Prace dyplomowe · Publikacja

Z pracy magisterskiej do artykułu – co wyciąć, co przeliczyć, jak przebudować wyniki

Artykuł nie jest skróconą pracą dyplomową. Pokazujemy, jak z dwunastu hipotez zrobić jedno uczciwe pytanie, z 15 tabel dwie, co przeliczyć przed wysłaniem i o czym porozmawiać z promotorem. Z pełnym przykładem „przed i po”.

Strona główna / Blog / Z pracy magisterskiej do artykułu
W skrócie: Artykuł z pracy magisterskiej to przebudowa, a nie skrót. Ustal jedno pytanie i hipotezy główne niezależnie od wyników (nieistotne też zostają), przelicz analizy na jednej próbie z efektami i przedziałami ufności, 15 tabel zmień w 2–3, a przed pisaniem ustal z promotorem autorstwo. Sprawdź też zasady czasopisma dotyczące pracy w repozytorium, zgody i licencje.

Artykuł to nie krótsza praca magisterska

Praca dyplomowa ma pokazać, że umiesz przeprowadzić badanie i znasz literaturę. Artykuł z pracy magisterskiej ma przekazać jedno ustalenie czytelnikom, którzy dziedzinę znają i mają mało czasu. Dlatego skracanie akapit po akapicie zwykle się nie udaje. Tribe i Tunariu (2016), pisząc o doktoratach, ujmują to podobnie: praca i recenzowany artykuł to różne teksty, z innymi wymaganiami i odbiorcami. Trzeba wybrać, która część pracy może stać się artykułem, i przygotować to, zanim zacznie się pisać.

Ten wpis dotyczy przebudowy: co wyciąć, co przeliczyć, jak z 15 tabel zrobić 2–3 i o co zapytać, zanim wyślesz tekst. Nie omawiamy tu szczegółowo formatu tabel do artykułu, abstraktu, wyboru czasopisma ani odpowiedzi recenzentom, bo mają własne strony. Doktorantów odsyłamy do przewodnika o doktoracie i publikacjach oraz do tekstu o doktoracie z cyklu artykułów. Żadna z poniższych rad nie gwarantuje przyjęcia tekstu: decydują wartość pytania, jakość danych, dopasowanie do czasopisma i recenzenci.

Przez cały wpis idzie jeden fikcyjny przykład: praca magisterska z psychologii o samotności w pracy i zamiarze odejścia, ankieta wśród 320 pracowników, 12 hipotez, 15 tabel. Dane są symulowane, a liczby pochodzą z kodu R na końcu wpisu.

Jedno pytanie zamiast dwunastu hipotez

Dwanaście hipotez w jednym tekście to dwanaście krótkich, niedokończonych historii. Artykuł potrzebuje jednego pytania, wokół którego można ułożyć wstęp, wyniki i dyskusję. Tu łatwo o nadużycie. O’Boyle i in. (2017) porównali doktoraty z zarządzania z artykułami, które z nich powstały. Stosunek hipotez potwierdzonych do niepotwierdzonych wzrósł z 0.82 do 1.00 w doktoratach do 1.94 do 1.00 w artykułach. Złożyły się na to usuwanie hipotez nieistotnych, dodawanie istotnych, odwracanie przewidywanego kierunku i zmiany w danych. Autorzy nazwali to efektem poczwarki (Chrysalis Effect).

Student, który wybiera do artykułu „to, co wyszło”, robi to samo, często w dobrej wierze. Dlatego kryterium wyboru musi być niezależne od wyniku:

  • Główne zostają te hipotezy, które były główne w pracy, czyli te wprost wynikające z jej celu. Warto mieć na to dowód: plan analizy, konspekt albo rozdział o celach.
  • Główna hipoteza, która się nie potwierdziła, nadal jest główna. Opisz ją tak, jak w poradniku o wyniku nieistotnym.
  • Pozostałe hipotezy nie znikają. Pełna lista, także z wynikami nieistotnymi, trafia do materiałów uzupełniających, oznaczona jako analizy dodatkowe.
  • Nie zmieniaj kierunku ani brzmienia hipotezy po obejrzeniu wyników, bo to HARKing. Nowe analizy nazwij eksploracyjnymi.
  • Zdecyduj, jak traktujesz wiele testów. Problem wielokrotnych porównań nie znika przez to, że część wyników schowano.
  • Warianty analizy opisz jako warianty. Jeśli wynik zależy od decyzji analitycznej, pokaż to w analizie wrażliwości.

W naszym przykładzie cel pracy brzmiał: „sprawdzić, czy samotność w pracy wiąże się z zamiarem odejścia i czy ten związek zależy od trybu pracy”. Główne są więc H1 (związek) i H3 (moderacja przez tryb pracy). H3 okazała się nieistotna i zostaje w tekście. Spośród 12 hipotez istotnych było 8 bez poprawki i 7 po poprawce Holma; wszystkie 12 znajdzie czytelnik w tabeli uzupełniającej.

Artykuł przedstawia dwie hipotezy główne pracy magisterskiej pierwszej autorki (H1 i H3), określone w celu pracy przed zebraniem danych. Wyniki wszystkich 12 hipotez, z wartościami p bez poprawki i po poprawce Holma, zawiera Tabela S1 w materiałach uzupełniających.

