写论文数据分析的10大技巧

1. 相关性

不要盲目遵循您收集的数据；确保您最初的研究目标告知哪些数据会进入您的分析，哪些数据不会进入您的分析。提供的所有数据都应与您的目标相关且适合。不相关的数据将表明缺乏重点和思想不连贯。换句话说，重要的是，当涉及到您所包含的数据时，您必须像在文献综述中那样进行同样程度的审查。通过告诉读者你的数据选择和分析背后的学术推理，你可以表明你能够批判性地思考并抓住问题的核心。这是高等学术界的核心。

2. 分析

使用适合所收集数据类型和研究目的的方法非常重要。您应该像证明您的收集方法一样严格地解释和证明这些方法。请记住，您始终必须向读者表明您并不是随意选择方法，而是基于长期研究和批判性推理得出的最佳选择。总体目标是识别数据中的重要模式和趋势，并有意义地显示这些发现。

3、定量工作

定量数据是科学和技术研究的典型特征，在某种程度上也是社会学和其他学科的特征，需要严格的统计分析。通过收集和分析定量数据，您将能够得出可以推广到样本之外的结论（假设它具有代表性——这是分析中要进行的基本检查之一）到更广泛的人群。在社会科学中，这种方法有时被称为“科学方法”，因为它植根于自然科学。

4. 定性工作

定性数据通常（但并非总是）是非数字的，有时被称为“软”数据。然而，这并不意味着它需要较低的分析敏锐度——您仍然需要对收集的数据进行彻底的分析（例如通过主题编码或话语分析）。这可能是一项耗时的工作，因为分析定性数据是一个迭代过程，有时甚至需要应用解释学。值得注意的是，利用定性方法进行研究的目的不是产生统计上具有代表性或有效的发现，而是发现更深层次的、可转移的知识。

5. 彻底性

数据永远不会“说明一切”。在定性研究中，相信这一点是一个特别常见的错误，学生经常提出一些引文，并认为这已经足够了——但事实并非如此。相反，你应该彻底分析你打算用来支持或反驳学术立场的所有数据，在所有领域展示出完整的参与和批判性的观点，特别是在潜在的偏见和错误来源方面。重要的是您要承认数据的局限性和优势，因为这显示了学术可信度。

6. 演示设备

以可理解的方式表示大量数据可能很困难。为了解决这个问题，请考虑所有可能的方式来展示您所收集的内容。图表、曲线图、图表、报价和公式在某些情况下都具有独特的优势。表格是另一种以简洁的方式呈现数据（无论是定性还是定量）的绝佳方式。要记住的关键是，当您呈现数据时，您应该始终牢记您的读者，而不是您自己。虽然特定的布局对您来说可能很清楚，但问问自己，对于不太熟悉您的研究的人是否也同样清楚。通常答案是“不”，至少对于你的初稿来说是这样，你可能需要重新考虑你的演示文稿。

7.附录

你可能会发现你的数据分析章节变得混乱，但又觉得自己不愿意过多地削减你花了这么长时间收集的数据。如果数据相关但难以在文本中组织，您可能需要将其移至附录。数据表、样本调查问卷以及访谈和焦点小组的记录应放在附录中。论文本身只应使用最相关的信息片段，无论是统计分析还是受访者的引用。

8.讨论

在讨论您的数据时，您需要展示识别数据中的趋势、模式和主题的能力。考虑各种理论解释并平衡这些不同观点的利弊。讨论异常情况和一致性，评估每个异常的重要性和影响。如果您使用访谈，请确保在讨论中包含代表性引文。

9. 调查结果

分析数据后得出的要点是什么？这些发现应该被清楚地陈述，他们的主张得到严格论证的推理和经验支持的支持。

10.与文学的关系

在数据分析结束时，建议开始将您的数据与其他学者发布的数据进行比较，考虑一致点和差异点。您的发现是否符合预期，或者它们是否构成了有争议或边缘的立场？讨论原因和影响。在这个阶段，重要的是要记住你在文献综述中到底说了什么。您确定的关键主题是什么？差距是什么？这与您自己的发现有何关系？如果您无法将您的发现与文献综述联系起来，那就是出了问题——您的数据应该始终符合您的研究问题，并且您的问题应该源于文献。清晰明确地显示此链接非常重要。

转自论文写作规范微信公众号，仅作学习交流，如有侵权，请联系本站删除！