yaojunwei的个人博客分享 http://blog.sciencenet.cn/u/yaojunwei

博文

新冠肺炎疫情-文献VS.现象探索线上研讨会:由现象到议题的深度思考

已有 1906 次阅读 2020-4-15 09:27 |个人分类:应如室|系统分类:科研笔记| 新冠肺炎, 科研能力, 任兵, zoom, 事实数据

2020年4月12日,在zoom平台举行的科研能力养成社群-COVID-19滚动科研项目阶段汇报与总结:新冠肺炎疫情-文献VS.现象探索线上研讨会。下午两点到四点,后来又延迟时间了。我分享两个主题,一个是向知而生·向行而栖(疫情期间的在线教育与学习探索组),另一个是基于公众号文章的现象议题探索(企业停摆与激活Emerging现象小分队)。

在讲之前,郭欣宇同学提议,我们在前一天在zoom上面做了一次预演,并且由南开大学商学院任兵老师逐一点评,我把任兵老师的点评记录了下来,昨天上午上课,下午开会,晚上写东西,没有及时总结和反思,早晨起来觉得要是错过了,甚是损失和遗憾,于是写下来这篇亦称之为备忘录的文字表达。

一是关于汇报题目和大纲。之前的题目是叫做“我见现象多妩媚,料现象见我应如是”。这个题目当时的原意是想讲的时候增加一些柔性气息进去。后来,任老师帮我纠正了,说题目需要简单、简洁、直观,不需要花哨,可以基于方法的题目,题目需要准确,可以修改为“基于公众号的现象议题探索”。

汇报大纲太笼统、太宽泛了,要细化、具体和针对性,原有大纲具体的章题目是成员、数据、分析、展望,后来讨论后调整为探索思路、可视化分析、交叉分析、议题探索。在制作PPT的时候,需要一张一张的扣,一张一张PPT需要推敲、斟酌,不能大意。单张PPT具有逻辑性和严谨性,多张PPT之间具有逻辑线。

总结:汇报题目需要简洁、直观、准确。大纲需要细化和具体化,需要体现学术性和严谨性。PPT制作需要每一张认真严谨地推敲,整个PPT文件之间需要统一的逻辑线贯穿。

二是探索思路。一是现象组数据方面:1.现象组是数据驱动的,数据呈现多样化,并且覆盖了众多现象;2.可以关注国家政策相关聚焦点,收集相关政策数据;3.如何收集数据和分析数据,采用什么方法,收集数据和分析数据要结构清晰:数据源,方法,分析目标;二是现象组分析策略方面。1.需要探索发挥空间,哪些是文献组还没有纳入进来,未来议题是现象组可以挖掘的,文献组基于目前文献有可能不会呈现;2.在方法的思路,即研究方法的轮廓,如以何为抓手,以何为线索,以何为关键点,梳理线索,形成框架;3.可以形成宏观—中观—微观的层次分析,宏观是国家级总政策,中观是各部委政策;微观是企业或效应单位政策。4.研讨框架、方法论、现象驱动拉开帷幕;5.可以循序渐进,不要操之过急,要逐渐接近和形成;6.将未查明现象作为未来空间后续探索,拉出可能提炼的现象框架(基于“2”阶段性呈现)、需文献支撑items。三是与文献组对接方面。1.目前文献组和现象组各干各的,之前没有商量好逻辑线条及各自发挥的空间;2.可以画两个集合,中间有个交叉点,交叉点是文献组和现象组的融合;3.需要将探索组的议题具体化,文献组服务于现象组议题,文献组服务于现象组具体的那个议题,这需要探索组提出研究议题;例如制度,Xspace服务于制度和政策,现象组新宇也提到了,微信群里面提到了,并且有共享文档,可以分析议题是什么,一边服务(文献组)的什么,一边自然呈现(探索组)的是什么;4.文献对接点;文献组和现象组的共性;概念对接;理论层面概念模型;节点和文献组对接。

总结:现象和数据共生,现象是数据驱动的,数据呈现多态化,覆盖众多现象。数据收集和分析时候需要结构明确:数据源,方法,分析目标。可以沿着抓手—线索—关键点—线索—框架的脉络开展。可以按照宏观-中观-微观层面开展数据收集,要循序渐进,将未查明现象作为未来空间后续探索。文献组和现象组可以融合,具有明确的逻辑线条及各自发挥的空间,以便各自发挥空间形成合力,在进一步提升研究空间。现象组提出具体议题,现象组议题具体化,文献组服务于现象组议题。文献组和现象组对接,概念对接、理论对接、逻辑对接、模型对接。

三是数据。起始时间和最新的数据,要非常准确,小组名称不需要有,数据范围:要严谨,86篇要具体,起始时间到截止时间,要非常准确,样本格式是什么交代,收集了什么结构化的展示,文章题目时间来源正文内容,都补充上去,质性研究需要准确。起始时间和最新的数据,要非常准确,小组名称不需要有,数据范围:要严谨,86篇要具体,起始时间到截止时间,要非常准确,样本格式是什么交代,收集了什么结构化的展示,文章题目时间来源正文内容,都补充上去,质性研究需要准确。样例数据需要样本格式,title,样例展示。时间序列中没有时间,时间维度需要补充上去。

总结:数据的维度要具体,并且横向指标和总项指标需要准确。数据格式需要明确说明,数据呈现方式需要清晰、明确,可以一目了然。数据的来源,处理、去向都需要描述清晰、准确。数据的来龙去脉明确展示。另外,收集数据和分析数据要结构清晰:包括数据源、数据维度、对应方法、分析目标。