Od 60 stron do limitu słów

Zacznij od limitu i układu z instrukcji dla autorów wybranego czasopisma, bo różnią się one bardzo. Tabela pokazuje punkt wyjścia dla typowego tekstu empirycznego. To wartości orientacyjne, oparte na naszym doświadczeniu, a nie reguła.

Co zostaje z każdego rozdziału pracy magisterskiej w artykule i ile słów to orientacyjnie zajmuje
Rozdział pracyCo zostaje w artykuleOrientacyjnie
StreszczenieNapisane od nowa, według wymaganego układu150–300 słów
Część teoretyczna (20–25 stron)Jeden argument prowadzący do pytania; bez definicji podręcznikowych i historii pojęcia500–900 słów
Cel, pytania, hipotezyOstatni akapit wstępu; tylko hipotezy główne50–150 słów (w ramach wstępu)
Metoda (8–10 stron)Według listy raportowania; pełne brzmienie narzędzi w materiałach uzupełniających700–1200 słów
Wyniki (15–20 stron)Wyniki główne, 2–3 tabele, ewentualnie rysunek600–1000 słów
Dyskusja (kilka stron)Interpretacja, porównanie z wybranymi badaniami, ograniczenia, znaczenie800–1200 słów
Wnioski i zakończenieDwa–trzy zdania na końcu dyskusji50–100 słów
Bibliografia, aneksyTylko cytowane pozycje; aneksy jako materiały uzupełniająceZwykle poza limitem (sprawdź)
Dwa słupki skumulowane. W pracy magisterskiej liczącej 60 stron wstęp i teoria zajmują 42 procent, metoda 15, wyniki 30, dyskusja i wnioski 13. W artykule liczącym około 3450 słów wstęp zajmuje 20 procent, metoda 28, wyniki 23, dyskusja 29.
Rysunek 1. Orientacyjne proporcje pracy magisterskiej i artykułu. Część teoretyczna kurczy się najbardziej, a udział metody i dyskusji rośnie. Wartości przykładowe. Rysunek przygotowano w R (ggplot2).

Wstęp piszesz od nowa

Streszczona część teoretyczna nie jest wstępem do artykułu. Wstęp ma w kilku akapitach doprowadzić od problemu do luki i pytania. Ważna jest zmiana perspektywy.

Jak bywa napisane (fikcyjnie): „Samotność towarzyszy człowiekowi od zarania dziejów. W literaturze wyróżnia się wiele definicji tego pojęcia. Pierwsze badania prowadzono w połowie XX wieku [autorzy, rok]. W rozdziale pierwszym omówiono…”

Co nie tak: czytelnik czasopisma zna to pojęcie, nie widzi problemu ani tego, po co powstało badanie. Tekst odsyła też do rozdziałów, których nie ma.

Samotność w pracy wiąże się z gorszym funkcjonowaniem pracowników [autorzy, rok], ale niewiele wiadomo o tym, czy związek z zamiarem odejścia utrzymuje się po uwzględnieniu wsparcia przełożonego [autorzy, rok]. Pracownicy zdalni mają mniej okazji do nieformalnego kontaktu, co mogłoby wzmacniać ten związek [autorzy, rok], jednak wcześniejsze badania rzadko porównywały obie grupy w jednej próbie [autorzy, rok]. Sprawdziliśmy więc, czy samotność w pracy wiąże się z zamiarem odejścia (H1) i czy związek ten jest silniejszy u osób pracujących zdalnie (H3).

Fragment jest fikcyjny, a znaczniki „[autorzy, rok]” trzeba zastąpić prawdziwymi, sprawdzonymi źródłami. Literaturę sprzed lat uzupełnij o najnowsze badania, bo czas od napisania pracy bywa długi.

Metoda: według listy, nie według rozdziału

W pracy metoda bywa pisana tak, by pokazać znajomość pojęć. W artykule ma pozwolić ocenić badanie i je powtórzyć. Najłatwiej przebudować ją według wytycznych raportowania: dla badań obserwacyjnych STROBE (von Elm i in., 2007), dla randomizowanych CONSORT 2025 (Hopewell i in., 2025), a w psychologii standardy APA dla badań ilościowych (Appelbaum i in., 2018). Wypełnij listę punkt po punkcie i zaznacz, czego w pracy brakuje. Często brakuje dat rekrutacji, odsetka odpowiedzi, uzasadnienia liczebności i tego, jak potraktowano braki danych.

Wytnij definicje rodzajów doboru, opisy znanych testów i cytaty o metodzie ankietowej. Na opis narzędzi wystarczy zwykle kilka zdań na skalę: autor, liczba pozycji, skala odpowiedzi, rzetelność w tej próbie. Różnicę między rozdziałem metodologicznym a metodą w artykule najlepiej widać w długości definicji: w artykule ich prawie nie ma.

Co przeliczyć, a nie tylko skopiować

Praca była oceniana inaczej niż artykuł. Recenzent czasopisma zapyta o rzeczy, o które promotor nie pytał. Zanim napiszesz jedno zdanie, wróć do danych i skryptu. Liczby w tabeli pochodzą z przykładu.

