新闻中心
学术论文如何撰写数据分析部分?(论文常用的数据分析方法有哪些?)
想了一天,翻看了以前看过的书,大概要点如下:
1、语言逻辑部分,确定从粗到精三级结构。
这三级结构所应该完成的工作大概如下图这样,浇筑混凝土的工作,就是作者业务范围内的事儿了。

第一级结构,三个关键词,觉得哪个好你用哪个
解谜。无论你的文章是否有前期整体设计,把文章数据整理成一个迷—解谜的思路上。故事。一个完整的故事有开头,有挑战,有行动,有结果,文正整体如此,结果部分也如此。方向。数据的解释朝着一个确定的方向:解谜,或者讲完整的故事,但其思路必须是读者可以预测的。一级结构的宏观方向如此,但细节设计一定是你自己完成的,别人帮不上忙。因为这种宏观构架完全基于特定专业知识,基于你对专业内问题和答案的了解。
也不用太担心,这种结构设计没有太多刻板要求,你意会了,朝着这个方向去,基本就会有,质量高低就看你业务能力了。
第二级结构,一个关键词:L-D,Lead-Development。就像素描,先画出轮廓,让别人知道你是画的一朵花,还是一个披萨;后面再加阴影,上色,背景等细节。
简单的判断标准:把每段的第一二两句话包含的核心信息放到一起,应该能凑出整幅画面、完整逻辑链条,段落之间是平行结构,还是顺承结构。
三级结构逻辑顺序:数据——直接推论——宏观推论。
数据:你得到的数字,可以制成图,绘成表。
直接推论:你从数据得到的中间信息,一般是你们专业行话、术语,名为XX基础的教材中经常出现的基本知识、理论。
宏观推论:你从专业知识再次推演,得到的专业外的人也能看懂、听懂的表达。
关于第三级结构的几点说明:
手机像素再怎么高,也无法超越f1.2人像定焦镜头光圈全开的物理光学。
这句话说的是论文图表漂亮,能吸引一部分人,准确说,特定一部分人,但文章质量是无法单靠图片漂亮的。
绝大部分人的论文质量不高,问题会出在直接推论。这是几年基本功和十几年、几十年基本功的差别。没人能帮忙,只能自己积累。
宏观推论的有无,质量的高低,反映的是一个科研工作者的眼光、学术写作基本功是否过硬、以及分寸的把握。很多人这里写的极差,甚至没有这部分内容。
加一本书:
Writing Science How to Write Papers That Get Cited and Proposals That Get Funded
说下,这本书没有专门针对结果和数据分析,而是针对分析的语言逻辑和写作逻辑。实例很多,可以算是结构和层次设计的绝对精品书籍。
此部分对应题目描述中的结构、层次两词。下面说图表,以及好的分析文章。
2、表格的技巧。
表格本身没有技巧,表格的好坏体现在其对信息传递效率的提高与否。
单就这一个话题,可以写一本书,加上商业方面的应用,这样的书已经不下十几本。
我也在学习这方面的东西,但发现系统讲解图表表达的、对普通论文写作有实用价值的书,比较少,有的,也多为大道至简。如:
开山之作的The Visual Display of Quantitative Information ,Edward Tufte
Good Charts The HBR Guide to Making Smarter, More Persuasive Data Visualizations
Storytelling with Data A Data Visualization Guide for Business Professionals
而从实用的角度出发,推荐一个文章系列,有例子,有讲解,每篇文章多则两三页,少则一页,读起来不费劲:
Points of View Martin Krzywinski
虽然也有大而空的嫌疑,但,这是我知道的最接近实用的关于图表在学术写作中的介绍了。其本身虽然不是全文,但有时候参考文献有全文,极高等级的论文,加上Martin的解析,应该比你需要的范文分析要好些。
主要的,Martin够专业。这可是Nature旗下专讲方法论的期刊,整个期刊界估计也仅此一份。
好运。
以后得空可能会详细写下相关内容,放在下面的专栏。
如果没写,就说明我还在学习过程中,或者忙着写论文中。