范德堡探究項(xiàng)目

社會(huì)統(tǒng)計(jì)算法研究美國(guó)高校退學(xué)率，學(xué)生貸款問(wèn)題

課題簡(jiǎn)介

教育研究統(tǒng)計(jì)

Education Research design

是教育領(lǐng)域內(nèi)最為常規(guī)，也是極其重要的一門學(xué)科。它會(huì)提供給我們?cè)诮逃蛘呱鐣?huì)學(xué)科中的各種研究理論和方法。特別要指出的是，STATA作為一個(gè)為使用者提供數(shù)據(jù)分析，數(shù)據(jù)管理和繪制專業(yè)圖表的綜合性軟件，是教育研究者使用率最高的軟件。STATA可以提供許許多多的功能，數(shù)值變量的一般分析，如t檢驗(yàn)； 相關(guān)與回歸分析； 以及線性和非線性模式分析等。

美國(guó)的高等教育向來(lái)都是大受好評(píng)的，科研投入以及科研成果都是令人備受鼓舞的。但同時(shí)，學(xué)生的退學(xué)率，學(xué)生貸款也是讓人瞠目結(jié)舌。

本課題旨在探索美國(guó)高等教育問(wèn)題以及影響因素，通過(guò)對(duì)美國(guó)高等教育數(shù)據(jù)庫(kù)的數(shù)據(jù)分析，運(yùn)用STATA探索，管理，分析數(shù)據(jù)，發(fā)現(xiàn)并解釋美國(guó)高等教育的某一現(xiàn)狀，并提出合理的建議和下一步的研究計(jì)劃。

 

科研方法

AI+X數(shù)據(jù)驅(qū)動(dòng)型科研

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研是指使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測(cè)，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬(wàn)萬(wàn)，使用傳統(tǒng)的科研方式對(duì)其進(jìn)行分析，工程量大、過(guò)程繁瑣，在客觀上難以實(shí)現(xiàn)。但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫(kù)，與過(guò)往的研究成果進(jìn)行對(duì)照，快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。

整個(gè)科研教學(xué)流程中，每一位學(xué)員都將有學(xué)術(shù)督導(dǎo)協(xié)助保障研究階段性作業(yè)和論文的進(jìn)度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級(jí)學(xué)生，有較強(qiáng)的邏輯思維和抽象思維能力

英文：
1、具備基本的學(xué)術(shù)英語(yǔ)閱讀能力；
2、接觸過(guò)英文寫作，能初步撰寫英文文章；

 

數(shù)學(xué)：
1、統(tǒng)計(jì)基礎(chǔ)知識(shí)；
2、線性回歸；

 

計(jì)算機(jī)：
1、最好有一點(diǎn)計(jì)算機(jī)編程基礎(chǔ)；
2、開始后1-2周強(qiáng)化掌握STATA技能。