Elementy analizy z pracy magisterskiej, które przed publikacją warto przeliczyć, i ich nowa postać w artykule
Było w pracyCo zrobićW przykładzie
Same wartości pDodaj wielkość efektu i przedział ufnościb = 0.41, 95% CI [0.28, 0.54], β = .34
Inne n w każdym teścieJedna próba analityczna, opisane brakiOd 307 do 314 w pracy; w artykule 302 z 320
Podział na medianieZmienna ciągła (patrz dychotomizacja)Test t zastąpiony regresją
Analizy bez zmiennych zakłócającychModel zgodny z założeniami, z góry wybrane kowariantyWsparcie, staż, wiek, tryb pracy
Liczne testy bez planuRodzina hipotez głównych i poprawkaHolm dla H1 i H3
Tabele przepisane ręcznieLiczby z kodu, przegląd spójnościTekst, tabele i abstrakt z jednego wydruku

Jeśli po przeliczeniu wynik się zmienia, nie ukrywaj tego ani przed sobą, ani przed współautorami. Artykuł ma pokazywać wynik lepiej policzony, nawet jeśli różni się od obronionej pracy. Warto też uporządkować dane i skrypt tak, by dało się je udostępnić (pakiet replikacyjny). Jeżeli danych nie masz albo pochodzą z innego źródła, zasady ponownej analizy omawia wpis o reanalizie.

Z 15 tabel do dwóch

Dla każdej tabeli zadaj pytanie: czy bez niej czytelnik oceni wniosek główny? Jeśli nie, przenieś ją albo usuń. Rysunek 2 pokazuje, co stało się z tabelami z przykładu.

Schemat: 15 tabel z rozdziału wyników trafia do sześciu miejsc. Cztery do Tabeli 1 w artykule, trzy do Tabeli 2, cztery do Tabeli S1, dwie do Tabeli S2, jedna staje się zdaniem w metodzie, a jedna zostaje usunięta.
Rysunek 2. Los 15 tabel z fikcyjnej pracy magisterskiej. W nawiasach liczba tabel z pracy. Rysunek przygotowano w R (ggplot2).

Łącz tabele, które mają tę samą budowę. Statystyki opisowe i korelacje zmieszczą się zwykle w jednej. Tabele z programu i tabele z każdym pytaniem osobno rzadko są potrzebne. W Wordzie numerację prowadź automatycznie, bo po przebudowie tabele zmienią numery: pomoże wpis o numeracji i podpisach.

Rozdział wyników i sekcja Results: pełny przykład

Poniżej fragment rozdziału wyników w typowej postaci, a następnie ta sama treść jako sekcja Results. Wszystkie dane, osoby i wyniki są fikcyjne.

Przed: fragment rozdziału wyników

Hipoteza 1 zakładała, że osoby o wysokim poziomie samotności w pracy będą miały wyższy zamiar odejścia niż osoby o niskim poziomie samotności. Badanych podzielono na dwie grupy według mediany. W celu weryfikacji hipotezy zastosowano test t dla prób niezależnych (Tabela 7). Osoby o wysokiej samotności (n = 153, M = 2.88) miały istotnie statystycznie wyższy zamiar odejścia niż osoby o niskiej samotności (n = 154, M = 2.32), t(294.9) = −6.35, p < .001. Hipoteza 1 została potwierdzona.

Hipoteza 2 głosiła, że wsparcie przełożonego wiąże się z zamiarem odejścia. Współczynnik korelacji Pearsona wyniósł r = −.36, p < .001, n = 309 (Tabela 8). Hipoteza 2 została potwierdzona.

Hipoteza 3 zakładała, że związek samotności z zamiarem odejścia będzie silniejszy u pracowników zdalnych. Interakcja nie była istotna statystycznie, b = 0.20, p = .124, n = 307 (Tabela 9). Hipoteza 3 nie została potwierdzona. Oznacza to, że tryb pracy nie ma znaczenia.

Hipoteza 10 zakładała związek stażu z zamiarem odejścia. Współczynnik wyniósł r = −.13, p = .025, n = 314, co potwierdziło hipotezę (Tabela 12).

Co nie tak z perspektywy artykułu: przebieg wykonania zamiast wyniku, podział na medianie, n zmieniające się z hipotezy na hipotezę, brak przedziałów ufności i modelu z kowariantami, hipoteza „niepotwierdzona” odczytana jako brak znaczenia trybu pracy. Tak napisany akapit bywa jednak w pracy dyplomowej akceptowany, co nie znaczy, że wystarczy w czasopiśmie.

Po: sekcja Results

Of the 320 respondents, 302 (94.4%) provided complete data on all study variables and were included in the analyses; 141 worked remotely and 161 on site. Means, standard deviations, and correlations are presented in Table 1. Loneliness at work (M = 2.57, SD = 0.69) was positively correlated with turnover intention (M = 2.61, SD = 0.84), r = .43, 95% CI [.33, .52], p < .001.

We tested two prespecified primary hypotheses and controlled the familywise error rate with the Holm procedure. Consistent with H1, loneliness was associated with higher turnover intention after adjustment for supervisor support, tenure, age, and work mode, b = 0.41, 95% CI [0.28, 0.54], β = .34, Holm-adjusted p < .001 (Table 2). The model explained 25.6% of the variance in turnover intention, F(5, 296) = 20.39, p < .001.

H3 was not supported: the interaction between loneliness and work mode was not statistically significant, b = 0.22, 95% CI [−0.03, 0.46], Holm-adjusted p = .079. The estimated slope was 0.29, 95% CI [0.11, 0.48], among on-site employees and 0.52, 95% CI [0.34, 0.71], among remote employees. The confidence interval for the interaction includes both no difference and a sizeable difference between groups, so these data do not settle the question. Results for all 12 hypotheses of the original thesis, with unadjusted and Holm-adjusted p values, are provided in Table S1.

