Ответ РУДН на запрос СМИ о лишении степени кандидата медицинских наук
В соответствии с поступившим в РУДН от СМИ запросом о лишении ученой степени кандидата медицинских наук Ваганова Алексея Геннадьевича, защитившего диссертацию на тему «Клинико-экспериментальное обоснование выполнения гастростомии с использованием полипропиленового экспланта» для исключения любой интерпретации ответов университета, мы публикуем комментарий на официальном сайте РУДН.
Первое заявление о лишении ученой степени кандидата медицинских наук в отношении А.Г. Ваганова поступило 12.06.2023 г. Заявитель С.Н. Шурыгин ссылался на отсутствие «внутреннего единства» диссертации, а также на некорректные заимствования в представленной работе. Диссертационный совет, рассмотрев заявление, пришел к выводу, что «внутреннее единство» в диссертации не утрачено — диссертационное исследование имеет единый методологический подход, законченность диссертации как научного исследования. Соискатель в своем исследовании полностью указывает всех соавторов, кроме того, в списке используемой литературы присутствует 1 патент (авторы — Цулая А.З., Ваганов А.Г., Шурыгин С.Н.) и 3 статьи с перечислением всех соавторов (в том числе — Шурыгина С.Н., Сафонова Л.В.), а в тексте диссертации имеются ссылки на данные работы, таким образом, факт некорректного заимствования не подтверждается, и решением диссертационного совета от 31.10.2023 г. (протокол № 6-ЛС/З) в лишении ученой степени кандидата медицинских наук было отказано.
В заявлении Сафонова Л.В. от 16.08.2024 г. о лишении ученой степени кандидата медицинских наук Ваганова А.Г. утверждалось, что в диссертации представлены фальсифицированные эпикризы. В диссертационный совет РУДН был предоставлен акт проверки первичной документации, которую подготовил ФГАОУ ВО Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский университет) как базовая организация, в которой выполнялась работа. Оригинал акта проверки первичной документации имеется в деле. По запросу РУДН Сеченовский университет подтвердил оригинальность представленного в диссертационный совет документа. Выписные эпикризы были предоставлены в РУДН представителем Сеченовского университета лично.
В компетенции диссертационного совета не входит установление или опровержение факта фальсификации представленных документов. Этот вопрос находится в компетенции правоохранительных органов.
Диссертационный совет не может принимать решение о лишении степени на основании предположения физического лица о фальсификации данных. Директор департамента аттестации научных кадров РУДН неоднократно объясняла заявителю, что с вопросом фальсификации следует обращаться в правоохранительные органы.
И заявитель, и научный руководитель, и автор диссертации присутствовали на заседании, когда обсуждались дата и время следующего заседания, каждому из них были отправлены письма-приглашения. Объявление доступно на официальном сайте по ссылке.
В диссертации представлены материалы о патенте и научных публикациях, авторами которых одновременно являются и заявитель, и автор диссертации. Авторство у них не разделено, и автор диссертации не отрицает, что он не проводил операции, эпикризы служили эмпирической базой, которую он анализировал в рамках своего исследования.
Исследователи РУДН разработали инновационную систему «Челомер» для создания высокоточных трёхмерных моделей лица за считанные секунды. Проект, поддержанный акселератором RUDN.VC, уже вышел на стадию ранних продаж.
Представьте себе мир, где у каждого есть достаточно еды, чистая вода, доступ к образованию и достойная работа. Мир, где берегут природу и заботятся о будущем нашей планеты. Это и есть цели устойчивого развития — построить устойчивое будущее для всех! Для этого Организация Объединенных Наций (ООН) в 2015 году определила 17 Целей устойчивого развития (ЦУР). ЦУР — это глобальный план, который помогает странам и людям вместе двигаться к лучшему будущему. К нему присоединились 193 государства-члена ООН.
Исследователи факультета искусственного интеллекта РУДН провели масштабное исследование, которое раскрыло системные ошибки больших языковых моделей (LLM) при диагностике депрессии по тексту. Эта работа, выполненная совместно с коллегами из AIRI, ФИЦ ИУ РАН, ИСП РАН, МФТИ и MBZUAI, не только выявляет проблему, но и закладывает основу для создания более надёжных и безопасных инструментов для детектирования депрессии и тревожности.