Lecture
本页目录· 12 条
会议总结
1. 会议基本情况
- 时间：第八周课程
- 主持人：Jathan Sadowski
- 与会人员：Jessica Bou Nassar、Tag Alshehri、Jungho (Marino) Yang 等
- 主要内容：总结假期后教学进度，正式进入**定量方法（Quantitative Methodologies）**部分的教学。
2. 核心议题
2.1 学期安排
- 澳大利亚校区刚结束与公共假期结合的期中假期。
- 马来西亚校区也有类似的假期安排，并进行补课（如在周三上周一课程）。
2.2 教学内容变更
- 本周为Jathan Sadowski在本单元（课程模块）中最后一次授课。
- Miladin Rakovich将接任后续四周的教学任务。
2.3 课程重点 – 定量研究方法
- 上半学期主要讲定性研究方法（Qualitative Methodologies），如访谈、调查等。
- 本阶段转向定量数据分析（Quantitative Analysis），尤其是：
- 描述性统计（Descriptive Statistics）
- 集中趋势（Measures of Central Tendency）：均值（Mean）、中位数（Median）、众数（Mode）
- 离散程度（Measures of Dispersion）：极差（Range）、四分位差（IQR）、标准差（STD）
- *推论性统计（Inferential Statistics）**将在下周展开，包括相关性分析等更深入的解释性分析。
2.4 课堂活动概览
- 活动一：描述数据
- 使用公开调查数据（关于 AI 影响的公众认知）进行均值、中位数计算。
- 理解数据分布（例如偏态 Skewness、离散度 Spread）及异常值（Outliers）处理。
- 活动二：数据可视化
- 学生需要在Google Sheets中制作基本图表。
- 探讨可视化方式如何影响数据解读，强调谨慎设计图表的重要性。
- 活动三：讲述数据故事
- 尝试根据描述性统计结果构建数据故事。
- 理解描述性分析的局限性，即仅靠描述性数据难以构建完整叙事，需结合背景、进一步研究。
3. 特别讨论与提醒
3.1 关于数据可靠性与有效性
- 任何数据分析前应考虑数据可靠性（Reliability）与有效性（Validity）。
- 即使数据来源可信，仍需注意潜在的错误或偏差（如需要进行数据清洗 Data Cleansing）。
- 不要盲目信任已有数据；质疑数据来源、采集方式及背后动机。
3.2 可视化工具选择
- 推荐工具（按自由度高低排列）：
- RStudio（功能最强大，适合深入分析）
- Python
- Google Sheets / Excel（适合入门和基础可视化，Monash默认使用）
3.3 技能提升建议
- 掌握基本统计分析后，继续学习推论统计、数据清洗等更高级技能。
- 未来可探索如 SPSS、结构方程建模（SEM）等工具和方法，但本单元不要求。
4. 会议结束语
- 描述性统计只是起点，真正的研究与洞见来源于对数据背景的深入理解与叙事建构。