Table 2

Linear regression predicting turnover intention (N = 302)

Predictorb95% CIp
Loneliness at work (centered)0.41[0.28, 0.54]< .001
Supervisor support−0.26[−0.37, −0.15]< .001
Tenure (years)−0.02[−0.05, 0.01].289
Age (years)0.00[−0.02, 0.01].618
Remote work (0 = on site, 1 = remote)0.03[−0.15, 0.20].765

Note. R² = .26; F(5, 296) = 20.39, p < .001. Simulated, fictional data.

Co się zmieniło:

  • Jedna próba (302 osoby) i jeden model zamiast serii testów. Hipoteza nie jest „potwierdzana” słowem, tylko opisana oszacowaniem i przedziałem.
  • H3 pozostała, choć wynik jest nieistotny, a tekst mówi uczciwie, że dane tej sprawy nie rozstrzygają. Zdanie „tryb pracy nie ma znaczenia” zniknęło.
  • H10 była istotna bez poprawki (p = .025), ale po poprawce Holma dla 12 testów już nie (p = .127), dlatego nie trafia do tekstu jako odkrycie. Jest w Tabeli S1.
  • Znikły zapowiedzi („w celu weryfikacji zastosowano…”). Procedura należy do metody.

Więcej gotowych formuł znajdziesz we wpisie o zdaniach APA.

Dyskusja i styl czasopisma

Dyskusja jest krótsza, ale nie uboższa. Zacznij od odpowiedzi na pytanie, potem porównaj wynik z kilkoma najbliższymi badaniami i napisz, co on zmienia. Zasady ogólne opisuje poradnik o dyskusji. W badaniu przekrojowym nie pisz o wpływie samotności na zamiar odejścia; nasz przykład mówi tylko o związku. Język dopasuj do wybranego czasopisma: przeczytaj kilka jego ostatnich artykułów i porównaj układ, długość i zwyczaje dotyczące pierwszej osoby.

Sprawy, o których student zwykle nie wie

To informacje ogólne, nie porada prawna. Regulaminy uczelni i zasady czasopism różnią się, więc w razie wątpliwości zapytaj promotora, biuro uczelni lub redakcję.

Autorstwo promotora i kolejność nazwisk

Porozmawiajcie o tym przed pisaniem, nie po wysłaniu. Fine i Kurdek (1993) zalecają, by decyzje o autorstwie zapadały na początku współpracy i z udziałem studenta, a ich podstawą były względne kompetencje naukowe i wkład każdej osoby. ICMJE, którego zalecenia stosuje wiele czasopism medycznych, wymienia cztery warunki spełnione łącznie: istotny wkład w koncepcję, zebranie, analizę lub interpretację danych; udział w napisaniu tekstu lub jego krytycznej recenzji; zatwierdzenie ostatecznej wersji; gotowość do odpowiadania za całość pracy. Samo ogólne nadzorowanie zespołu nie wystarcza, ale osoba spełniająca pierwszy warunek powinna dostać szansę spełnienia pozostałych (International Committee of Medical Journal Editors, 2026). Czasopisma często proszą o opis wkładu według taksonomii CRediT. Kolejność nazwisk jest uzgodnieniem autorów i zależy od zwyczajów dziedziny.

Chciałabym/chciałbym przygotować artykuł na podstawie mojej pracy magisterskiej. Proponuję, abyśmy ustalili przed pisaniem: kto za co odpowiada, kto będzie współautorem i w jakiej kolejności, kto wyśle tekst do czasopisma oraz jak przechowamy dane i kod.

Praca w repozytorium a oryginalność

Pracy dyplomowej często nie traktuje się tak samo jak wcześniejszej publikacji w czasopiśmie, ale to zależy od wydawcy. Elsevier (b.d.) w zasadach etyki publikacyjnej wymienia pracę akademicką wśród wyjątków od zakazu ponownego zgłaszania tekstu. Inni wydawcy mogą ująć to inaczej, więc sprawdź politykę wybranego czasopisma i w razie wątpliwości poinformuj redakcję w liście przewodnim. Warto też podać, że tekst powstał na podstawie pracy.

Artykuł przepisany z dostępnej w sieci pracy może dać wysoką zbieżność w systemie sprawdzającym. Hall i in. (2018) w ankiecie wśród ponad 300 redaktorów i członków rad czasopism stwierdzili, że większość dopuszcza w pewnych sytuacjach ponowne użycie własnego tekstu, ale nie ma zgody, kiedy jest ono właściwe. Przebudowa jest więc bezpieczniejsza niż kopiowanie, a pisanie wstępu i dyskusji od nowa służy obu celom. Jak czytać raporty podobieństwa, tłumaczy tekst o systemie antyplagiatowym.

Zgody, licencje i dane

  • Komisja etyczna. Czasopisma często pytają o zgodę komisji. Jeśli badanie prowadzono bez wniosku albo zgoda dotyczyła wyłącznie pracy dyplomowej, zapytaj komisję i redakcję, co w tej sytuacji można zrobić. O opisie badania dla komisji piszemy we wpisie o wniosku do komisji.
  • Informacja dla uczestników. Czy zapowiadała publikację wyników, czy tylko pracę dyplomową? Treść zgody ogranicza to, co możesz zrobić z danymi.
  • Licencje narzędzi. Zgoda na użycie skali w pracy nie musi obejmować artykułu i przedruku pozycji (licencja narzędzia).
  • Dane. Sprawdź, czy wolno je udostępnić i czy w małej grupie da się kogoś rozpoznać.

