斯坦福探究項(xiàng)目

美國(guó)種族歧視問(wèn)題的多層次回歸與分層（MRP）分析

課題簡(jiǎn)介

種族問(wèn)題一直是美國(guó)政治與社會(huì)議題中的重要組成部分，種族歧視也是影響美國(guó)選舉、政策制定和身份認(rèn)同的重要因素之一。美國(guó)國(guó)家選舉研究（American National Election Studies）公開(kāi)提供的1948年以來(lái)的選民抽樣調(diào)查數(shù)據(jù)為深入研究美國(guó)民眾對(duì)于種族問(wèn)題的看法提供了機(jī)會(huì)。

本課題旨在運(yùn)用多層次回歸后分層分析法對(duì)1980年代以來(lái)的美國(guó)國(guó)家選舉研究調(diào)查數(shù)據(jù)進(jìn)行分析，找出影響種族憎恨（Racial Resentment）的因素，進(jìn)而利用美國(guó)各州的人口成分套用回歸分析的結(jié)果，推算出真實(shí)人口中種族憎恨情緒的強(qiáng)度，并將研究結(jié)果以地圖數(shù)據(jù)可視化工具展示研究結(jié)果。

本課題是跨計(jì)算機(jī)和社會(huì)科學(xué)的綜合研究，研究者可以深入了解政治學(xué)、社會(huì)學(xué)方法論的發(fā)展趨勢(shì)，在學(xué)習(xí)西方政治與社會(huì)制度理論的同時(shí)進(jìn)行數(shù)據(jù)科學(xué)的實(shí)踐，掌握如何進(jìn)行科學(xué)抽樣調(diào)查、并運(yùn)用統(tǒng)計(jì)、回歸方法分析調(diào)查結(jié)果。

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?；蚪M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。

---

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

1. 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(xiě)作，有論文寫(xiě)作經(jīng)驗(yàn)者更佳；

 

2. 數(shù)學(xué)：
（1）概率統(tǒng)計(jì)基礎(chǔ)知識(shí)；
（2）線(xiàn)性回歸

 

3. 計(jì)算機(jī)：
（1）最好具備初步的編程基礎(chǔ)，掌握基本的編程語(yǔ)言與邏輯

以上就是關(guān)于【斯坦福探究項(xiàng)目：美國(guó)種族歧視問(wèn)題的多層次回歸與分層（MRP）分析】的解答，如需了解學(xué)校/賽事/課程動(dòng)態(tài)，可至翰林教育官網(wǎng)獲取更多信息。

往期文章閱讀推薦：

貝賽思進(jìn)度太快怕掉隊(duì)？翰林校內(nèi)同步班課重磅推出，長(zhǎng)期小班穩(wěn)節(jié)奏

從羅馬帝國(guó)到新冠先驅(qū)：TCR 歷史期刊收錄主題揭秘，為什么這項(xiàng)投稿值得深耕？