LOFTER-网易轻博

历时9周的建筑批评课程结课了，用统计学软件预测明年的普奖得主是从来没有接触过的，获得了一个全新的思路。我们的小组成员是赵才溢、曾理、胡凯旋、王如哲、于濮一，抽取到的任务是通过各种网站选取候选建筑师，最后通过因子分析和主成成分分析-学生预测普奖建筑师。

在学到的知识方面主要收获有两方面，一方面是关于建筑大师，补充了解了之前没有学习的各个建筑师，另一方面是关于SPSS统计学软件的学习。对于建筑候选人，我们组选取了屈米、彼得·库克、马岩松和DesignInc事务所，对四位建筑师进行了深入了解，上一次重点的学习还是考研备考阶段，但当时也是针对性的背一些重点建筑师，有许多普奖获得者没能了解或认知，这次通过同学汇报和自己找寻资料，学习到了每一届的相关信息，并且对于很多候选建筑师也有所了解，就如了解到原来彼得·库克的落地作品很少，主要是天马行空的理论。其次对于统计学学习，我在之前学习过层次分析法，但并未用到过统计学软件，经过批评课程学习，丰富了因子分析、主成成分分析和描述性分析。并且在之前计算时仅仅是通过Excel列表计算，而SPSS软件更为方便快捷，只需要导入表格数据，按步骤操作就能快速得到结果。

对于课程的体会和建议有以下方面：

一、体会

①个人比较喜欢这个课程的分组和任务分配，在前两节课就清楚自己的任务和每节课的安排，并且最棒的是可以在官网上清楚的看到往届的成果，可以成为一个参考，对于任务量和要做的东西会提前有心理准备。

②进行因子分析时共使用了4次KMO的验算，发现有三次无法满足条件，也就是因子相关性很低，只能将因子分析改为描述性分析得出权重，并且在看去年同样的小组ppt时发现他们也有同样的问题，因子相关性不够，通过查阅相关资料，发现解决的办法一是删除相关性低的因子，二是提高问卷的回答质量，多次的因子检验都不满足条件的话，就应从问卷入手，优化因子的评分体系。

③多和统计学配合的同学沟通，我们组的一些大问题都是和统计学同学请教后解决，才使得计算得以进行，非常感谢统计学的同学。

④我们组选择的方法是主成成分分析学生组数据，一开始未有学生的统计数据，导致一开始的计算数据选择错误，计算成了建筑相关人员的结果，统计范围扩大结果不可用，后经问卷组单独整理了学生组数据（万分感谢！）。所以一开始就要明确所需要的数据类型和内容，避免后期麻烦改正。

二、建议

①对于统计学方法的学习，在课程刚开始阶段有统计学老师的讲解，仅仅学习了理论，但是没能及时实践，到后期计算的时候需要自己针对性的学习相关内容，希望可以缩短理论和实践之间的时间间隔。

②问卷准确性误差。对于建筑学专业学生来说，不能对每一个建筑师都有所了解，填写问卷时候要先查找先关资料，了解的不够深入，会产生误差。另外问卷的专业性较强，非建筑学专业填写问卷的时候，很多都不能看懂，这也降低了问卷的准确性。问卷中的许多语句可能是从大师分析的角度书写，但对于大众来说可能“广告词”式的话术更容易理解。