大数据时代,掌握处理数据的方法和基于多种软件的量化研究已经成为当今学术科研的重要趋势。然而,数据如何呈现依然成为众多研究人员心底的疑问:
→如何让自己的研究以更直观的方式进行表现?
→数据可以转化为图纸吗?
→做了大量的数据处理,哪种数据是我们需要的最优解?
→想要发表SCI论文应该采用怎样的数据研究方式?
→科研写作中最常用的数据统计分析方法是什么?
……
无论你是否具有编程或软件操作基础,只要你在做研究或者开始研究前发现自己需要——
掌握基于计算软件的量化研究操作能力
系统学习数据分析和可视化方法
通过数据分析进行科学的评价和决策
那么本期 基于Python等多元软件的定量科研能力提升课堂 绝对会让你收获满满!
《风景园林》联合J'STUDIO主办,帮你有效地建立一套发现问题、解构问题并选用合适方法解决问题的科研思维!由来自ETH Zurich(苏黎世联邦理工学院)和TU/e(埃因霍温理工大学)的两位老师共同授课,报名更有机会获得2023英文学术论文写作技能课堂半价优惠名额!
课程特色
多种软件综合学习
多元软件涵盖:Python、Pandas、Seaborn、Anaconda、Matplotlib、Vscode、SPSS、AMOS、Nlogit、R。
零基础易上手
零基础科研小白和编程小白也能上手,帮助你1个月从入门到掌握。
专业导师授课
授课老师均具有建筑类院校科研经历,既掌握软件操作,也能教授如何将具体操作应用到建筑学、城市规划学、风景园林学等学科的研究中。
课程录屏反复看
课程提供录屏文件,可以供学生课下反复钻研。
2024年1月
《风景园林》& J'STUDIO联合主办
面向风景园林等多专业的
基于Python等多元软件的
定量科研能力提升课堂
即将上线!
课程内容
课程包含2个部分,分别为【SCI研究方法与定量思维进阶】、【基于Python的可复现的计算性科研工作流】,共15课时。
第一部分:【SCI研究方法与定量思维进阶】(5课时)
【1】如何进行SCI发表级别的文献综述?
【2】如何进行实证研究:假设检验的科研工作流
【3】数据分析应用技术之SPSS的应用
【4】数据分析应用技术之结构方程:AMOS的应用
【5】离散选择模型与实验设计
第二部分:【基于Python的可复现的计算性科研工作流】(10课时)
【1】Python基础I:教授Python的安装、环境搭建及入门
【2】Python基础II:教授编程基础和重要概念
【3】Python进阶:通过学习可以基本看得懂大部分代码
【4】Pandas基础:教授软件的基本概念
【5】Pandas进阶I:利用Pandas进行数据处理和分析
【6】Pandas进阶II:结合案例对时间和文本数据进行综合运用
【7-8】科研绘图:教授基于Matplotlib、Pandas、Seaborn软件的数据可视化方法
【9】Python统计学分析:介绍科研写作中最常用的数据统计分析方法
【10】综合案例与总结回顾:结合案例回顾学习过程,巩固知识,加强应用
适合人群:
零基础或是有一定经验的、对定量科学研究感兴趣的学生或设计研究人员;
想要掌握、精进数据统计和分析以及可视化方法的学生或设计研究人员;
想要了解学习定量研究论文科研思维的学生或设计研究人员。
课程提纲
第一部分
【SCI研究方法与定量思维进阶】
Lesson【1】:如何进行SCI发表级别的文献综述?
通过结合2-3篇SCI已发表的文献综述简明扼要地剖析其结构和写法,达到快速掌握写作方法和思维的目标。
1) 理论方法:认识文献综述的不同类型(例如scoping review, systematic review, meta-analysis)
2) Research and write:Research: 一篇综述的工作流;Write: outline of a review paper
3) 提升效率的实用工具:例如ChatGPT(bing), Elicit(搜索研究论文、快速获取论文中的主题和概念), Research Rabbit(发现作者关系网络、可视化论文关系)等等。
Lesson【2】:如何进行实证研究:假设检验的科研工作流
结合SCI论文案例,讲授一次完整的定量研究论文中常用的假设检验(提出研究问题-概念模型-实验设计-数据分析)研究流程,帮助掌握定量研究论文的科学思路。
Lesson【3】:数据分析应用技术之SPSS的应用:
教授如何基于SPSS软件,结合ANOVA,进行数据统计分析。包括均值比较检验与方差分析、相关分析和回归模型的建立与分析、时间序列分析等等。可用于定量研究中,在庞大的数据中判断数据的有效性,判断数据之间的相关性、找到不同类型数据之间的因果关系等等,例如找到空间形态特征的影响因子、景观满意度评价的影响因子等等。
Lesson【4】:数据分析应用技术之结构方程:AMOS的应用
AMOS作为SPSS的姐妹软件,核心原理是通过路径分析、因子分析和回归分析等方法,来评估变量之间的关系和影响。包括以下分析:
——调节效应分析:探索多个变量之间关系;
——中介效应分析:研究自变量对因变量影响的过程中,自变量是否通过中介变量再对因变量产生影响;
——模型拟合度分析:对已制作好的预测模型进行检验,比较它们的预测结果与实际发生情况的吻合程度;
——模型优化分析:更准确地估计参数和发现变量之间的关系
Lesson【5】:离散选择模型与实验设计
离散选择模型(Discrete choice model)是广泛应用于行为选择(例如交通领域、个人偏好、个人决策、市场调研等场景)的模型。当的因变量不是连续变量,不能采用传统的多元线性回归(spss, amos不再适用),只能采用逻辑回归和离散选择模型进行分析处理,并有相应的实验设计方法。
