托新怡的福，我今天参加了中山大学心理学系举办的交叉科学论坛。
算起来，我去过了不少国内的知名高校，浙大、厦大、复旦，再加上今天的中大，一共有四所。突然觉得无比幸运，虽然自己没能考上这些层次的学校，但却能靠自己和身边亲人、朋友以及老师的帮助一次次争取到接近知识的机会。
和中大的讲座比起来，我们学校，或者说我们学院寒碜了一些。前段时间副院长邀请了《社会学研究》杂志的副主编和厦门大学社会学与人类学学院的院长胡荣过来，但是教室里的空间却显得拥挤狭窄，副主编女士甚至没有放包包的位置。
兵哥和我们说，他认为我们和985学生最明显的差距首先在于阅读量，其次是学校的资源——比如相关的讲座。我逐渐感受到了第二点。尽管不是独立的系，也不招收本科生，但浙江大学人类学专业举办的讲座就挺多，而且动辄便邀请国外的前沿学者或是国内相关领域的知名学者；胡荣最近在厦大办了一个南强群学的讲座，邀请了阎云翔、边燕杰和项飙等在国内外都鼎鼎大名的社会学与人类学者。我们学校和这些学校比起来，确实相形见绌。在我的印象里，学院没有几次讲座能真的吸引到我，只有两次——一次是南京大学的翟学伟与周晓虹过来，第二次则是前段时间《社会学研究》副主编和胡荣过来。但这两次都比不上我在浙大、复旦和这次在中大的体验。
我们学校还是缺少优秀的学术氛围，在资源上也很难和其他高校相比。但我并不认为自己可以抱怨或者不满，三年前能来到这里已经是我最好的表现，而更重要的是，这几年专业里的老师给我的成长提供了数不清的帮助，这是我的幸运。
一如主题「交叉学科」，今天的会议让我意识到数据分析能力对社科学生的重要性。第一位发言的周老师来自中山大学社会学与人类学学院的考古专业，该专业的学生不仅要学习作为人文的考古知识，还被要求学习统计（例如R语言），以及学会建立仿生模型模拟文明的奔溃等等。按照此次论坛会议的发起人，中山大学心理学系罗老师的说法，心理学的学生并不容易就业，当被问到到底学了什么时，只有「统计」是拿得出手的。而来自中山大学公共管理与政治学院的申老师则做了一个数据分析技能在劳动力市场对社科学生回报的研究，她和队员制作了四千多份虚拟简历（只有四千多份是因为他们发现社科学生能投的岗位就那么多），并在招聘平台上随机投递，分析结果表明，具备数据分析技能的文科学生的回应率显著比不具备的学生要高。
在会议上发言的老师来自中山大学的八个不同院系，按照发起人罗老师的想法，是希望各个老师在分享自己的研究内容时发现与其他老师学科交叉的可能性和空间。整场会议听下来，有些老师的研究内容之间有着泾渭分明的区隔，而若要交叉起来，在文科中加入数据分析是我感受比较深刻的点。
中大的老师能举办起这样的论坛，坐在一个会议室寻找可能的交叉合作机会，在我看来挺了不起，也有种「不愧是985」、「不愧是中大」的感觉。虽然有不少内容是我听不懂的，但接触陌生内容，我还是会庆幸今天来到中大寻找一些新的可能，而不是在学校过着重复的书斋生活。
数学学院的一位老师告诉我们，她的学生会参加kaggle的竞赛，我也由此发现kaggle中有很多可以用来在R中进行数据分析的经典数据集。我把R放下很久了，前段时间，谢颖老师让我捣鼓一下机器学习，但我借口于学习成本太高，加上自己惰性的影响，慢慢就把这件事情抛之脑后了。
统计有难度，但我真的学不了吗？
念高中时，我的数学很差，有一回起了要学好数学的强烈念头，竟然想从必修一开始重新做题。当时朋友告诉我没有这个必要，我们已经上到了必修三，重要的是先学好眼前的内容。这是不是也算一种完美主义？基础固然很重要，但是「要学好某个知识点，就必须从头开始一点点事无巨细地学起」不见得是可行的。例如统计，前面的理论知识很多，也很杂，按照我过去的想法，要学好数据分析就必须把每个理论都学熟学透。但当我这样想的时候，我反而容易陷入精致的完美主义，纠结于怎样才算学好了、怎样才算学透了，时间在其中便不知不觉消磨掉了。再者，作为社科的学生，我们或许不必掌握某些深奥的内容，比如公式的推导过程、复杂的统计原理等等，知道怎么回事，在什么情况下如何使用已差不多了。
我不应该就这样把R放下，如果真要做一个规划，现在做的事情与能提升数据分析能力的事情并不冲突。