抓耳撓腮搜集數據！避免走彎路的7個方法

也談數據搜集

我的觀點是，搜集數據是一切像模像樣的研究的基礎。在碩士階段，從數據搜集入手去開展一項完整的研究，對於提升研究能力是很好的訓練。因此，無論如何不能怕困難。有了過硬的數據，即使你的分析能力有限，未能得出石破天驚的結論，但是別人可以利用你的數據去做進一步的分析，那也是你在源頭上做出了貢獻。

我個人有一個簡單看法：碩士研究所只要在數據搜集上下了真功夫，就可以認為具有「創新點」了――貢獻了新數據。當然，是在一項有意義的學術選題的前提下搜集數據，而不是為搜集數據而搜集數據。

看到武老師這段話的時候，我正埋頭於搜集數據。說實話，是真的覺得煩，而且看不見價值，真的想過放棄。但看到武老師說得這麼重要，想自己雖然已經讀過碩士，還真的沒有好好搜集過數據，更沒有從數據中總結出什麼規律來，就堅持一下吧。

數據搜集的工作先前也作過，但搜集的數據很明確，只是一個數字，而這個數字間的規律是後面的分析得來的。所以，在搜集數據的時候，沒有感覺到很難。後來搜集過圖書館期刊利用的數據，也只是說明性的數據，只是把數據呈現出來，也沒有感覺多難。

這次搜集的數據是結構解釋性數據，說實話，這種結構原本來就不是很清楚。剛開始只是一個idea，然後和老師兩個人討論了很長時間，覺得似乎弄清楚了，就開始搜集，花費了很長時間，結果到解釋的時候，怎麼也解釋不清楚。才發現原來要用到了一個概念和我原先理解得不一樣，或者說原來所理解的概念之間的關係是全異的，但現在卻是交叉的，那麼我們後面要解釋的東西根本就無法站住腳，要麼是在一個更為複雜的基礎上展開分析，而這種分析就沒有辦法解釋我們現在所要證明的概念。所以，所搜集的數據一點用處都沒有了。

老師和我兩個人抓耳撓腮了很長時間，兩個人都感覺totally confused。不知道該怎麼把這個研究進行下去。說實話，這是一個建立在新的結構上的概念，概念本身我們都不是很清楚，前人的研究也都沒有很好的邏輯證明，只是憑著想象在池塘里扔了一塊石子，然後試圖解釋所濺起的水花和所引起的波紋，儘管此後有人儘力完善這個概念，但在之前，這個概念至少還沒有明確地解釋過，甚至其中的一個作者本身，也不是很明白這個概念。

後來老師幫我引入另外一個概念，這個概念可以在上位類把概念劃分為對立關係，於是，研究可以繼續下去，重新搜集和整理數據。加上先前搜集和整理分析數據的經驗，研究進行得很順利。

所以，對武老師的見解非常贊同：搜集數據像模像樣研究的基礎，從數據搜集開始開展一項完整的研究，對提升研究能力是很好的訓練。這次從數據搜集開始的研究對我個人是個很大的挑戰，我後來終於把結構性的概念表述清楚，老師看后說，I slowly begin to understand what you did, it looks very good。然後他開始在其上修改充實，進一步深化和明確概念。

這次搜集數據積累了一些經驗，一直想好好總結一下，以後再搜集數據就不至於再走這麼多的彎路。

這很重要，如果其中有一個概念不明確，我們後面搜集的數據就沒有辦法分析，可能所有的工作都白費了。而說實話，要在事先完全理解這些概念還真的有些難度，一個原因是自己本身的知識積累不夠，對有些概念不夠理解。二是有些概念本身還不是很清楚，科研本身就是向未知探索的一個過程，所以，概念本身的模糊也很常見。一定要在搜集數據之前，好好學習，把這些概念弄清楚。

2.好好設計我們所要搜集的數據結構。

這又是一個難題，因為很多時候，我們是因為不知道這些數據結構才開始調查的。但這對結構的數據很有意義，結構性的數據往往說明科學最基本的結構，決定了其上的功能，剛開始搜集數據的時候，起碼要有一個框架。然後，在數據搜集的過程中，可以根據數據本身來調整這個框架。

搜集數據要用到一些基本的計算機語言，對這些語言的功能要學習透徹。比方這次搜集數據過程中，我用Excel來整理數據，之前竟然不知道Excel有數據導入的功能，做了很多無用功。

失誤是難免的，涉及一些驗證性的指標，比方，總和之類的，可以防止自己在處理數據時出現失誤。

5.用盡量明確的名稱給數據命名。

這樣可以避免天長日久，忘記數據本身的意義。

原始數據中往往包含各種因素，有時間因素，有概念因素，所以，數據往往處於混沌狀態。但從各個方面都可以捋出一條線來，所謂橫看成嶺側成峰，從一個因素提成，是一條分析線路，從另一個因素分析，又是一個分析線路，所以，要保留原始數據，再做各個因素分析的時候，把原始數據複製過來，再做處理，處理的時候，就可以大刀闊斧地刪除無關因素，按主線把數據整理，也就是清洗數據。

最後當然是數據分析過程，一定要掌握基本的數學分析方法，我曾跟一個在伯克利分校做過數學博士后的導師學習，有得天獨厚的條件，一定抓緊機會多多學學數學分析方法。

請按下方二維碼3秒識別