Plan pracy w ośmiu krokach

  1. Rozmowa z promotorem: wkład, autorstwo, zgoda na artykuł.
  2. Wybór czasopisma i przeczytanie instrukcji dla autorów, zanim cokolwiek napiszesz.
  3. Jedno pytanie i hipotezy główne ustalone niezależnie od wyników.
  4. Powrót do danych: jedna próba, przeliczenia, spójność.
  5. Decyzja o tabelach; materiały uzupełniające.
  6. Metoda i wyniki, potem wstęp i dyskusja, abstrakt na końcu.
  7. Lista raportowania, spójność liczb, czytanie przez kogoś spoza projektu.
  8. List przewodni, oświadczenia, zgłoszenie. Odrzucenie jest normalnym etapem; odpowiedzi recenzentom przygotuj rzeczowo.
Przykład reprodukowalny

Przeliczenia w R: z dwunastu testów do jednego modelu

Kod tworzy fikcyjne dane, odtwarza sposób liczenia z pracy (12 testów, różne n), a następnie liczy dwa modele z artykułu na jednej próbie. Wszystkie liczby z tego wpisu pochodzą z tego wydruku. Ziarna nie wybierano pod wynik. Rysunki powstały w osobnym skrypcie.

Analiza z pracy i analiza do artykułu

Dane wejściowe: symulacja 320 osób z pojedynczymi brakami; set.seed(5001); tylko bazowy R.

Co odczytać: 12 hipotez z p bez poprawki i po poprawce Holma, próbę analityczną, model główny z przedziałami i interakcję z trybem pracy.

Kod R
# Fikcyjna praca magisterska: samotność w pracy a zamiar odejścia (dane symulowane)
set.seed(5001)
n <- 320
d <- data.frame(zdalny = rbinom(n, 1, .45), kobieta = rbinom(n, 1, .62))
d$wiek <- round(pmin(pmax(rnorm(n, 34, 8), 22), 62))
d$staz <- pmax(round((d$wiek - 22) * runif(n, .2, .8)), 0)
d$godziny <- round(rnorm(n, 41, 5))
skala <- function(x) round(pmin(pmax(x, 1), 5), 2)
d$wsparcie <- skala(rnorm(n, 3.4, .8))
d$samotnosc <- skala(2.5 + .25 * d$zdalny - .25 * (d$wsparcie - 3.4) + rnorm(n, 0, .7))
d$zaang <- skala(3.8 - .30 * (d$samotnosc - 2.5) + .25 * (d$wsparcie - 3.4) + rnorm(n, 0, .65))
d$zamiar <- skala(2.7 + .40 * (d$samotnosc - 2.5) + .05 * d$zdalny * (d$samotnosc - 2.5) -
                  .30 * (d$wsparcie - 3.4) - .02 * d$staz + rnorm(n, 0, .75))
for (v in c("samotnosc", "wsparcie", "zaang", "zamiar", "godziny"))
  d[sample(n, sample(4:9, 1)), v] <- NA          # pojedyncze braki odpowiedzi

# 1. Jak liczyła praca: test po teście, za każdym razem inne n
d$sam_wys <- as.integer(d$samotnosc > median(d$samotnosc, na.rm = TRUE))   # podział na medianie
kor <- function(x, y) { k <- cor.test(x, y); c(est = unname(k$estimate), p = k$p.value, n = unname(k$parameter) + 2) }
roz <- function(y, g) { k <- t.test(y ~ g); c(est = unname(diff(k$estimate)), p = k$p.value, n = sum(!is.na(y) & !is.na(g))) }
h <- rbind(H1_samotnosc_mediana_zamiar = roz(d$zamiar, d$sam_wys),
           H2_wsparcie_zamiar     = kor(d$wsparcie, d$zamiar),
           H3_interakcja_tryb     = NA,
           H4_samotnosc_zaang     = kor(d$samotnosc, d$zaang),
           H5_wsparcie_zaang      = kor(d$wsparcie, d$zaang),
           H6_zaang_zamiar        = kor(d$zaang, d$zamiar),
           H7_tryb_samotnosc      = roz(d$samotnosc, d$zdalny),
           H8_plec_samotnosc      = roz(d$samotnosc, d$kobieta),
           H9_wiek_samotnosc      = kor(d$wiek, d$samotnosc),
           H10_staz_zamiar        = kor(d$staz, d$zamiar),
           H11_godziny_samotnosc  = kor(d$godziny, d$samotnosc),
           H12_wsparcie_samotnosc = kor(d$wsparcie, d$samotnosc))
m3 <- lm(zamiar ~ samotnosc * zdalny, d)
h["H3_interakcja_tryb", ] <- c(coef(m3)[4], summary(m3)$coef[4, 4], nobs(m3))
h <- cbind(h, p_Holm = p.adjust(h[, "p"], "holm"))
print(round(h, 3))
cat("Istotne bez poprawki:", sum(h[, "p"] < .05), "z 12; po poprawce Holma:", sum(h[, "p_Holm"] < .05), "\n")
cat("Rozstęp n w pracy:", range(h[, "n"]), "\n")
pokaz <- function(y, g, et) { k <- t.test(y ~ g)
  cat(et, ": M =", round(k$estimate, 2), " t =", round(unname(k$statistic), 2), " df =", round(unname(k$parameter), 1), "\n") }
pokaz(d$zamiar, d$sam_wys, "H1 (niska / wysoka samotność)")
pokaz(d$samotnosc, d$zdalny, "H7 (stacjonarni / zdalni)")
pokaz(d$samotnosc, d$kobieta, "H8 (mężczyźni / kobiety)")
cat("Liczba osób wysoka / niska samotność:", table(d$sam_wys[!is.na(d$zamiar)])[2:1], "\n")

