論文原始數據如何錄入

1. 畢業論文原始記錄是什麼

畢業論文原始記錄通常指論文研究過程中收集到的原始數據和資料，這些原始記錄通常包括實驗數據、調查問卷、訪談筆錄等。這些記錄是論文研究的基礎，可以為論文的論述和結論提供依據。

2. 論文原始數據怎麼整理

論文的原始數據可以通過加工計算進行處理，然後在論文中體現出來，重要的一部分就可以。

3. 原始數據的錄入

在 MapInfo 的使用過程中，實際上大多數是對表的操作，從人工輸入數據、調用歷史數據，轉出數據，建立區域對象、線對象、點對象，並使之地圖化，更一般地在查詢操作時，也都是對表的操作。

MapInfo 表是以人工輸入數據，或調入其他格式的數據後所形成的 MapInfo 格式的表格，打開 MapInfo 表是最常用、最基本的操作 ( Wang et al. ，2006) :

1) 選擇 「文件」→「打開表」或從 「快速啟動」對話框中選擇 「打開表」， 「打開表」對話框出現。

2) 從 「文件類型」 下拉列表中選擇 MapInfo ( 若從 「快速啟動」 對話框進入，Map-Info 為預設值) 。

3) 為要打開的表設定名稱、目錄和驅動器。

4) 選中位於 「打開表」 對話框底部的 「在窗口中顯示」 選項。MapInfo 確定哪種窗口最適合該表，並據此顯示它。如果不想讓表顯示在窗口中，清除 「在窗口中顯示」選項。若要在工作會話期間稍後才把該表顯示在窗口中，使用 「窗口」→「新建瀏覽窗口」。如果該表有相聯系的圖形對象，也可選擇 「窗口」→「新建地圖窗口」。

MapInfo 可以利用大量的其他格式的數據，這對於多年來積累的歷史資料變成 MapInfo表格並建立圖形對象成為可能。在計算機中，我們為建立報表時，用文本、Word、Ac-cess、AutoCAD、Excel 等可能已輸入了各種數據，無論是何種格者型式的表格，均能轉換成MapInfo 格式的數據。

打開分界 ASCII 文件:

1) 選擇 「文件」→「打開表」，「打開表」對話框出現。

2) 從 「文件類型」 下拉列表中選擇 「分界 ASCII ( * . txt) 」，指定位置的 ASCII 文件出現。

3) 選擇一個分界 ASCII 文件。單擊 「打開」。 「帶分界符 ASCII 信息」 對話框出現，如圖 6. 12 所示。

圖 6. 12 帶分界符 ASCII 信息

4) 指定製表符、分界符或其他分界符。若要使用製表符作為欄位分界符，選擇製表符。「其他」是可以指定要使用的其他分界符。在框中輸入字元，預設選擇是逗號。「以第一行作唯模為列標題」是指把文件第一行作為列標題，也就是欄位名，一般必須選擇此選項。

5) 從 「文件字元集」 下拉列表中選擇文件使用的字元集。

6) 單擊 「確定」 該表被轉成 MapInfo 表。

打開 Excel 電子表格:

1) 選擇 「文件」→「打開表」，「打開表」對話框出現。

2) 從 「文件類型」 下拉列表中選擇 「Microsoft Excel」 指定位置的電子表格出現。

3) 選擇一個 Excel 電子表格。單擊 「打開」，「Excel 信息」 對話框出現。

4) 設定要訪問電子表格的哪些部分 ( 「全部工作表」 或 「其他」) 。

5) 選擇 「其他」 顯示 「其他范圍」 對話框，在那裡可以鍵入指定的單元范圍，單擊「確定」該電子表格被打開。

應該注意的是，在不同的數據格式轉換時，要注意各個環節的軟體版本，應遵循向下兼容的原則。

在 MapInfo 中，你可以從 MapInfo 和 MapBasic 中直接打開和保存 Microsoft Access 表:

