落园专注经济视角下的互联网 / Economic Observation of the Internet

上周末，很开心的在魔都和很多听众分享了科学传播训练营第八期：别让数字吓到你。被到场听众的认真感动了，从两点到最后六点半结束，那么多人一直坚持着聚精会神的听讲，还有各种问题穿插其中，大家的热情和执着真的让我这个去传播知识的人由心底感动，演讲的激情自然而然的就被激发出来了。哈哈，话说演讲开始之前我还觉得挺困的，破例灌咖啡呢（话说，准备的时候是按照为记者们准备的，所以比较浅显；结果当天居然空降很多“专业人士”，比如某人一家三口全体出动，让我顿时鸭梨山大。早知如此，就准备几个“高级黑”的例子了嘛，比如RDD and causal inference，嘻嘻~）。不过，通篇我想说的“数字上的直觉”，无论是印证还是违背，还是蛮清晰的传达了出来了吧。数字还是蛮有意思的东西。 演讲的材料事后进行了一些整理，比前几天发出来的文档大纲也有了很多调整。有兴趣看一下整理过的带文字版本的，还请移步松鼠会这里下载。演讲的文字记录、录音、视频什么的，可能也会稍后上传吧～ 比较有意思的是，我们现场的一个互动环节，调查在场60多位人士的生日，居然有13位有“同生缘”，哈哈...远远超出当时在场所有人的预期（最多的一位猜测为10），效果好的出奇。当然，我们事先准备好...

查看全文

今天，接到了乔老师的确认电话，有生以来第一篇撰写的论文已经被接受，即将发表。感觉呢，惊喜+甜蜜 ^_^ 在此先容我回忆一些事，感性一下。 2009年，我21岁。 2009年，第一次全神贯注的做一件事情，废寝忘食：考GRE 2009年，第一次写一篇正式的论文，还每天在枯燥的撰写中乐得其所。 2009年，第一次跑到会议上去演讲，还是连着北京上海两个大城市。那次，第一次来到上海，第一次一个人去一个完全陌生的城市。 2009年，第一次下决心写一本书，单纯的没有太多想法。 然后，时到今日，已然三年过去。GRE单词忘的怕是差不多了，而留学已经回来了。R会议荣幸的由演讲者变成了组织者，还在越来越多的会议上出没。当年那本小册子还在写，最近应该也完工了，而开始给果壳写更多的东西，开始为松鼠会去讲公益讲座...而那篇论文，居然也即将发表了。人生，总有迟到的意外惊喜。当年做的时候没想太多，而一点点的付出都开始结果了。 其实这篇论文我已经不抱任何希望了，也没想发表。当年和乔老师一起写的时候（原谅我当年各种弱质问题吧，哈哈，谢谢乔老师的耐心和宽容，以及那些建设性的指导），只是觉得实在是喜欢那个话题，喜欢一点一点研究问题的感觉，后来也只是用于了申请出国读博。没想着可以...

查看全文

这周日，在魔都，会有一个非常好玩的科普讲座——《科学报道工作坊第8期：别让数字吓到你2.0》。原谅我王婆卖瓜，这期会是我和李舰哥去讲，在此先谢过科学松鼠会的一众好朋友们的辛勤组织。其实挺遗憾的是，本来鸟兄也会一起去讲的，结果时间不给力，鸟兄最近在大陆的另一端飞翔呢，5555。 这一期中，我这部分主要是一些基本的统计知识和相关例子，为了避免太多数字什么的吓跑听众，整个讲座都会以有意思的小故事为主，通篇展现统计直觉而不是纠结概念和定义什么的。李舰哥会展示大量漂亮炫目的统计图形，然后娓娓道来我们应该如何读懂、解释这些图形，用一种“图画和艺术”的语言来传递数字信息。视觉盛宴啊！一言以蔽之：information is beautiful! 顺手转一下松鼠会在微博上卖萌的宣传语： 发改委专打飞机？天蝎座一统IT？统计陷阱，一起识破！数字图表化，让人很头大？一幅图，让“挑战号”航天飞机失事，让病人药物中毒？ 我这里小小的“剧透”一下，大致说来，我这部分将会包括如下几个话题： 我们为什么需要数字？ 哪些统计术语到底是用来干嘛的？ 如何不被统计陷阱所欺骗？（想起来经典的一句话，改装一下：学习统计学就是为了不被统计学家所欺骗，哇咔咔！） 如何更好地利用数字...

查看全文

引言(即废话)：每当要准备presentation的时候，就会开始想一些问题。去年写的是【社会实验的特殊性】，然后有一系列的文字和最终的slides。现在，想多少从自己这大半年的工作经历出发，写一系列文章，就叫做 R as an analytical tool吧，简称RAAT。第一话，从微博入手好了；第二话，将由Joke童鞋过年时候问的一个问题引出；第三话，会是更偏向流程和实践的东西。这些我会一点点写，也可能有所改变，看到时候具体的想法了。 新浪微博也火了这么久了，但是对于吾等数据源控来说，这等数据简直不能被暴殄天物啊。怎么用来分析为好呢？ links类数据 微博有两大类links: 粉丝关系 评论与转发关系 然后呢然后呢？ 首先很多人感兴趣的是信息传递吧？那么决定信息传递的就是，第一呢，每个用户的信息源（主要来自于他关注的其他微博用户）；第二呢，他关注的人的发布及转发行为。用粉丝关系来计算影响力（influential rank）自然是没有问题，但是多少有点损失的感觉——我们总关心一个人在接受信息之后的response是不是？所以，一个简单可行的思路是，这里不妨用其转发行为来加权，判断每个他关注的用户对于他的影响程度的不同～如是，则每个有向的link上就附加了一个权重，成为了一个加权的有向图。 嗯，这样一个基...

查看全文