# 2. Jak liczy artykuł: jedna próba analityczna, dwa pytania główne
zm <- c("zamiar", "samotnosc", "wsparcie", "staz", "wiek", "zdalny")
a <- d[complete.cases(d[, zm]), zm]
cat("\nPróba analityczna:", nrow(a), "z", n, "(", round(100 * nrow(a) / n, 1), "% ) | zdalni:", sum(a$zdalny), "\n")
print(round(sapply(a[, zm[1:5]], function(x) c(M = mean(x), SD = sd(x))), 2))
print(round(cor(a[, zm[1:5]])[1:5, 1:2], 2))
r1 <- cor.test(a$samotnosc, a$zamiar)
cat("r(samotność, zamiar) =", round(r1$estimate, 2), " CI", round(r1$conf.int, 2), "\n")
a$sam_c <- a$samotnosc - mean(a$samotnosc)
m1 <- lm(zamiar ~ sam_c + wsparcie + staz + wiek + zdalny, a)
m2 <- update(m1, . ~ . + sam_c:zdalny)
tab <- function(m) cbind(round(cbind(b = coef(m), confint(m)), 2), p = round(summary(m)$coef[, 4], 3))
print(tab(m1)); f1 <- summary(m1)$fstatistic
cat("R2 =", round(summary(m1)$r.squared, 3), " F(", f1[2], ",", f1[3], ") =", round(f1[1], 2), " p =", format.pval(pf(f1[1], f1[2], f1[3], lower.tail = FALSE), digits = 2), "\n")
print(tab(m2)["sam_c:zdalny", , drop = FALSE])
beta <- coef(m1)["sam_c"] * sd(a$sam_c) / sd(a$zamiar)
p2 <- c(H1 = summary(m1)$coef["sam_c", 4], H3 = summary(m2)$coef["sam_c:zdalny", 4])
cat("beta(samotność) =", round(beta, 2), "\n"); print(round(p.adjust(p2, "holm"), 3))
for (g in 0:1) {
  k <- confint(lm(zamiar ~ sam_c + wsparcie + staz + wiek, a[a$zdalny == g, ]))["sam_c", ]
  e <- coef(lm(zamiar ~ sam_c + wsparcie + staz + wiek, a[a$zdalny == g, ]))["sam_c"]
  cat(ifelse(g == 1, "zdalni", "stacjonarni"), ": b =", round(e, 2), " CI", round(k, 2), " n =", sum(a$zdalny == g), "\n")
}
Wynik w R
                               est     p   n p_Holm
H1_samotnosc_mediana_zamiar  0.568 0.000 307  0.000
H2_wsparcie_zamiar          -0.356 0.000 309  0.000
H3_interakcja_tryb           0.199 0.124 307  0.496
H4_samotnosc_zaang          -0.306 0.000 307  0.000
H5_wsparcie_zaang            0.424 0.000 308  0.000
H6_zaang_zamiar             -0.157 0.006 308  0.034
H7_tryb_samotnosc            0.334 0.000 313  0.000
H8_plec_samotnosc            0.070 0.410 313  1.000
H9_wiek_samotnosc           -0.001 0.980 313  1.000
H10_staz_zamiar             -0.126 0.025 314  0.127
H11_godziny_samotnosc        0.007 0.906 307  1.000
H12_wsparcie_samotnosc      -0.314 0.000 307  0.000
Istotne bez poprawki: 8 z 12; po poprawce Holma: 7 
Rozstęp n w pracy: 307 314 
H1 (niska / wysoka samotność) : M = 2.32 2.88  t = -6.35  df = 294.9 
H7 (stacjonarni / zdalni) : M = 2.41 2.74  t = -4.34  df = 300.2 
H8 (mężczyźni / kobiety) : M = 2.52 2.59  t = -0.83  df = 211.4 
Liczba osób wysoka / niska samotność: 153 154 

Próba analityczna: 302 z 320 ( 94.4 % ) | zdalni: 141 
   zamiar samotnosc wsparcie staz  wiek
M    2.61      2.57     3.47 6.14 34.38
SD   0.84      0.69     0.83 4.36  7.61
          zamiar samotnosc
zamiar      1.00      0.43
samotnosc   0.43      1.00
wsparcie   -0.36     -0.32
staz       -0.11      0.00
wiek       -0.11      0.00
r(samotność, zamiar) = 0.43  CI 0.33 0.52 
                b 2.5 % 97.5 %     p
(Intercept)  3.76  3.15   4.36 0.000
sam_c        0.41  0.28   0.54 0.000
wsparcie    -0.26 -0.37  -0.15 0.000
staz        -0.02 -0.05   0.01 0.289
wiek         0.00 -0.02   0.01 0.618
zdalny       0.03 -0.15   0.20 0.765
R2 = 0.256  F( 5 , 296 ) = 20.39  p = <2e-16 
                b 2.5 % 97.5 %     p
sam_c:zdalny 0.22 -0.03   0.46 0.079
beta(samotność) = 0.34 
   H1    H3 
0.000 0.079 
stacjonarni : b = 0.29  CI 0.11 0.48  n = 161 
zdalni : b = 0.52  CI 0.34 0.71  n = 141 

