Quantcast

洋垃/圾必须送走:40万留/学生半/年花光“希/望工程”30年筹/款(附30多年前日本是怎样驱逐境内50万黑人的)!

中国高校国际化大跃进,“打肿脸充胖子”的低效与不公

91大神,夯先生被抓了,勾引百名女性拍A片!

谈谈中科院巴基斯坦籍已婚留学生将自己与数十名中国女性的性爱视频上传到国外网站

别再问我新加坡哪里吃【小龙虾】!Mark这8家,随时解馋!还有免费优惠哦!

Facebook Twitter

分享到微信朋友圈

点击图标下载本文截图到手机
即可分享到朋友圈。如何使用?

查看原文

想读政治学PhD,应该做好什么准备?

2017-06-28 曹起曈 政见CNPolitics 政见CNPolitics

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。




我们是政见CNPolitics(微信号:cnpolitics2011)。我们致力于拆掉知识的高墙,让普通人读懂学术研究。

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
  
长按二维码关注

文章有问题?点此查看未经处理的缓存