1) 選擇 「文件」→「打開表」，出現 「打開表」對話框。

2) 從 「文件類型」 菜單中選擇 「Microsoft Access 資料庫」，指定位置的 Access 資料庫 ( mdb) 顯示出來。

3) 選擇 「打開一個 Access 資料庫」。若資料庫安全特性為打開狀態，系統將提示你給出該資料庫的口首山猜令。「打開 Access 表」對話框列出了被打開的資料庫中的所有表，選擇打開一個或多個 Access 表，這些表即在 MapInfo 中打開。

在 MapInfo 中第一次打開一張 Access 表時，MapInfo 為該表創建定義並給它以 tab 的擴展名，這樣可以像其他 MapInfo 表一樣操作它。例如，要打開該表，現在就可以像打開其他 MapInfo 表一樣打開它。

4. 畢業論文寫作過程的基本步驟及資料收集的方法和分析的工具怎麼寫

首先，我要說明這里的指導並非 常規意義的指導，我這里說的指導是到底應該如何寫論文（應該還是很抽象，不過看完就知道了）。
迄今為止，我大約也幫忙做了能有上千份的學生論文數據分析部分，包括一部分的整篇論文寫作。因為我是做市場研究與數據分析的，擅長的主要工具是spss，不敢說百分百精通spss，但是應付個八九十應該是足夠了，很自然的平時就利用下班和業余時間幫學生做一些論文數據分析以及論文寫作指導。
很多論文的核心部分都包括數據分析，而統計學也應該是所有學科應該學習的一門重要課程，但是恰恰相反，很多學科只是把統計學和數據分析作為一項選修甚至不重要的課程對待，這樣導致學生在最後做論文時完全不懂。
而在這種情況下，很多學生因為對數據分析的一竅不通，導致論文從開始的設計到後續的數據收集、整理等都會出現問題，最終導致分析出問題。
因此，在對數據分析一竅不通的情況下，應該如何從頭構建論文及寫作呢？很多論文雖然數據分析部分是核心，但是不管哪種論文的寫作，都脫離不了論文的框架。因此，具體的過程應該如下：
首先是選題，當然很多時候是導師直接給選題，這個沒有太多討論。
其次是選題確定後，馬上要做的不是想我應該怎麼去寫作，或者在哪抱怨「哎~~郁悶，完全不知道怎麼寫嘛」。而是先通過文獻查找，看前人在這個選題方面已經做了哪些研究，都是如何做的。通過查找文獻找到跟選題有關的資料，然後對這些資料進行整理，整理不需要計較參考文獻的結論和數據細節等，而是要把每篇文獻的研究目的、採用的研究方法、採用的分析方法整理出來。當然參考文獻中的分析方法你可能還完全不懂，但是沒關系，你先把這些參考文獻中使用的分析方法全部羅列出來，如線性回歸、方差分析、均值t檢驗、logistic回歸等，把這些文獻中常用的統計方法羅列出來，你需要弄清楚對應關系，即每種分析方法是用來支持和實現什麼樣的研究目的，以及能夠得出什麼樣的結論，認真閱讀文獻就能實現這一步。
第三．通過上一步，你應該朦朧的知道你選題相關的參考文獻中常用的統計方法名稱，以及這些統計方法能夠幫助實現哪些目的，或者得出什麼結論，同時也不會對自己的選題那麼恐懼和迷茫了，因為可能你的選題已經有前人做過了，你的論文只是「復制」一遍而已了，我說的復制是重復一遍前人的研究。在這種情況下，可以構思下自己的選題，這一步屬於純理論層面的，你需要將自己的思路具體化，比如要實現什麼目的，很自然的需要什麼數據分析方法也就能確定了。當然很多論文會預先設計一系列待驗證的假設，也是在這一步完成，因為你找到的文獻中可能會存在矛盾的結論，可能會存在一些你認為的研究缺陷（文獻看多了，自然自己就會有想法出來了），提出自己的一系列假設，能夠很清楚的指導後面的數據收集和分析。
第四．選題、假設還有研究方法這些經過前面幾步都能確定了，接下來就是要考慮具體研究和收集數據的環節了。這個環節最重要的也是首要的是弄清楚你的數據應該是什麼類型的，通過哪種方法來獲取。其實也容易了，因為前面你已經確定了統計分析方法，而每種方法有它特定的數據類型要求，比如是分類數據（如性別、民族、年級等）、比如連續性數據（如年齡、身高、體重、溫度、長度、距離等）。分類數據簡單通俗點的理解就是這些數字本身是沒有意義的，是人為賦予它一定的含義，這些數據之間不存在連續性，且加減乘除沒有意義，而連續性數據是數據本身有意義，且能夠進行一些加減乘除運算。確定了所需要的數據類型，就大致能夠知道在數據收集時，應該注意的問題。比如一份問卷調查，其中應該如何設計問題也就大致清楚了，通常問卷設計時就要考慮兩種數據類型的問題，因為不同的選項設計會導致不同的數據類型。如你設計一個問題的答案選項是「有/沒有」、「是/否」這種是屬於分類數據，如果你的答案選項是李克特量表式「非常滿意----非常不滿意」這種，在處理時可以按照分類數據，只能統計出一些百分比，也可能將其按照連續數據如12345打分形式，這樣可以求均值，可以做很多其他多元統計分析。因此這一步確定數據類型很關鍵，如果數據類型弄錯的話，則收集的數據完全無用。
第五．具體收集數據過程，不細說了，收集回來之後 就是數據的錄入。記住一定要錄入原始的數據，而不是經過加減整理匯總後的數據。數據錄入格式也是有要求的，一般大致同樣的情況下，都是一行代表一個個案或者一份問卷的數據，而一列對應表示的是問卷中的一個問題，即變數。因此數據錄入完成後，應該是有多少樣本數據，就有多少行，數據中包含多少個指標，那就有多少列。
第六．這一步才是你應該開始頭疼的數據分析不會了怎麼辦。因為到這里才開始是數據的具體分析過程了。不會怎麼辦，前面已經知道了分析方法，這種情況，只有找本教材，然後找對應的方法介紹學習即可，或者實在不行找人指導，找人幫忙等等。
最後。分析完成後，開始整篇論文的寫作。

