想读政治学PhD，应该做好什么准备？
以下内容选摘自政见团队小密圈 “小见纵览全球社科学术”，欲阅读更多类似内容，请扫描文末二维码加入小密圈和我们的团队成员互动。
曹起曈 / 斯坦福大学学生、政见观察员
我从一个将来想读政治学 PhD 的本科生角度，讲讲大学三年来吸取的经验和教训吧，也希望自己的血泪史可以给学弟学妹提供一些避坑经验！
个人感觉最重要的领悟就是，本科（除了吃喝玩乐之外）不要好高骛远，一定要打好基础。大一时，我见到了在我校访学的学术男神徐轶青老师。他当时循循善诱地说，本科应该把数学基础学好，至少要老老实实地把实变函数论学完，不要急着学政治。但是我太 naive了，并没有听 >.<
之后，我选了一个很有趣的 formal theory（主要是博弈论在政治学中的应用）的研讨课，上着感觉整个世界都被点亮了，也更坚定了我想读 PhD 的决心。不过，虽然我吃着中国高中的老本顺利啃下来了（而且成绩比第一年的 PhD 们都好lol），但是在读文献的过程中，我也彻底认识到扎实的数学分析功底有多重要，自己有多力不从心。
仔细想想，本科打好基础是很有道理的。毕竟本科生不像 PhD 那样心无旁骛，有各种各样的活动，不能把全部时间都投入到理论学习和研究中。相比之下，数学、统计学、编程这些方法论的东西大多是碎片化的，而且随时可以自学，不需要占用整块的时间。
此外，如果你将来不准备做社会科学研究了，这部分的知识在当今的就业市场上也很实用 LOL（Gary King 对 GOV 2001 课堂里的本科生说的第一句话就是，you will have very good job training.）不过说正经的，我们都想用更严谨的方法了解这个世界，而方法论就提供了这样一个非常重要的手段。
我觉得，对于政治学的 PhD 而言，本科阶段有两个基础应该打牢，一个是 “数学”（当然这里说的并不是真的数学，而是指实分析、简单的统计学和编程这种基础内容），一个是语文（阅读和写作，以及如果做比较政治或者政治理论还包括外语）。这么说起来，本科好像跟小学没有太大差别呢！（笑）。语文的重要性是显然的，所以我就来说说数学吧。
数学方法之所以重要，在我看来有三点原因。
其一，如果你将来不想读 PhD 了，凭着数学方法（尤其是统计学和编程）的知识，总归能找到不错的工作呢。
其二，如果你将来真的读下来了，鉴于现在政治学发展的趋势，研究定量方法更容易找到教职呐。
当然这两点是玩笑，最重要的一点在于：数学基础的作用在于简化问题中复杂的部分（hide complexity），从而让我们清晰思考。而清晰的思考是做任何研究——尤其针对复杂社会政治系统的研究——都必不可少的。
举个例子，小学接触方程之前的奥数课通常会教导很多应用题的类型，比如什么鸡兔同笼、相遇问题、盈亏问题，每一种问题都有对应的解题套路，而且这些套路通常都无法凭直觉想出，而必须听过奥数课才会接触。所以呀，这些奥数班赚得盆满钋满，我们上完课之后也会有一种变得聪明了的错觉，但是遇到一个新的情景，通常就又傻眼了。但是，学了方程，我们就会豁然开朗，发现之前纠结的那么多算法，其实归根结底都可以抽象为相同的形式，于是我们就再也不用纠结于具体的细节，而可以直接列出方程求解了。
在社会科学里，上面说的方程是一个简化现实世界的模型。比如说，一旦我们把这个模型搭好，解决一个复杂社会政治系统问题的过程，就转化成了解决一个数学问题的过程，而后者是有规律可循的。不过，复杂的现实有时候需要复杂一些的数学来描述，比如有些社会关系里，未知的不是一个数量，而是一个函数，这时候我们就需要微分方程来描绘这个关系。这时候，掌握了更多的数学，就可以让我们把精力花在真正值得的地方——也就是理解这个社会关系本身上，而不是纠结于数学运算上。
不仅如此，用自然语言思考问题，很容易就会漏掉一些小细节，陷于逻辑漏洞而不知。但是用形式语言思考问题的时候，哪怕有一丁点问题，整个系统都无法通过，所以我们就必须把每一个细节都考虑进来。再比如说，程序设计的第一步，就是要把一个复杂的问题简化成若干个步骤，然后再分别处理每一个步骤——这也是一种简化复杂性（hide complexity）的过程。所以，学习数学 / 统计学 / 编程的过程本身，也是一个迫使自己更清晰思考的过程。
如果说有什么具体的建议，就是本科学好分析、线性代数、统计，用好 R 和 Python（熟练了解几个有关的 package，如果会用 tensorflow 之类的机器学习工具就更好了），以及如果可能的话学一下 creative nonfiction 这样的课，锻炼自己讲故事的能力。最后就是多看论文！
以上内容选摘自政见团队小密圈 “小见纵览全球社科学术”，欲阅读更多类似内容，请扫描下方的二维码加入小密圈，和我们的团队成员互动。
6 月 30 日之前加入，可享受早鸟价 149 元/年。之后将恢复原价 199 元/年。
关注我们，获取更多新知。分享我们的文章，传播更多靠谱观点。
我们的内容均为原创，个人如需转载，请注明出处及网站链接 http://cnpolitics.org；媒体机构（含各类网站及微博、微信公号）转载请联系授权：Webmaster@CNPolitics.org