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (tylko funkcje bazowe); rysunki przygotowano w pakietach ggplot2 i svglite. W artykule podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. svglite (wersja 2.2.2): Wickham, H., Henry, L., Pedersen, T. L., Luciani, T. J., Decorde, M., & Lise, V. (2025). svglite: An ‘SVG’ graphics device [R package]. https://doi.org/10.32614/CRAN.package.svglite

Najczęstsze błędy

  • Skracanie zamiast przebudowy. Rozdziały są krótsze, ale logika dalej jest logiką pracy dyplomowej.
  • Zostawienie tylko istotnych hipotez. To wybór według wyniku; hipotezy główne ustala się bez patrzenia na p.
  • Kopiowanie liczb z pracy bez przeliczenia. Recenzent zauważy zmienne n i brak przedziałów.
  • Autorstwo ustalone po wysłaniu. Rozmowa zaczęta za późno kończy się sporem.
  • Brak sprawdzenia licencji i zgód. Dowiesz się o tym dopiero od redakcji.
  • Wysyłka do pierwszego czasopisma z e-maila. Zaproszenia od nieznanych tytułów sprawdzaj jak w poradniku o wyborze czasopisma.

Lista kontrolna przed wysłaniem

  • Czy z promotorem ustalono autorstwo, kolejność i wkład?
  • Czy tekst ma jedno pytanie, a hipotezy główne wybrano niezależnie od wyników?
  • Czy wyniki nieistotne hipotez głównych są w tekście, a pozostałe w materiałach uzupełniających?
  • Czy wszystkie analizy mają jedną opisaną próbę, wielkości efektów i przedziały?
  • Czy tabel jest tyle, ile dopuszcza czasopismo, i czy każda jest przywołana?
  • Czy metoda zgadza się z listą raportowania (STROBE, CONSORT lub APA)?
  • Czy sprawdzono zasady czasopisma dotyczące prac dyplomowych w repozytoriach?
  • Czy zgoda komisji, informacja dla uczestników i licencje narzędzi obejmują publikację?
  • Czy liczby w abstrakcie, tekście i tabelach są takie same?
  • Czy tekst przeczytała osoba spoza projektu?

Najczęstsze pytania

Czy pracę magisterską można opublikować jako artykuł w czasopiśmie?

Często tak, ale trzeba ją przebudować: artykuł ma jedno pytanie, krótszy wstęp i wyniki w kilku tabelach. Sprawdź zasady czasopisma, zgody oraz licencje narzędzi. Żadne przygotowanie nie gwarantuje przyjęcia tekstu.

Czy promotor musi być współautorem artykułu z pracy magisterskiej?

Nie ma jednej reguły. Liczy się rzeczywisty wkład: według kryteriów ICMJE autor wnosi istotny wkład, uczestniczy w pisaniu lub krytycznej recenzji, zatwierdza wersję końcową i odpowiada za całość. Samo ogólne nadzorowanie nie wystarcza. Ustalcie to przed rozpoczęciem pisania.

Czy praca w repozytorium uczelni przeszkadza w publikacji artykułu?

Zależy to od polityki wydawcy. Niektórzy, np. Elsevier, wymieniają pracę akademicką wśród wyjątków od zakazu ponownego zgłaszania, ale inni mogą mieć odmienne zasady. Sprawdź je w instrukcji dla autorów i poinformuj redakcję, że tekst powstał na podstawie pracy.

Czy mogę zostawić w artykule tylko hipotezy, które się potwierdziły?

Nie, jeżeli wybierasz je według wyniku. To zniekształca literaturę, co opisali O’Boyle i in. (2017). Hipotezy główne wybierz niezależnie od p, a pozostałe wyniki, także nieistotne, przedstaw w materiałach uzupełniających.

Ile słów powinien mieć artykuł z pracy magisterskiej?

Decyduje instrukcja dla autorów wybranego czasopisma. Jako orientacyjny punkt wyjścia przyjmij kilka tysięcy słów bez bibliografii i tabel, z dużym cięciem części teoretycznej. Wstęp wtedy zwykle ma 500–900 słów, nie 20 stron.

Powiązane hasła

Przeczytaj też

Chcesz zrobić z pracy magisterskiej artykuł, ale nie wiesz, co przeliczyć?

Sprawdzimy analizy i spójność liczb, przeliczymy wyniki w R lub SPSS z wielkościami efektów i przedziałami ufności oraz pomożemy przygotować tabele tak, by odpowiadały zasadom czasopisma.

