第谷读书会
读书会简介
是奥美数据科学实验室的成员们于2018年9月发起的定期读书会,致力于满足参与者在求学过程交流知识的需要。我们将每个月一起阅读特定的书目,通过成员的互动、交流,促进思想的碰撞,以期从前沿科学领域获得新的研究灵感,孕育全新的科研思想。
主题涉及:计算社会科学、数据科学、网络科学等。
本期阅读书目
Book
Author
《Bit by Bit: Social Research in the Digital Age 》
(Chapter 3)
上期回顾
上周我们一起阅读的部分为《Bit by Bit》的第四章“Running experiments”内容(Chapter 4)。
实验的章节是本书的重点,作者用70页的篇幅去阐释它的机制和新的变化。实验区别于问卷等其他研究方法的地方在于,它系统地干涉研究对象从而得到数据,检验因果关系。社会科学研究中因果关系的研究问题非常常见,常见的验证因果方法是通过组间比较排除干扰因素,并从已有的数据中寻找某种模式。
在数字时代(digtial age), 研究者有机会创造与以往不同的实验条件,回答研究问题。
第4.2节,作者通过Wikipedia上的一个实验示例来说明实验的基本逻辑。然后,在4.3节中描述实验室实验和现场实验的区别以及模拟实验和数字实验的区别。进一步说,数字场实验可以提供模拟实验室实验(严格控制)和模拟场实验(现实主义)的最佳特性,这在以前是不可能的。
接下来,在第4.4节中,描述三个概念——有效性、处理效果的异质性和机制——它们对于设计丰富的实验是至关重要的。在此背景下,描述进行数字实验的两种主要策略所涉及的权衡:亲自动手或与强大的伙伴合作。
本期预告
大规模合作(mass collaboration)是本章节的主题,在数字时代各种形式的大规模合作成为可能,于是我们提问:什么科学问题我们不可能单一的解决,但可以合作解决呢?
作者将数字时代的大规模合作分为三类:
1.human computation
human computation适用于解决任务简单但规模巨大的问题,譬如给百万图片贴标签;
2.open call
open call project适用于需要新颖和出乎意料的答案的问题,参与者需要一些特殊的技能,研究的结果是来自于参与者贡献的最佳答案;
3.distributed data collection
distributed data collection适用于大规模的数据的收集,参与者位于研究者并不在的地理位置,经典例子是成百上千的志愿者写关于他们见到的鸟类的报告。
作者在本章节向我们展示从大规模合作中可以学习到什么,然后通过各种例子去详尽地解释三种类型的大规模合作,最后提出5个规则,帮助研究者将大规模合作的方式应用到社会科学研究。
期待作者的洞见,cheer up~
本期主讲人
主讲人 梁正燚
热爱深蹲的
白日梦幻想家
时间:2018.10.26(本周五)
18:30-21:30
地点:南京大学仙林校区
新闻传播学院210室
须知:
1.请提前阅读完《Bit By Bit》第5章。(https://www.bitbybitbook.com/en/preface/)
2.鼓励每个人都积极参与讨论。
3.我们提供水果零食。
第谷读书会
和我们一起
玩转计算传播学