Making Social Sciences More Scientific pdf epub mobi txt 电子书 下载 2026
- 社会学
- 方法论
- 研究方法
- Methodology
- 量化
- 论文写作
- 社会科学研究方法
- 社会科学
- 科学方法
- 实证研究
- 理论建构
- 定量分析
- 研究设计
- 学术规范
- 数据驱动
- 因果推理
- 跨学科研究
具体描述
In his challenging new book Rein Taagepera argues that society needs more from social sciences than they have delivered. One reason for falling short is that social sciences have depended excessively on regression and other statistical approaches, neglecting logical model building. Science is not only about the empirical 'What is?' but also very much about the conceptual 'How should it be on logical grounds?' Statistical approaches are essentially descriptive, while quantitatively formulated logical models are predictive in an explanatory way. Why Social Sciences Are Not Scientific Enough contrasts the predominance of statistics in today's social sciences and predominance of quantitatively predictive logical models in physics. It shows how to construct predictive models and gives social science examples. Why Social Sciences Are Not Scientific Enough is useful to students who wish to learn the basics of the scientific method and to all those researchers who look for ways to do better social science.
作者简介
Rein Taagepera has B.A.Sc. in engineering physics plus M.A. in physics from University of Toronto and Ph.D. in solid state physics plus M.A. in international relations from University of Delaware. After 6 years of industrial research at DuPont Co., he has taught political science at University of California, Irvine since 1970 and also at University of Tartu, Estonia since 1992. He ran third in Estonia's presidential elections 1992, and was in 2001 the founding chair of a political party that later won the elections. He has over 100 research articles in electoral studies, comparative politics, Baltic area studies, Finno-Ugric linguistics, and physics. His books include Seats and Votes (with Matthew Shugart), The Baltic States: Years of Dependence 1940-1990 (with Romuald Misiunas), The Finno-Ugric Republics and the Russian State, and and Predicting Party Sizes (Oxford University Press).
目录信息
R Duncan Luce: Foreword
Part I. The Limitations of Descriptive Methodology
1: Why Social Sciences Are Not Scientific Enough
2: Can Social Science Approaches Find the Law of Gravitation?
3: How to Construct Predictive Models: Simplicity and Non-Absurdity