Oferta dla studentówWyceń analizę

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191 ● Otwarty dostęp
  2. Elsevier. (b.d.). Publishing ethics. https://www.elsevier.com/about/policies-and-standards/publishing-ethics ● Otwarty dostęp
  3. Fine, M. A., & Kurdek, L. A. (1993). Reflections on determining authorship credit and authorship order on faculty-student collaborations. American Psychologist, 48(11), 1141–1147. https://doi.org/10.1037/0003-066x.48.11.1141 ● Otwarty dostęp: pełny tekst
  4. Hall, S. E., Moskovitz, C. A., & Pemberton, M. A. (2018). Attitudes toward text recycling in academic writing across disciplines. Accountability in Research, 25(3), 142–169. https://doi.org/10.1080/08989621.2018.1434622
  5. Hopewell, S., Chan, A.-W., Collins, G. S., Hróbjartsson, A., Moher, D., Schulz, K. F., Tunn, R., Aggarwal, R., Berkwits, M., Berlin, J. A., Bhandari, N., Butcher, N. J., Campbell, M. K., Chidebe, R. C. W., Elbourne, D., Farmer, A., Fergusson, D. A., Golub, R. M., Goodman, S. N., . . . Boutron, I. (2025). CONSORT 2025 statement: Updated guideline for reporting randomised trials. BMJ, 389, Article e081123. https://doi.org/10.1136/bmj-2024-081123 ● Otwarty dostęp
  6. International Committee of Medical Journal Editors. (2026). Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals (updated January 2026). ICMJE. https://www.icmje.org/recommendations/ ● Otwarty dostęp: pełny tekst
  7. O’Boyle, E. H., Banks, G. C., & Gonzalez-Mulé, E. (2017). The Chrysalis Effect: How ugly initial results metamorphosize into beautiful articles. Journal of Management, 43(2), 376–399. https://doi.org/10.1177/0149206314527133
  8. Tribe, R., & Tunariu, A. D. (2016). Turning your dissertation into a publishable journal article. Counselling Psychology Review, 31(1), 50–58. https://doi.org/10.53841/bpscpr.2016.31.1.50
  9. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., Vandenbroucke, J. P., & STROBE Initiative. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies. PLOS Medicine, 4(10), Article e296. https://doi.org/10.1371/journal.pmed.0040296 ● Otwarty dostęp

Cytowania BibTeX

@article{appelbaum2018journal, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={{Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report}}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@misc{elsevierndpublishing, author={{Elsevier}}, title={{Publishing ethics}}, howpublished={Elsevier}, year={b.d.}, url={https://www.elsevier.com/about/policies-and-standards/publishing-ethics}}
@article{fine1993reflections, author={Fine, Mark A. and Kurdek, Lawrence A.}, title={{Reflections on determining authorship credit and authorship order on faculty-student collaborations}}, journal={American Psychologist}, year={1993}, volume={48}, number={11}, pages={1141--1147}, doi={10.1037/0003-066x.48.11.1141}}
@article{hall2018attitudes, author={Hall, Susanne E. and Moskovitz, Cary A. and Pemberton, Michael A.}, title={{Attitudes toward text recycling in academic writing across disciplines}}, journal={Accountability in Research}, year={2018}, volume={25}, number={3}, pages={142--169}, doi={10.1080/08989621.2018.1434622}}
@article{hopewell2025consortstatement, author={Hopewell, Sally and Chan, An-Wen and Collins, Gary S. and Hróbjartsson, Asbjørn and Moher, David and Schulz, Kenneth F. and Tunn, Ruth and Aggarwal, Rakesh and Berkwits, Michael and Berlin, Jesse A. and Bhandari, Nita and Butcher, Nancy J. and Campbell, Marion K. and Chidebe, Runcie C. W. and Elbourne, Diana and Farmer, Andrew and Fergusson, Dean A. and Golub, Robert M. and Goodman, Steven N. and Hoffmann, Tammy C. and Ioannidis, John P. A. and Kahan, Brennan C. and Knowles, Rachel L. and Lamb, Sarah E. and Lewis, Steff and Loder, Elizabeth and Offringa, Martin and Ravaud, Philippe and Richards, Dawn P. and Rockhold, Frank W. and Schriger, David L. and Siegfried, Nandi L. and Staniszewska, Sophie and Taylor, Rod S. and Thabane, Lehana and Torgerson, David and Vohra, Sunita and White, Ian R. and Boutron, Isabelle}, title={{CONSORT 2025 statement: Updated guideline for reporting randomised trials}}, journal={BMJ}, year={2025}, volume={389}, eid={e081123}, doi={10.1136/bmj-2024-081123}}
@misc{icmje2026recommendations, author={{International Committee of Medical Journal Editors}}, title={{Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals (updated January 2026)}}, howpublished={ICMJE}, year={2026}, publisher={International Committee of Medical Journal Editors}, url={https://www.icmje.org/recommendations/}}
@article{oboyle2017chrysalis, author={O'Boyle, Ernest H. and Banks, George C. and Gonzalez-Mulé, Erik}, title={{The Chrysalis Effect: How ugly initial results metamorphosize into beautiful articles}}, journal={Journal of Management}, year={2017}, volume={43}, number={2}, pages={376--399}, doi={10.1177/0149206314527133}}
@article{tribe2016turning, author={Tribe, Rachel and Tunariu, Aneta D.}, title={{Turning your dissertation into a publishable journal article}}, journal={Counselling Psychology Review}, year={2016}, volume={31}, number={1}, pages={50--58}, doi={10.53841/bpscpr.2016.31.1.50}}
@article{vonelm2007strengthening, author={von Elm, Erik and Altman, Douglas G. and Egger, Matthias and Pocock, Stuart J. and Gøtzsche, Peter C. and Vandenbroucke, Jan P. and {STROBE Initiative}}, title={{The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies}}, journal={PLOS Medicine}, year={2007}, volume={4}, number={10}, eid={e296}, doi={10.1371/journal.pmed.0040296}}
R