——模型方法:多项logit模型、潜类别模型等
——实验设计:陈述选择实验的设计与注意事项
——软件:Nlogit、R
【基于Python的可复现的计算性
科研工作流】
Lesson【1】:Python基础I:教授Python的安装、环境搭建及入门
本节课作为开篇,重点讲解可复现的计算性科研工作流,Python相关软件的安装和环境的搭建,以及Python的部分入门语法。
——动机:可复现的计算性科研工作流及其要点
——软件: anaconda, Jupyter extension for VS Code, vscode
——Python Hello world:注释、print()、变量的声明与命名
可复现工作流的概念
Lesson【2】:Python基础II:教授编程基础和重要概念
本节课为Python编程的基础,讲解一些重要的概念、数据类型等,包括:字符串/布尔值,判断语句,运算符/循环,列表,数组,集合/字典/数字(可选)/迭代器,range/数据读写/随机。
Jupyter编程界面
Lesson【3】:Python进阶:通过学习可以基本看得懂大部分代码
本节课为进阶课程,讲解更为复杂的概念。通过本节课的学习,你可以看得懂大部分代码。其中包括:a)范围规则;b)函数和代码复用;c)对象;d)类;e)模块;f)虚拟环境。
Lesson【4】:Pandas基础:教授软件的基本概念
Pandas 是一款快速、强大、灵活且易于使用的开源数据分析和处理工具,适合科研小白使用。本节课将介绍Pandas的基本概念。包括:a)配置环境:安装pandas, jupyter, seaborn等库;b)数据类型;c)数据读写;d)数据选取。
Pandas的基本功能介绍
Lesson【5】:Pandas进阶I:利用Pandas进行数据处理和分析
本节课将介绍如何利用Pandas进行数据处理和分析。包括:a)数据处理;b)统计分析;c)数据重塑;d)数据整合。
Lesson【6】:Pandas进阶II:结合案例对时间和文本数据进行综合运用
本节课将介绍时间和文本数据的分析,通过案例的方式,对你学到的Pandas技能进行综合运用。a)时间数据分析;b)文本数据分析;c)综合案例分析。
Lesson【7-8】:科研绘图:教授基于Matplotlib、Pandas、Seaborn软件的数据可视化方法
绘图是科研的重要一环,常言道“一图胜千言”。Pandas可以实现基本的数据预览。Matplotlib 是一个用于在 Python 中创建静态、动画和交互式可视化的综合库。Seaborn 是基于 matplotlib 的 Python 数据可视化库。它提供了一个高级界面,用于绘制有吸引力且信息丰富的统计图形。通过本节的学习,你将理解绘图的基本方法,并能自己探索更多绘图风格。a)Pandas;b)Matplotlib;c)Seaborn。
Seaborn绘图预览
Lesson【9】:Python统计学分析:介绍科研写作中最常用的数据统计分析方法
统计学可以让你的数据分析上一个档次,本节介绍科研写作中最常用的数据分析方法,让你的论文瞬间高大上。包括:a)先验分析;b)t检验;c)ANOVA;d)非参数检验
Lesson【10】:综合案例与总结回顾:结合案例回顾学习过程,巩固知识,加强应用
通过前面的学习,你已经基本掌握了Python的语法和数据分析的技能,最后我们通过一些案例,来总结和回顾整个学习过程,巩固知识,查缺补漏。包括:a)案例介绍;b)数据导入;c)数据分析;d)数据可视化;e)总结回顾
图源自:Çolak S, Lima A, González M C. Understanding congested travel in urban areas[J]. Nature communications, 2016, 7(1): 10793.
课程安排
2024年1月12日~2月5日
晚19:00开始,共15课时
具体安排如下图所示
课程导师
Shawn
J’STUDIO博士申请导师
ETH Zurich Ph.D.
Teaching Fellow
Bachelor/Master thesis supervisor
Wendy
J’STUDIO博士申请导师
Eindhoven University of Technology Ph.D.
Talks about urban design, urban planning, smart city, wellbeing.
授课方式及费用
授课方式:
线上直播授课,含录屏与微信答疑群辅导
课程费用:
原价1899元
2023年12月10日前报名
享受超级早鸟价1599元/人
2023年12月30日前报名
享受早鸟价1799元/人
参加过J'STUDIO与《风景园林》
合办的往期活动老学员
可长期享受特惠价1599元/人
注:以上优惠不同享,活动解释权归主办方所有
注意啦!
报名本课程的学员
同时报名
英文学术论文写作技能课堂
立享半价优惠!
机不可失!预报从速!
识别二维码填写报名表单
【课程咨询】
扫下方二维码 添加工作人员微信
J’Studio后台酱
风景园林小编
:、010-62337675
工作时间:周一至周五
09:00-11:30 / 13:00-17:30
其余时间可留言
微信编辑 李梓瑜
内容提供 J‘STUDIO
审核 曹娟
声明
本文版权归本文作者所有
未经允许禁止转载
如需转载请与后台联系
欢迎转发