4: Example of Model Building: Electoral Volatility
5: Physicists Multiply, Social Scientists Add―Even when It Doesn't Add up
6: All Hypotheses Are Not Created Equal
7: Why Most Numbers Published in Social Sciences Are Dead on Arrival
Part II. Quantitatively Predictive Logical Models
8: Forbidden Areas and Anchor Points
9: Geometric Means and Lognormal Distributions
10: Example of Interlocking Models: Party Sizes and Cabinet Duration
11: Beyond Constraint-Based Models: Communication Channels and Growth Rates
12: Why We Should Shift to Symmetric Regression
13: All Indices Are Not Created Equal
Part III. Synthesis of Predictive and Descriptive Approaches
14: From Descriptive to Predictive Approaches
15: Recommendations for Better Regression
16: Converting from Descriptive Analysis to Predictive Models
17: Are Electoral Studies a Rosetta Stone for Parts of Social Sciences?
18: Beyond Regression: The Need for Predictive Models
References
Index
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
《Making Social Sciences More Scientific》这本书，在我看来，不仅仅是一本学术著作，更是一份对于社会科学发展方向的清晰指引。我曾多次在阅读一些社会科学研究时，对研究的结论感到困惑，不确定这些结论是否可靠，也无法确定它们在更广泛的社会群体中是否同样适用。这本书通过对研究方法论的深入探讨，为我提供了理解和评价社会科学研究的关键视角。我特别喜欢书中关于“实证主义”和“解释主义”等不同哲学范式的讨论，以及这些范式如何影响研究的设计和结论。作者并没有简单地推崇某一种范式，而是鼓励研究者根据具体的研究问题和研究对象，来选择最合适的研究路径。这让我认识到，科学性并非只有一种模式，而是可以有多种不同的实现方式，关键在于研究者是否能够清晰地阐述自己的研究立场和方法论基础。书中关于“效应量”的强调，也让我耳目一新。过去，我们往往更关注统计显著性（p值），而忽略了效应量所能揭示的实际意义。一个统计上显著的结果，如果效应量很小，那么它的实际影响力可能微乎其微。这本书让我学会了如何去解读和报告效应量，从而更准确地评估研究结果的重要性。
评分这本《Making Social Sciences More Scientific》真是让我耳目一新，我一直对社会科学领域抱有浓厚的兴趣，但有时会觉得它缺乏一种严谨的、可验证的科学体系，总是难以摆脱定性分析的模糊性，以及对因果关系的推断所带来的不确定性。然而，这本书就像一盏明灯，为我指明了一条将社会科学推向更科学化道路的路径。它不仅仅是理论层面的探讨，更重要的是，它提供了大量实操性的方法论指导。我尤其欣赏作者对于研究设计、数据收集和分析的深入剖析，无论是实验设计中的控制变量设置，还是在大规模调查中如何确保抽样的代表性和减少系统误差，亦或是利用先进的统计模型来揭示复杂的社会现象背后的驱动力，书中都给出了清晰而富有洞察力的讲解。我过去在阅读一些社会学或心理学文献时，常常会对研究的普适性产生疑问，也曾困惑于一些研究结论的“偶然性”。但读完这本书，我才真正理解了如何通过科学的方法来构建可信赖的研究，如何去辨别那些真正具有科学价值的社会科学成果。它让我意识到，科学性并非遥不可及，而是可以通过精细化的研究方法来实现的。比如，书中关于“准实验设计”的阐述，就为研究者在无法进行严格控制实验的情况下，提供了一种更优的替代方案，如何通过自然实验或者匹配的方法来近似控制，这对于研究那些难以在实验室中重现的社会现象至关重要。此外，书中对“效应量”和“统计效力”的强调，也让我深刻体会到，仅仅证明统计显著性是远远不够的，理解研究结果的实际意义以及研究的可靠性，需要更深层次的分析。这本书的价值在于，它提供了一个框架，让我们能够以更批判、更严谨的视角来审视和参与到社会科学的进步中。
