinkame (dažniausiai online) su kolegomis iš viso pasaulio ir aptariame naujausius straipsnius. Kiekvienas iš mūsų atsineša 1-2 straipsnius, kurie jam atrodė įdomūs, ir diskutuojame. Tai ne tik padeda atrasti straipsnius, kurių pats nebūčiau radęs, bet ir suprasti juos giliau per diskusiją.
Slack/Discord bendruomenės mano srityje tapo neįkainojamos. Yra keletas privačių kanalų, kur tyrėjai dalijasi preprint’ais, diskutuoja apie naujas publikacijas, ir net kritikuoja abejotinus rezultatus. Tai kaip turėti realtime peer review sistemą. Bet čia reikia rasti kokybiškas bendruomenes – daugelis yra pilnos triukšmo.
Dar vienas dalykas – konferencijų sekimas. Net jei negali fiziškai dalyvauti, dauguma didesnių konferencijų dabar transliuoja pranešimus online arba bent jau publikuoja abstraktus ir slides. Aš turiu kalendoriuje pažymėtas pagrindines konferencijas savo srityje ir skiriu laiko bent peržiūrėti programą bei pasižiūrėti keynote pranešimus.
Tiesioginiai kontaktai su autoriais – nebijokit rašyti el. laiškų. Jei perskaičiau įdomų straipsnį ir turiu klausimų, parašau autoriui. Dauguma tyrėjų mielai atsako (ypač jei rašai protingus klausimus, o ne „prašau atsiųsti PDF”). Kartais tai virsta ilgalaikiais profesiniais ryšiais, ir tie žmonės tampa tavo asmeniniais „naujienų filtrais” – jie patys tau praneša apie įdomius dalykus.
Kada pasakyti „ne” ir kaip išvengti perdegimo
Štai tiesa, apie kurią niekas nemėgsta kalbėti: negalima sekti visko. Tiesiog negalima. Ir bandymas tai daryti veda į perdegimą.
Aš tai išmokau sunkiu būdu. Prieš porą metų buvau apsėstas mintimi, kad turiu perskaityti VISKĄ. Kiekvieną vakarą sėdėdavau iki vidurnakčio, bandydamas suspėti su naujienų srautu. Jaučiausi kaltas, kai praleisdavau straipsnį. Rezultatas? Perdegimas, nuovargis, ir paradoksaliai – mažiau produktyvaus darbo, nes visa energija ėjo į naujienų sekimą, o ne į savo tyrimų darymą.
Dabar turiu aiškias ribas. Naujienų sekimui skiriu maksimaliai 45 minutes per dieną – 15 minučių ryte greitam peržiūrėjimui, 30 minučių popiet gilesniam skaitymui. Savaitgaliais visiškai neliečiu mokslinių naujienų (išskyrus jei pats to noriu dėl malonumo). Ir žinot kas? Nepraleisiu nieko iš tikrųjų svarbaus. Jei kažkas yra tikrai revoliucinga, apie tai sužinosiu iš kelių šaltinių – nebūtina būti pirmam.
FOMO (fear of missing out) yra realus akademiniame pasaulyje. Bet turiu sau priminti: mano vertė kaip tyrėjo nėra matuojama tuo, kiek straipsnių perskaičiau, o tuo, kokį indėlį darau savo srityje. Geriau gerai suprasti 50 straipsnių per metus, nei paviršutiniškai „perskaityti” 500.
Dar vienas dalykas – reguliarūs „informacijos detox” periodai. Kartą per ketvirtį imų savaitę atostogų nuo visų mokslinių naujienų. Jokių alert’ų, jokių RSS feed’ų, nieko. Pirmą dieną jaučiuosi neramiai, bet po to – neįtikėtinas palengvėjimas. Ir grįžęs atgal, žiūriu į viską šviežiu žvilgsniu.
Kai viskas susideda į vieną darbingą sistemą
Žinot, kas įdomiausia? Sukūrus gerą naujienų sekimo sistemą, ji tampa beveik nematomą. Nebereikia galvoti „oi, kaip dabar rasti informacijos apie X” – sistema automatiškai pristato tai, ko reikia.
Mano tipinė diena dabar atrodo taip: Ryte, kavos metu, greitai perskaitau Feedly „Must Read” folderį telefone – užima 10-15 minučių. Jei kas nors tikrai intriguoja, pažymiu „Read Later”. Popiet, po pietų, kai smegenys šiek tiek lėtesnės, skiriu 20-30 minučių tiems „Read Later” straipsniams. Daugumą jų tik peršoku, kelis išsaugau Zotero. Penktadieniais, kaip minėjau, ilgesnis peržiūrėjimas.
Automatizacijos dirba fone – svarbūs straipsniai automatiškai atsiranda reikiamose vietose, AI filtrai išmoko, ko man reikia, ir triukšmo lygis sumažėjo gal 80%. Nebegaunu šimtų įspėjimų – gaunu 10-15 tikrai relevantingų per dieną.
Bendruomenė papildo tai, ką sistema gali praleisti. Kolegos journal club’e ar Slack’e pamini kažką įdomaus, ir aš tai patikrinu. Bet nebejaučiu, kad prarandu kontrolę ar skęstu informacijoje.
Ar sistema tobula? Ne. Vis dar kartais praleisiu kažką įdomaus. Vis dar kartais praleisiu per daug laiko skaitydamas kažką, kas iš tikrųjų nebuvo toks svarbus. Bet tai daug, daug geriau nei buvo anksčiau.
Svarbiausia pamoka, kurią išmokau: naujienų sekimas turi tarnauti TAVO tikslams, o ne tapti tikslu savaime. Jei sistema tau nepadeda būti geresniu tyrėju, produktyvesniu, ar labiau įkvėptu – keisk ją. Nėra vienos teisingos sistemos visiems. Tai, kas veikia man kvantinių technologijų srityje, gali visiškai netikti biologui ar sociologui.
Eksperimentuok. Bandyk skirtingus įrankius. Koreguok filtrus. Keisk prioritetus. Ir svarbiausia – būk gailestingas sau. Kai kurios dienos būsi super produktyvus informacijos vartotojas. Kitomis dienomis – visai ne. Ir tai visiškai normalu.
Galiausiai, atmink, kad visa ši naujienų sekimo sistema yra tik priemonė. Tikrasis darbas – tai tavo tyrimai, tavo idėjos, tavo indėlis į mokslą. Naujienos turi įkvėpti ir informuoti tą darbą, bet ne jį pakeisti. Kai tik pradedu jausti, kad praleidžiu daugiau laiko skaitydamas apie kitų tyrimus nei darydamas savo – žinau, kad laikas sustoti ir perkalibruoti.
Taigi, sukurk sistemą, kuri tau tarnauja. Naudok technologijas protingai. Išlaikyk žmogiškas jungtis. Nustatyk ribas. Ir tada – eik ir daryk nuostabų mokslą. Nes būtent dėl to visa tai ir darome, ar ne?