Description
斯坦福探究项目
美国种族歧视问题的多层次回归与分层（MRP）分析
课题简介
种族问题一直是美国政治与社会议题中的重要组成部分，种族歧视也是影响美国选举、政策制定和身份认同的重要因素之一。美国国家选举研究（American National Election Studies）公开提供的1948年以来的选民抽样调查数据为深入研究美国民众对于种族问题的看法提供了机会。
本课题旨在运用多层次回归后分层分析法对1980年代以来的美国国家选举研究调查数据进行分析，找出影响种族憎恨（Racial Resentment）的因素，进而利用美国各州的人口成分套用回归分析的结果，推算出真实人口中种族憎恨情绪的强度，并将研究结果以地图数据可视化工具展示研究结果。
本课题是跨计算机和社会科学的综合研究，研究者可以深入了解政治学、社会学方法论的发展趋势，在学习西方政治与社会制度理论的同时进行数据科学的实践，掌握如何进行科学抽样调查、并运用统计、回归方法分析调查结果。
科研方法
AI+X数据驱动型科研
AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。
AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。
授课导师
1. 斯坦福大学 硕士
2. 北卡罗来纳大学博士在读，硕士毕业于斯坦福大学，本科毕业于北京大学
3. 发表学术论文四篇
4. 研究方向：国际政治；东亚研究；国家政策；
课题要求
本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力
1. 英文：
（1）具备基本的学术英语阅读能力；
（2）接触过英文写作，有论文写作经验者更佳；
2. 数学：
（1）概率统计基础知识；
（2）线性回归
3. 计算机：
（1）最好具备初步的编程基础，掌握基本的编程语言与逻辑
咨询请添加顾问老师
