| 学习者 | 学习时数 | 成绩 |
|---|---|---|
| 1 | 1 | 48 |
| 2 | 2 | 55 |
| 3 | 2 | 51 |
面向社会科学研究者的 R 工作坊
预测、运行、查看、解释,再修改。
RWSS 是由四门课程组成的课程系列,介绍 R 的实际使用,以及它能够帮助社会科学研究者探索的问题。从日常数据处理出发,再尝试统计方法、新形式的数据和研究成果制作。重点是理解一个小型应用,而非立即掌握每种方法的完整理论。
两种阅读方式,同一套材料
全部学习材料将四门课程汇集为连续阅读版本。进入各门课程后,可以选择某个学习单元,并用小节目录专注于该单元内容。两种视图中的解释、示例、练习、参考答案与下载文件完全相同。切换视图只改变展示方式,不改变内容。规划中的单元会在两种视图中明确标注。
全部学习材料中的章节编号依次表示课程与学习单元:2.2 对应课程 2,学习单元 2。各门课程内部仍使用本课程的单元编号。
初识 R 与线性回归 已有双语试教内容。48 个学习单元的课程地图 展示完整规划,其余 46 个学习单元尚未编写。回归试教要求基础技能,因此并非初学者下一步应立即学习的内容。
选择一门课程
课程 1 · 12 个学习单元 · 优先编写
社会科学中的数据准备
使用 R 导入、重编码、清理、合并、重塑、汇总和绘制研究数据。
课程 2 · 12 个学习单元 · 后续编写
社会科学中的回归分析
建立并解释线性、分类结果、固定效应和多层回归模型。
课程 3 · 12 个学习单元 · 优先编写
计算社会科学
学习因果推断、模拟、贝叶斯建模、机器学习、模型解释与新形式的社会数据。
课程 4 · 12 个学习单元 · 后续编写
社会科学编程
开发可复用代码、文档与图像处理流程、交互成果、科学计算和大语言模型集成流程。
每个学习单元预计需要约两小时学习,包含本地 R 练习。单元按学习内容划分,不对应固定的日历周,可按自己的进度学习。课程一不要求 R 基础,回归分析要求基础统计知识和 R 技能;计算社会科学要求已学过回归并具备 R 技能;编程要求基础 R 技能,同等知识亦可。数据准备和计算社会科学优先编写,回归分析和编程将在之后开发。
可以做出什么
下列已经生成的小型示例均使用虚构教学数据,用来展示研究任务,并非经验研究发现。展开示例,查看预先生成的结果。所有 R 计算均在网页构建时完成。
整洁的数据表
一行代表一位学习者,一列代表一个属性。明确的标识符可以帮助我们在后续合并表格。
一幅图形
图形让差异更直观。学习时数相同的人,成绩未必相同。
一个预测
模型生成的预测需要结合背景解释。拟合成绩不保证某个个体一定获得相应结果。
| 学习时数 | 预测成绩 |
|---|---|
| 3 | 59.68 |
| 4 | 66.00 |
文本与文档
假设三条虚构访谈笔记为“图书馆 公交”“学校 公交”和“图书馆”。词频提供简短汇总,但丢失了上下文。若这些文字来自扫描件,OCR 还会带来核对识别结果的任务。
| 词语 | 次数 |
|---|---|
| 公交 | 2 |
| 图书馆 | 2 |
| 学校 | 1 |
人与人之间的关系
边列表记录谁与谁相连。地图表达地理关系,网络还可表达其他关系。这里用五位虚构人物与五条无向连接展示网络。
一份交互报告
下面的折叠面板展示预先计算的结果,不在浏览器中运行 R。选择视图只改变显示内容,不改变原始记录。更大的仪表盘也可以据此组织相关图表。
全班
| 学习者人数 | 平均成绩 |
|---|---|
| 12 | 66 |
比较学习时间组
| 学习时间组 | 平均成绩 |
|---|---|
| 不超过 3 小时 | 54.8 |
| 超过 3 小时 | 74.0 |
分组是在描述这些记录,不能据此将差异视为学习时间的因果效果。
如何学习
阅读简短解释,预测结果,在本地运行几行代码,查看输出,解释结果,再修改一个地方。网页问题提供反馈,同时保留提示和参考答案。开放式解释题通过讨论与示范回答完成。
编程活动需要 R 和本地编辑器。网站本身无需 R 服务、登录或提交分数。图像分析与 C++ 加速以简短演示为主,其余大多数主题包含引导实践。