评分我一直认为，社会科学之所以与自然科学在“科学性”上存在差距，很大程度上源于其研究对象的复杂性和不可控性。然而，《Making Social Sciences More Scientific》这本书却以一种令人信服的方式，展现了如何通过精妙的研究设计和严谨的数据分析，来克服这些挑战。作者并非简单地复制自然科学的模式，而是巧妙地将科学的思维方式和方法论，融入到社会科学的研究实践中。我特别喜欢书中关于“因果推断”的章节，它深入浅出地讲解了如何从相关性中区分因果关系，并提供了多种实用的方法，例如倾向性评分匹配（PSM）、断点回归设计（RDD）以及工具变量法（IV）等。这些方法对于我在进行关于教育政策影响的研究时，提供了至关重要的理论指导和实践工具。过去，我常常为如何准确评估政策的真实效果而苦恼，但这本书让我看到了清晰的出路。它让我理解到，即使无法进行完美的随机对照试验（RCT），我们依然可以通过巧妙的设计来接近因果关系的真相。更重要的是，作者在书中反复强调了“透明度”和“可重复性”的重要性，这正是科学研究的基石。它鼓励研究者详细记录研究的每一个步骤，从数据的来源、清洗过程，到模型设定和结果解释，都力求做到清晰明了，以便其他研究者能够复现研究过程，并在此基础上进行进一步的探索。这种开放的态度，不仅提升了社会科学研究的整体可信度，也为知识的积累和传播奠定了坚实的基础。书中对于“测量误差”的讨论，也让我受益匪浅，它提醒我在进行社会学调查时，要时刻警惕问卷设计、访谈技巧等因素可能引入的偏差，并提供了一些校正和控制误差的策略。
评分《Making Social Sciences More Scientific》这本书，如同一本方法论的宝典，为我这个在数据分析领域摸索前行的人提供了源源不断的灵感和实用的技巧。我一直在思考如何才能让我的研究更具说服力，如何才能让我的发现不仅仅停留在“现象描述”层面，而是能够真正揭示事物发生的内在逻辑。这本书恰恰回答了我心中的这些困惑。它详细地介绍了各种统计模型，从基础的回归分析到更复杂的结构方程模型（SEM），并深入探讨了它们在社会科学研究中的应用场景。我特别欣赏作者在讲解模型时，不仅仅停留在数学公式层面，而是结合了大量的案例，让我能够清晰地理解每个模型所能解决的问题，以及如何解释模型的结果。书中关于“模型拟合优度”的讨论，也让我认识到，仅仅将数据“喂”给模型是远远不够的，关键在于如何评估模型的解释力和预测力，并不断优化模型以获得更优的解释。我过去在阅读一些实证研究时，常常会对作者选择的模型感到困惑，不知道为什么选择这个模型而不是那个模型，也不知道如何判断模型的适用性。这本书的出现，为我解决了一直以来的难题。它不仅让我学会了如何选择合适的统计模型，更让我理解了不同模型背后的逻辑和假设，这使得我在进行研究设计和结果解释时，能够更加自信和有条理。此外，作者对于“假设检验”的严谨性要求，也让我更加重视研究中的每一个细节，从零假设的设定到p值的解读，都需要格外谨慎，避免出现误导性的结论。
评分《Making Social Sciences More Scientific》为我打开了一扇通往更严谨、更具说服力的社会科学研究的大门。我曾是一名对社会现象充满好奇但又苦于找不到合适方法去系统性地探索的观察者，而这本书则为我提供了一套切实可行的“工具箱”。书中关于“测量工具的信度和效度”的讨论，让我深刻理解到，一个研究的可靠性，很大程度上取决于其测量工具的质量。作者详细地介绍了各种评估信度（如内部一致性信度、重测信度）和效度（如内容效度、结构效度、效标关联效度）的方法，并鼓励研究者在开发和使用测量工具时，务必进行严格的检验。这对于我在进行一项关于公众态度的调查时，帮助我认识到问卷设计不仅仅是遣词造句，更需要科学的构建和检验过程。此外，书中对“可视化”在社会科学研究中的作用的强调，也让我印象深刻。如何通过图表、图形等方式，直观地呈现复杂的数据和研究结果，不仅能够帮助研究者自身更好地理解数据，也能够有效地与更广泛的受众进行沟通。书中提供了许多优秀的案例，展示了如何将统计结果转化为清晰易懂的可视化图表，这让我意识到，好的可视化能够极大地提升研究的传播力和影响力。它让我明白，科学性并非仅仅是研究过程的严谨，也包括将研究成果有效地传达出去的能力。
评分我必须承认，阅读《Making Social Sciences More Scientific》的过程，对我来说是一次智识上的洗礼。我一直认为，社会科学虽然研究的是人类社会，但其研究成果应该具有普遍的意义，能够为我们理解和改善社会提供指导。然而，现实中的许多社会科学研究，有时似乎过于碎片化，结论也往往难以令人信服。这本书的出现，让我看到了将社会科学推向更高级别、更具科学性的希望。我尤其欣赏作者在书中对于“研究伦理”的重视，并将其置于科学性的重要组成部分来讨论。书中强调了研究者在研究过程中，必须遵守的道德规范，包括保护研究参与者的隐私、获得知情同意、避免学术不端行为等等。这让我意识到，科学性不仅仅是技术层面的问题，也包含着对研究对象的尊重和对社会责任的承担。它让我明白，一个真正科学的研究，不仅要在方法上严谨，也要在伦理上过关。此外，书中关于“开放科学”（Open Science）的理念，也给我带来了深刻的启发。它鼓励研究者将自己的研究数据、研究代码以及研究方法公开，以便其他研究者进行查验和再利用。这种开放的态度，不仅能够提升研究的透明度和可重复性，也能够促进科学知识的共享和传播，加速科学的进步。
评分这本书《Making Social Sciences More Scientific》是我近期读过的最具有启发性的一本书籍之一。我一直对社会现象背后的规律充满好奇，但传统上社会科学的研究方法，有时显得不够“硬核”，难以让我信服。这本书的出现，恰恰弥补了我在这方面的认知空白。作者在书中详细阐述了如何通过“统计建模”来理解和预测社会现象，从简单的线性回归到复杂的纵向数据分析。我特别欣赏书中对“假设驱动的研究”的强调。它鼓励研究者在开始一项研究之前，就提出清晰、可检验的假设，并围绕这些假设来设计研究方案和收集数据。这种研究范式，比那种“漫无目的”的数据探索，要更加高效和有目的地多。它让我认识到，科学研究的核心在于“求证”，而不是“求新”。此外，书中对于“统计软件”的应用指导，也让我受益匪浅。它不仅推荐了常用的统计软件（如R、Stata等），还提供了一些基础的操作指南，这对于我这样想要将理论知识转化为实际操作的读者来说，是非常宝贵的资源。它让我看到了将科学方法应用于社会科学研究的具体路径，也让我对未来的研究充满信心。
