1.1.2　統計思維何以重要

1．統計思維和能力的培養及發展，是大數據時代學科發展的迫切要求

管理信息化、教育信息化、企業現代化的快速發展，促使各行各業極快地積累起了大量數據，使人類快速進入“大數據時代”。如何充分地利用這些數據，從中總結出規律，以便為下一步的決策提供依據，或者依據數據分析實現智能化推送，已經成為社會科學的重要研究領域。

分析數據內部所蘊含的規律、預測相關系統的運行趨勢，已經成為當代信息處理的主要任務，成為每一個機構、每一個科研項目必須面臨的課題。基于這一需求而快速發展起來的數據建模技術、數據挖掘技術已經成長為計算機科學的重要應用領域，也成了管理與決策的重要依據。

因此，大數據時代，每一位研究者都應該成為“數據之海”的弄潮兒，具備專業化的數據挖掘和數據分析能力，這些能力也是個人發展的重要助力。在科學研究活動中，以統計學的原理為指導，借助統計學的技術，開展各種層次的統計、分析、歸納和挖掘，對科研成果的生成、研究結論的論證非常重要。綜上所述，科研統計思維培養是大數據時代學科發展的迫切要求。

2．統計思維能力的提升，能夠促進學科融合，提升科技人員的科研素養

眾所周知，統計分析是理工類專業實驗數據處理、結論歸納，獲得有價值的研究成果的重要方法。然而，在計算機科學和統計分析軟件真正地普及以前，基于大量的調查數據開展統計與分析是一項計算量很大的工作，而且要求研究者精確地了解統計學的基本理論，掌握每個統計分析算法的機理和規范。因此，彼時對量化研究者的要求非常高。在社會科學的研究中，傳統的研究以質性研究方法為主。然而，隨著專業化統計分析軟件的普及，借助統計分析工具開展量化研究已經成為很多文科科研人員的常規研究方法。

不同學科所形成的統計研究方法在計算機科學與技術的支持下實現了快速發展。自然科學的主流研究方法范式——實驗數據的量化處理，發展出了一整套形式語言理論、編譯理論、檢驗理論及優化理論。而人文社會科學的主流研究范式——思辨研究、質性分析，也受到了計算機科學和數據處理理論的沖擊，從基本文本分析到語義分析、語料分析處理，都能借助計算機將原本只有人工才能進行的復雜分析機器化和程序化，并借助數據處理的理論和方法獲得了可信度更高的研究結論——“基于數據做論證”已經成為廣受認可的研究方法。

當統計分析方法作為工具和技術所承載的方法論屬性滲透進來后，它已經超越了學科疆域的研究規則和框架，而是形成了跨學科的研究范式。也就是說，科研統計思維的理念和模式已對眾多學科的研究方法體系產生了重要影響，甚至從根本上改變了其原有的研究范式。

3．統計分析軟件為科研統計思維的快速發展提供了可能

在傳統的科研數據處理中，如果想基于數據開展量化研究，則需要以統計學、統計分析的理論為基礎，通過大量的數據計算，分析數據之間的相關性、差異性，甚至包括歸因分析、聚類分析（降維分析）等，才能獲得研究結論。這一過程涉及的規則很多、計算量龐大，對非計算機專業和非統計學專業的多數學者來講，都存在著很大困難。然而，隨著眾多統計分析軟件的出現，為面向數據的統計與分析提供了很好的工具，特別是SPSS、SAS等軟件的出現，極大地促進了科研統計思維的普及與發展。目前，對多數從事人文科學研究的科研人員來講，SPSS和SAS中的各類統計分析工具就像一個只有“輸入”和“輸出”的“黑匣子”，在開展量化研究的過程中，不需要了解黑匣子的內部結構，只需要能精確地掌握其輸入數據和各項參數，并解讀其各類輸出結果所代表的具體含義，就能夠很好地使用它們。統計分析軟件的廣泛使用，推動了科研統計思維的普及，使科研統計思維在人才培養中的地位日益提升，科研統計思維的策略在科研、教學中日益重要。

因此，盡管面向非計算機專業和非統計學專業學生直接討論數據挖掘和統計分析技術的原理和算法會存在困難，但是，如果只是把數據建模和數據挖掘技術的概念、方法和工具以科研統計思維的模式介紹給學生，允許學生在借用數據建模和數據挖掘的現有工具時不必詳細掌握其內部的算法結構，只需了解每個工具的輸入、輸出及其參數規范，讓學生逐步具備準確地使用統計分析工具并解讀統計分析結果的能力，還是完全可行的。如果做到了這一點，我們的學生在參與普通科研活動時就能借助這些工具開展統計分析并能根據分析結果獲得比較準確的量化結論。與此同時，如果學生們熟練掌握了這些工具的用法，也一定能夠拓展學生的解題方法，使研究的科學性、嚴謹性都能得到很大的提升，從而優化其思維方式，促進其科研能力的發展。