LOFTER-网易轻博

通过八周的《建筑批评》学习对普利兹克奖有更深入的了解，对统计学分析软件SPSS有了初步了解。本次课程对于普利兹克建筑获得者的预测，我们小组第一次选择了2001-2022年普利兹克奖的评审委员会成员进行介绍，我主要负责2001-2007年的评审委员会成员介绍，我们对历届获奖者情况、评委特征、重点关联性进行了分析，最后是评委国家影响获奖数据分析、理念影响获奖数据分析及综合影响分析，得出的最终结论从国家来说评委来自国家最多的美国和获得普奖最多的国家日本，按设计理念来说，虽然每年设计到的影响因素最大，但分布均匀，所以其预测范围是扩大型，而不是缩小型。我们组给出的预测的两位建筑师是斯蒂芬霍尔和畏研武。

第二次我们组选择的是聚类分析，聚类分析是指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程，它是一种重要的人类行为，从统计学的观点看，聚类分析是通过数据建模简化数据的一种方法。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等，聚类分析的目的就是在相似的基础上收集数据来分类。聚类分析根据样本的多个属性，将相似的对象聚为一类，使同类之间尽量同质、不同类之间尽量异质。在聚类分析中，一般的规则是将“距离”较小的点归为同一类，将“距离”较大的点归为不同的类。常见的是对个体分类，也可以对变量分类，但对于变量分类此时一般使用相似系数作为“距离”测量指标。

K-均值分析：（1）选择若干个聚类中心，依据与聚类中心的距离分出初始分类，（2）判断初始分类是否合理，（3）如果合理，则完成分类，（4）如果不合理，再根据一定的原则，修改调整分类。系统聚类：（1）将n个个案（或变量）归为n类，一个个案（或变量）单独为一类，（2）计算所有类与类之间的距离，（3）合并距离最近的两类为新的一类，（4）计算新的一类与当前各类的距离，（5）再次合并距离最近的两类为新的一类，（6）如此重复，直到所有个案（或变量）全都归为一大类，（7）根据最终的聚类图，决定个案的分类数和类别。二阶聚类：（1）预聚类：根据定义的最大类别数对个案进行初步分类，（2）正式聚类：对预聚类得到的初步分类再进行聚类并最终确定聚类结果，（3）确定分类数：在正式聚类的过程中，系统会根据一定的统计标准自动确定聚类的最优类别数。

我们组先是积极配合统筹组填写问卷得出主观因子数据以及收集整理各组分配的客观因子数据，再将各组的数据汇总整理后，就开始了我们组分配到的对应分析。我们对近十年的普奖获得者和三十六为预测候选人的统计数据进行聚类，我们首先收集获奖者简历、设计理念及特征、代表作品、候选人信息；然后整理历届获奖者个人信息，历届获奖者设计理念要素提取，历届评委背景、与获奖者联系，提炼评价要素、确定主客观因子、分类候选人；再接着确定研究问题、研究目的分析聚类性质、分类变量类型、数据是否需要标准化考虑是否满足基本的假定；最后选择聚类方法、判断聚类类别、解释聚类分析过程与结果。

但是我们在使用这个方法过程中也发现了不足之处：第一，资料信息收集不及时不全面，主观因素干预较多，难以得到准确信息，其次，预测方法存在问题，聚类只能得出分类，即每个个案属于哪个标签，第二个结果就是哪个变量的作用更大，达不到挑选推导候选人的目的，第三，应对收集的数据问卷进行预处理，把问卷收集到的各项数据取平均值后再进行聚类分析。

这堂课以预测普利兹克建筑奖的获得者作为研究的出发点，先是从不同的学术论文网站、建筑工程项目的网站以及外网等对有望获得此奖的建筑师进行大量地收集、整理、分析，汇集了较为完善的资料，包括年龄、性别、实践和书籍作品数量以及从作品中提取重要的信息，以及对已获奖近十年的建筑师进行了主客观的描述性分析，基本了解了这些统计方法的使用原则和使用范围，在未来对建筑学或城市规划等多领域的研究与分析提供了一种科学的统计方法，使研究结果更具科学性和客观性。