PS：還要強調一點，現在的高校導師都存在一些問題，因為我接觸了那麼多學生，他們的認為觀點就是「我的統計檢驗結果不顯著怎麼辦，那不就是說我的研究沒有意義么？我的假設都是錯的？」「我的結論跟前人的結果不一致啊，看來我的又錯了」，這兩種觀點明顯是錯的：
一、數據的來源對象發生了變化，誰規定的結論必須跟前人一致；
二、請問愛迪生發明燈泡的前999次失敗是沒有意義么？科學研究本來就是一個證偽的過程，一次次證偽來接近真相。
三、如果你的假設一定是正確的，那不需要數據驗證，你可以去幫助警察破案了，因為你認為你的假設一定是對的，那破案多簡單的，假設一下就好了。但是很顯然，很多導師並沒有把這些正確的觀點傳達給學生。

5. 通常我們在讀文獻的時候,如何從論文數據曲線中提取出原始數據

可以使用DiVoMiner3.0 版本軟體。

文獻很多時候是pdf，轉換為文本分析難度很大，DiVoMiner平台推出了pdf識別功能，上傳pdf後，自動識別為文本，就可以提取出原始數據了。

可以使用內容分析法做大量的數據處理，運行演算法編碼等。

支持慧科Doc、Text和HTML格式，本次更新增加了對Factiva資料庫的文檔解析支持，方便小夥伴們使用更為廣泛的研究數據源！

在傳統的分析方法中，我們首先需要逐一閱讀每一篇文本，找出關鍵詞，標記好後進行統計分析，得出最終的分析結果，對於分析結果中每一個關鍵信息的來源也需要逐一翻閱匯整。

總結如下：

相比較傳統的內容分析方法中無法快速找出關鍵詞的來源文本，DiVoMiner®平台除了快速探索海量數據的關鍵信息外，也提供了分析結果的追蹤溯源功能，只需一鍵點擊圖中的任意關鍵詞，即可直接顯示該關鍵詞的來源文本。