评分在我看来，社会科学的“科学性”不仅仅在于工具和方法，更在于一种思维方式的转变，《Making Social Sciences More Scientific》正是这样一本能够深刻影响研究者思维的书。它打破了我过去对于社会现象研究的某些固有认知，让我看到了用一种更系统、更量化的方式去理解人类行为和社会结构的可能。我尤其赞赏作者对“理论构建”与“实证检验”之间辩证关系的阐释。书中指出，一个好的社会科学研究，既要有清晰、可检验的理论假设，也要有严谨、可靠的实证证据来支持或证伪这些理论。它鼓励我们跳出“只有定性研究才能触及深层含义”的思维定势，而是要学会将抽象的理论概念转化为可操作的变量，并通过精确的测量和分析来检验其有效性。书中关于“多层次模型”（Multilevel Modeling）的介绍，也让我眼前一亮。它能够有效地处理数据中的嵌套结构，比如学生嵌套在班级中，班级嵌套在学校中，这在教育学、社会学等领域的研究中非常常见。通过多层次模型，我们可以同时考察个体层面的因素和群体层面的因素对研究结果的影响，从而更全面地理解复杂的社会现象。这本书给我带来的最深刻的改变，是让我意识到，即使研究的是人类这样复杂而充满变数的个体，科学的方法依然能够帮助我们发现规律，预测趋势，并最终指导实践。它不是要将人类简化为数据点，而是要利用数据和科学工具，去更深刻地理解人类行为的复杂性。作者还强调了“元分析”（Meta-analysis）在整合现有研究、提升研究结论的稳健性方面的作用，这对于我来说是一个全新的视角，它让我意识到，单独一项研究的结论可能并不够充分，但通过对大量类似研究的系统性整合，我们可以获得更可靠、更有说服力的证据。
评分《Making Social Sciences More Scientific》是一本真正能够改变你对社会科学看法的书。它不仅仅是提供了一些研究技巧，更是引导你建立一种科学的思维方式。我曾一度认为，社会科学的研究，由于其研究对象的独特性，永远无法达到自然科学那样的高度。然而，这本书彻底颠覆了我的这一认知。作者在书中，深入浅出地介绍了如何进行“系统性评估”和“政策评估”。他强调，任何一项社会政策的实施，都应该建立在科学证据的基础上，并通过严谨的研究来评估其效果。这对于我这样一个对公共政策非常关注的人来说，具有极其重要的意义。它让我意识到，我们在制定和评价政策时，不应该仅仅依靠经验和直觉，而应该通过科学的研究来提供支持。书中关于“案例研究”（Case Study）的讨论，也让我重新认识了这种方法的科学性。虽然案例研究常常被贴上“定性”和“非普适性”的标签，但作者通过对案例选择、数据收集和分析方法的精细化处理，展示了案例研究如何能够提供深刻的洞见，并为更广泛的理论发展提供支持。它让我理解到，即使是看似“软性”的研究方法，也可以通过科学的严谨性来提升其科学价值。
评分这本书《Making Social Sciences More Scientific》是一次令人振奋的阅读体验，它让我有机会从一个全新的角度来审视社会科学研究的本质和发展方向。我一直认为，社会科学的研究成果，最终要落脚于解决现实问题，而要做到这一点，科学性是不可或缺的基石。这本书正是围绕着如何提升社会科学的科学性这一核心问题，提供了全方位、多角度的解决方案。作者在书中探讨了“混合方法研究”（Mixed Methods Research）的理念，即结合定量研究和定性研究的优势，以获得更全面、更深入的理解。这对我非常有启发，因为我曾一度认为，追求科学性就意味着要完全拥抱定量研究，而忽略了定性研究在探索复杂社会现象中的独特价值。这本书让我意识到，两者并非相互排斥，而是可以相互补充，形成更强大的研究合力。它鼓励我们在研究设计之初就考虑如何将两种方法有效地结合起来，例如，可以通过定性研究来探索研究问题，形成理论假设，再通过定量研究来检验这些假设；或者通过定量研究来识别出具有代表性的案例，再通过定性研究来深入挖掘这些案例背后的原因。书中关于“文献综述”的讲解也同样精彩，它强调了如何进行系统性的文献回顾，如何识别现有研究的 gaps，以及如何将自己的研究置于现有研究的脉络之中。这对于我来说，是一次关于如何“站在巨人的肩膀上”的深刻教育。
评分看了整一周，在作者所界定的“社会科学”的意义上，这是一本很有见地、非常有新意、会影响到很多人饭碗，以致于影响力不会太大的书。
评分从豆友处看到条目。谢谢豆友～浏览了一部分，跳读了一部分。作者讨论时可能忽略了部分领域，不过这倒不算什么问题。我十分赞成第一部分大方向的论述。但之后部分的具体方法示例有点一言难尽。就让我多少保留一下意见好了。
评分从豆友处看到条目。谢谢豆友～浏览了一部分，跳读了一部分。作者讨论时可能忽略了部分领域，不过这倒不算什么问题。我十分赞成第一部分大方向的论述。但之后部分的具体方法示例有点一言难尽。就让我多少保留一下意见好了。
评分在作者所界定的“社会科学”的意义上，这是一本很有见地、非常有新意、会影响到很多人饭碗，以致于影响力不会太大的书。
评分看了整一周，在作者所界定的“社会科学”的意义上，这是一本很有见地、非常有新意、会影响到很多人饭碗，以致于影响力不会太大的书。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有