{"id":682994,"date":"2025-12-31T14:42:13","date_gmt":"2025-12-31T14:42:13","guid":{"rendered":"https:\/\/www.europesays.com\/de\/682994\/"},"modified":"2025-12-31T14:42:13","modified_gmt":"2025-12-31T14:42:13","slug":"die-einflussreichsten-forschungsarbeiten-seit-2000","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/de\/682994\/","title":{"rendered":"Die einflussreichsten Forschungsarbeiten seit 2000"},"content":{"rendered":"

Wovon handeln wohl die bisher meistzitierten wissenschaftlichen Paper in diesem Jahrhundert? Von CRISPR<\/a>-Gentools, mRNA<\/a>-Impfungen, vom Higgs-Boson<\/a> oder von Gravitationswellen<\/a>?<\/p>\n

Falsch geraten. In den Top Ten, die das Fachmagazin Nature<\/a> zusammengestellt hat, taucht keins dieser Themen auf. \u201eDie am meisten zitierten Paper sind nicht generell die ber\u00fchmtesten wissenschaftlichen Entdeckungen\u201c, kommentiert Nature. \u201eStattdessen beschreiben diese Arbeiten eher wissenschaftliche Methoden oder Software, die Arbeitspferde, auf die Forschende angewiesen sind.\u201c<\/p>\n

<\/p>\n

Empfehlungen der Redaktion<\/p>\n

${content}<\/p>\n

\n ${custom_anzeige-badge}
\n ${custom_tr-badge}
\n ${section}\n <\/p>\n

${title}<\/a><\/p>\n

<\/p>\n

<\/p>\n

<\/a><\/p>\n

<\/p>\n

<\/p>\n

<\/a><\/p>\n

<\/b><\/p>\n

F\u00fcr das Ranking hat Nature f\u00fcnf verschiedene Datenbanken mit einigen zehn Millionen Artikeln ausgewertet, die seit dem Jahr 2000 ver\u00f6ffentlicht wurden. Und die Gewinner sind:<\/p>\n

\n 1. Deep Residual Learning for Image Recognition (2016)\n <\/p>\n

In diesem Paper von Microsoft Research<\/a> geht es um eine effizientere Trainingsmethode von tiefen neuronalen Netzwerken zur Bilderkennung. Das Konzept dahinter f\u00fchrte unter anderem zu AlphaGo<\/a>, AlphaFold<\/a> und schlie\u00dflich zu Gro\u00dfen Sprachmodellen<\/a>.<\/p>\n

\n Empfohlene redaktionelle Inhalte\n <\/p>\n

Hier findest du externe Inhalte von TargetVideo GmbH<\/strong>,
\n die unser redaktionelles Angebot auf t3n.de erg\u00e4nzen.
\n Mit dem Klick auf „Inhalte anzeigen“ erkl\u00e4rst du dich einverstanden,
\n dass wir dir jetzt und in Zukunft Inhalte von TargetVideo GmbH<\/strong> auf unseren Seiten anzeigen d\u00fcrfen.
\n Dabei k\u00f6nnen personenbezogene Daten an Plattformen von Drittanbietern \u00fcbermittelt werden.
\n
\n Inhalte anzeigen<\/p>\n

\n
\n Hinweis zum Datenschutz
\n <\/a>\n <\/p>\n

\n Leider ist etwas schief gelaufen…\n <\/p>\n

An dieser Stelle findest du normalerweise externe Inhalte von TargetVideo GmbH<\/strong>,
\n jedoch konnten wir deine Consent-Einstellungen nicht abrufen.
\n Lade die Seite neu oder passe deine Consent-Einstellungen manuell an.<\/p>\n

Datenschutzeinstellungen verwalten<\/p>\n

\n 2. Analysis of relative gene expression data (2001)\n <\/p>\n

Das Paper von Applied Biosystems<\/a> besch\u00e4ftigt sich mit der Analyse von PCR-Experimenten. PCR<\/a> steht f\u00fcr Polymerase-Kettenreaktion und dient dazu, DNA zu vervielf\u00e4ltigen, um sie untersuchen zu k\u00f6nnen.<\/p>\n

\n 3. Using thematic analysis in psychology (2008)\n <\/p>\n

Zwei Forscherinnen aus Auckland und Bristol geben in diesem Paper Richtlinien f\u00fcr eine \u201egezieltere und rigorosere\u201c Anwendungen der \u201eThematischen Analyse\u201c<\/a>, einer \u201eschlecht abgegrenzten, selten anerkannten, aber dennoch weit verbreiteten qualitativen Analysemethode in der Psychologie\u201c.<\/p>\n

