我的观点是，搜集数据是一切像模像样的研究的基础。在硕士阶段，从数据搜集入手去开展一项完整的研究，对于提升研究能力是很好的训练。因此，无论如何不能怕困难。有了过硬的数据，即使你的分析能力有限，未能得出石破天惊的结论，但是别人可以利用你的数据去做进一步的分析，那也是你在源头上做出了贡献。我个人有一个简单看法：硕士研究生只要在数据搜集上下了真功夫，就可以认为具有“创新点”了――贡献了新数据。当然，是在一项有意义的学术选题的前提下搜集数据，而不是为搜集数据而搜集数据。

摘自：http://www.sciencetimes.com.cn/m/user_content.aspx?id=212832

看到武老师这段话的时候，我正埋头于搜集数据。说实话，是真的觉得烦，而且看不见价值，真的想过放弃。但看到武老师说得这么重要，想自己虽然已经读过硕士，还真的没有好好搜集过数据，更没有从数据中总结出什么规律来，就坚持一下吧。

数据搜集的工作先前也作过，但搜集的数据很明确，只是一个数字，而这个数字间的规律是后面的分析而来的。所以，在搜集数据的时候，没有感觉到很难。后来搜集过图书馆期刊利用的数据，也只是说明性的数据，只是把数据呈现出来，也没有感觉多难。

这次搜集的数据是结构解释性数据。说实话，这种结构原本来就不是很清楚，刚开始只是一个idea，然后和老师两个人讨论了很长时间，觉得似乎弄清楚了，就开始搜集，花费了很长时间，结果到解释的时候，怎么也解释不清楚，才发现原来要用到了一个概念和我原先理解得不一样，或者说原来所理解的概念之间的关系是全异的，但现在却是交叉的，那么我们后面要解释的东西根本就无法站住脚，要么是在一个更为复杂的基础上展开分析，而这种分析就没有办法解释我们现在所要证明的概念。所以，所搜集的数据一点用处都没有了。

老师和我两个人抓耳挠腮了很长时间，两个人都感觉totally confused。不知道该怎么把这个研究进行下去。说实话，这是一个建立在新的结构上的概念，概念本身我们都不是很清楚，前人的研究也都没有很好的逻辑证明，只是凭着想象在池塘里扔了一块石子，然后试图解释所溅起的水花和所引起的波纹，尽管此后有人尽力完善这个概念，但在之前，这个概念至少还没有明确地解释过，甚至其中的一个作者本身，也不是很明白这个概念。

后来老师帮我引入另外一个概念，这个概念可以在上位类把概念划分为对立关系，于是，研究可以继续下去，重新搜集和整理数据。加上先前搜集和整理分析数据的经验，研究进行得很顺利。

所以，对武老师的见解非常赞同:搜集数据像模像样研究的基础，从数据搜集开始开展一项完整的研究，对提升研究能力是很好的训练。这次从数据搜集开始的研究对我个人是个很大的挑战，我后来终于把结构性的概念表述清楚，老师看后说，I slowly begin to understand what you did, it looks very good. 然后他开始在其上修改充实，进一步深化和明确概念。

这次搜集数据积累了一些经验，一直想好好总结一下，以后再搜集数据就不至于再走这么多的弯路。

1，明确我们所搜集数据所涉及的所有概念和概念间的关系。

这很重要，如果其中有一个概念不明确，我们后面搜集的数据就没有办法分析，可能所有的工作都白费了。而说实话，要在事先完全理解这些概念还真的有些难度，一个原因是自己本身的知识积累不够，对有些概念不够理解。二是有些概念本身还不是很清楚，科研本身就是向未知探索的一个过程，所以，概念本身的模糊也很常见。一定要在搜集数据之前，好好学习，把这些概念弄清楚。

2,好好设计我们所要搜集的数据结构。

这又是一个难题，因为很多时候，我们是因为不知道这些数据结构才开始调查的。但这对结构的数据很有意义，结构性的数据往往说明科学最基本的结构，决定了其上的功能，刚开始搜集数据的时候，起码要有一个框架。然后，在数据搜集的过程中，可以根据数据本身来调整这个框架。

3, 要尽量利用计算机语言，实现一些机械化的操作。

搜集数据要用到一些基本的计算机语言，对这些语言的功能要学习透彻。比方这次搜集数据过程中，我用Excel来整理数据，之前竟然不知道Excel有数据导入的功能，做了很多无用功。

4,设计一些验证性的指标，以检验数据搜集和整理过程中的失误。

失误是难免的，涉及一些验证性的指标，比方，总和啊，之类的，可以防止自己在处理数据时出现失误。

5,用尽量明确的名称给数据命名。

这样可以避免天长日久，忘记数据本身的意义。

6,尽量把所有的数据都放在一个文件里，防止数据混乱。

7，原始数据的保留与分拆

原始数据中往往包含各种因素，有时间因素，有概念因素，所以，数据往往处于混沌状态。但从各个方面都可以捋出一条线来，所谓横看成岭侧成峰，从一个因素提成，是一条分析线路，从另一个因素分析，又是一个分析线路，所以，要保留原始数据，再做各个因素分析的时候，把原始数据复制过来，再做处理，处理的时候，就可以大刀阔斧地删除无关因素，按主线把数据整理，也就是清洗数据。

最后当然是数据分析过程，一定要掌握基本的数学分析方法，我跟上一个在伯克利分校做过数学博士后的导师学习，有得天独厚的条件，一定要抓紧机会多多学学数学分析方法。

转载本文请联系原作者获取授权，同时请注明本文来自刘玉仙科学网博客。
链接地址：https://m.sciencenet.cn/blog-215715-233734.html

上一篇：上海屋檐下的小窝
下一篇：户籍政策