看到l大的發文加上老師的re，也來講講我當時修這門課的感受與回顧 先講一下背景，我是心理系學生，修108-2的心理與神經資訊學 在108-1有修過python的通識，所以上課的code都還算看得懂，不過老師也有說過這門課 本就不是在教你怎麼寫code，所以其實沒有學過也可邊學邊寫，反正也不只python XD 當時修這門課也是因為疫情大部分都是線上直播或看錄影，每周也都花很多時間寫作業 (少則 <1 hr、多則>10hr)，尤其是機器學習那邊的作業我掙扎了很久但還是放棄了XDD 聽課的感想跟l大蠻像的，確實要聽個兩三次+自己找資料才能比較好理解 但後來回顧整個課程，會覺得這門課真的很精彩，以下解釋 心理學的研究流程大多都是 題目 --> 文獻回顧 --> 資料蒐集 --> 資料分析 --> 得到結論 這邊主要要講的是 資料蒐集 & 資料分析 1. 資料蒐集 資料蒐集的方式最常採用 [實驗法] 與 [調查法] a. 實驗法 => 透過設計實驗控制變項獲得我們想要的資料 對應到心理系必修的 [心理實驗法] b. 調查法 => 有系統地蒐集研究對象的資料，最常用的是問卷 對應到心理系必修的 [心理測驗] 而這門課前半部的課程就是在講資料如何蒐集 -a.過去心理學的實驗多半都在實驗室進行，目的就是要控制其他變項 但就會被詬病在實驗室測的結果很難對應到現實生活，所以才會有 [網頁與手機實驗] 試圖把實驗環境抽離實驗室，另外好處是不會被時間和 空間所侷限 -b.而在調查法上，資料蒐集形式固定，就是受試者填寫的資料 幾乎都是數字，例如問卷的很同意是5分 [網路資料的蒐集] 就是爬網路上的各種資訊，可以是文字、圖片、聲音等 資料種類更多元，而且資料量比問卷大很多 2. 資料分析 在心理系資料分析通常是用統計，對應到心理系的必修 [心理與教育統計學] 這些方式適用於結構化的資料，就是一格一格你可以放到excel的資料，幾乎都是數字 (如果修過上面提過的心理系必修的人可以回想看看那三門課專題或報告的資料形式) 這門課的後半部的課程就是在講如何進行資料分析 相對於結構化的資料，前面提及的資料種類：文字、圖片是 非結構化的資料 這類型的資料必須要經過資料前處理，簡單來說就是把資料透過各種方式轉換成數字 所以才會有 [XX資料的處理] 的課程，就是要把這些雜亂無章的資料清洗乾淨 而近幾年超紅的 [機器學習]，除了可以幫我們處理非結構化的資料外 也可以擔任像是統計的角色，幫我們找出資料的意義，但需要龐大的資料量才會比較準 所以適合應用在資料量大的情境，例如上面提到的蒐集網路上資料 整個學期下來，課程編排只是起個頭，對哪個領域有興趣再往下深入研究就好 在做研究的時候也不一定全都要用這邊提到的所有方式，可以根據情境選擇 必須澄清的是，並不是說這門課的這些研究方法一定比較好，這些研究方法有很多問題 需要克服，但這門課的價值是帶你從其他角度切入心理學的研究，未來如果要做心理學 研究可以有更多元的資料來源與處理方法，就算沒有要繼續待在學界，這些研究方法 去業界也很可能用到(當然不一定要是心理相關領域) 以上，這些都是上完整學期的課後過一段時間我才意識到的事情 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.112.62.160 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/NTUcourse/M.1642600666.A.B5E.html