\n 4. Diagnostic and statistical manual of mental disorders: DSM-5 (2013)\n <\/p>\n

Nummer vier auf der Liste ist keine neue Forschungsarbeit, sondern die f\u00fcnfte Auflage des Diagnose-Handbuches der American Psychiatric Association<\/a>. Es liefert Kriterien, um psychische St\u00f6rungen zu erkennen.<\/p>\n

\n 5. A short history of SHELX (2007)\n <\/p>\n

Das am f\u00fcnfth\u00e4ufigsten zitierte Paper stammt von der Uni G\u00f6ttingen und befasst sich dem Softwarepaket SHELX<\/a>. Es dient dazu, von Messdaten auf die Struktur von Molek\u00fclen zu schlie\u00dfen.<\/p>\n

\n 6. Random Forests (2001)\n <\/p>\n

Auf Platz sechs landet ein Paper aus Berkeley \u00fcber Random Forests<\/a>. Dieses Verfahren wird oft zur Klassifizierung von Datens\u00e4tzen verwendet, wie etwa zur Analyse von Konflikten und Kriegen<\/a>. In Zeiten von Deep Learning ist die Methode ein bisschen aus der Mode gekommen. Sie eignet sich aber gut f\u00fcr Tabellen, die viele Daten enthalten, deren Relevanz nicht bekannt ist.<\/p>\n

\n 7. Attention Is All You Need (2017)\n <\/p>\n

Google-Forschende haben in diesem Paper eine \u201eeinfache Netzwerkarchitektur\u201c namens \u201eTransformer\u201c<\/a> vorgeschlagen (das \u201eT\u201c in \u201eGPT\u201c). Er basiere \u201eausschlie\u00dflich auf Aufmerksamkeitsmechanismen\u201c und brauche deutlich weniger Training als bisherige Modelle. Dies war der Durchbruch zu dem, was wir heute als gro\u00dfe Sprachmodelle<\/a> bezeichnen.<\/p>\n

\n 8. ImageNet Classification with Deep Convolutional Neural Networks (2012)\n <\/p>\n

Noch ein Klassiker: In diesem Paper erkl\u00e4ren drei kanadische Forscher, wie sie ein tiefes neuronales Netzwerk trainiert haben<\/a>, um Bilder mit einer bis dahin unerreichten Genauigkeit zu klassifizieren. Ihr Forschungsansatz hat wesentlich zum Boom von Deep Learning und der heutigen KI beigetragen. Einer der Autoren ist ein gewisser Geoffrey E. Hinton, der daf\u00fcr 2024 den Nobelpreis f\u00fcr Physik erhielt<\/a>.<\/p>\n

\n 9. Global cancer statistics 2020\n <\/p>\n

\n 10. Global cancer statistics 2018\n <\/p>\n

Die Pl\u00e4tze 9 und 10 gehen an die j\u00e4hrlich ver\u00f6ffentlichten Krebs-Statistiken des Global Cancer Observatory in der Ausgabe von 2020<\/a> und 2018<\/a>. Sie umfassen 36 Krebsarten in 185 L\u00e4ndern.<\/p>\n

\"\"\/<\/p>\n

Top-Artikel<\/p>\n

${content}<\/p>\n

\n ${custom_anzeige-badge}
\n ${custom_tr-badge}
\n ${section}\n <\/p>\n

${title}<\/a><\/p>\n

<\/p>\n

<\/p>\n

<\/a><\/p>\n

<\/p>\n

<\/p>\n

<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"Wovon handeln wohl die bisher meistzitierten wissenschaftlichen Paper in diesem Jahrhundert? Von CRISPR-Gentools, mRNA-Impfungen, vom Higgs-Boson oder von…\n","protected":false},"author":2,"featured_media":682995,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[137],"tags":[29,30,141,232],"class_list":{"0":"post-682994","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-gesundheit","8":"tag-deutschland","9":"tag-germany","10":"tag-gesundheit","11":"tag-health"},"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@de\/115814711097804772","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/posts\/682994","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/comments?post=682994"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/posts\/682994\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/media\/682995"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/media?parent=682994"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/categories?post=682994"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/de\/wp-json\/wp\/v2\/tags?post=682994"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}