三是分析。如何收集数据和分析数据,方法采用哪一种,收集数据和分析数据需要考虑数据源,方法,分析目标。深度分析的时候需要考虑数据源、方法、分析目标。在柱形图中,假如数据太多,可以显示top10的数据,为了展示top10,详细解释一下。分析的模块要详细,要加上详细的内容字段、不要太散。数据源是86篇正文内容编码来的,前后逻辑关系,编码参考点,写出来如何得出的表,表下面观点可以总结出分析的观点,给出三四个分析结论。

需要考虑抓手,这个抓手要准确,而且PPT之间的逻辑一定要紧密,数据分析要分成几大模块,例如模块1是什么,模块2是什么,模块3是什么,三个模块构成的什么样的蓝图,我们的现象议题,假设从86篇分析出来几个议题或者几大模块分析,下面就一个一个走。然后每一个模块除了图表,还有结论性的东西和解释性的东西。解释性的东西最重要的是把方法交代清楚,事实性的结论解释清楚,诠释性的部分尽量减少,现在阶段来说主观诠释的部分比较早。

用文字title展示不用表,不要表格,不是表格驱动是议题驱动。分析提炼出来的现象议题,企业类型编码,组织韧性,每一张PPT提炼出来的议题,后面一张一张展示重点的,复杂的分析方法不需要有,我们给的是事实性东西,特别复杂的去掉。现象组需要做的事情就是识别现象议题,收集相关数据,识别出来需要发现重点议题,去深挖相关的数据,没有相关议题就没有靶子了,中间过程需要缓慢,不要这么快。

发现问题是最重要的环节,我们现在需要发现问题的眼睛,对现象洞察缺乏,发现什么问题什么样的问题,数据呈现和发现问题要本质和直观,要呈现议题,目前呈现方式比较复杂,呈现方式不要眉毛胡子一把抓,这需要改善。现象洞察、归纳提炼和现象概念力需要挖掘出来,要找到重点,这个很重要。

总结:方法论的介绍需要提及,分析出的图表题目命名需要体现议题,体现主题,而不是仅仅交代研究方法或者研究方法的结果,不能泛泛而谈。收集和分析数据的条目需要明确写出,要准确、精确。需要考虑抓手,这个抓手要准确,逻辑要紧密,从现象中分析出来议题或者模块,数据分析要分成几大模块,模块是什么,模块构成什么样的蓝图。然后,每个模块除了图表,还有结论性和解释性部分。解释性部分要把方法交代清楚,事实性的结论解释清楚,诠释性的部分尽量减少,现在阶段来说主观诠释的部分比较早。现象组需要做的事情就是识别现象议题,收集相关数据,识别出来需要发现重点议题,去深挖相关的数据,没有相关议题就没有靶子。发现问题是最重要的环节,现在需要发现问题的眼睛,对现象洞察缺乏,发现什么问题什么样的问题,数据呈现和发现问题要本质和直观,要呈现议题,呈现方式不要眉毛胡子一把抓,这需要改善。现象洞察、归纳提炼和现象概念力需要挖掘出来,要找到重点。

四是议题探索。1.政策分析与探索;2.国家、地区、企业不同层面经济数据,第一季度全国各个地区GDP,群里有表格,国家和地区层面,防疫抗疫,停摆的数据。宏观数据包括工业产值、用电量等反应,全生产要素,微观层面不好抓,宏观层面数据好抓。例如王璟珉老师下企业去抓微观数据,咱们抓宏观、经济格局,需要经济学和产业经济学知识,统计局和发改委官网发布数据,看看数据情况;3.现象组思路问题,没有思路和数据,就失去抓手了,实际情况也不清楚,不了解实际情况,经济实际情况不了解,需要抓数据,中央到地方,或行业数据都需要抓取,企业层面,如聚焦上市公司,可以抓可以聚焦,上市公司可以披露,现在没有年报比较难,季度披露可以找一个上市公司样本看看披露信息,官网等;4.实际数据和观点数据的考量。微观世界抓企业年报等披露信息,这些都是实际数据,公众号都是观点数据,是主观的,企业数据是实际的,企业规模等实际数据,财务数据、公司治理数据等(实际数据和观点数据区别),实际数据别忽略。5.公众号辅助性的数据,需要抓实际数据,这是现象组的启发,平时做研究的时候,在量化研究比较少,经济学产业经济学和战略管理,手工获取的专利数据。6数据全面性的问题,数据全面性和典型性的问题,还有就是定量数据和定性数据的问题,衍生出对应的研究方法问题,采取哪些方法可以适用数据收集的范围和数据量的大小。7.聚焦性问题的关注,例如数字化治理和数字化转型相关议题,如何将现象组和文献组联动起来。8.人手的问题,收集人员和分析人员的具体化和明晰,尤其是后期数据量大,数据结构多样化,结构化数据可以定量分析,半结构化和非结构化数据定量分析处理不了,如何配备分析人员,这也是需要商讨的议题。

总结:数据层面可以考虑宏观—中观—微观等层级结构。数据方面需要考虑观点数据、态度数据、事实数据、实际数据,数据量大,数据结构多样化。公众号辅助性的数据,需要抓实际数据。如何在疫情期间获取有效的事实数据和实际数据,这是需要推进的。还有关于议题的问题,议题是什么,如何生成,如何展示和定义,这都是需要探索和解决的。



https://m.sciencenet.cn/blog-541012-1228424.html

上一篇:​建宗碑记
下一篇:与数据共舞

2 郑永军 魏焱明

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-14 23:23

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部