淺談辯論賽中的數據

在準備比賽的時候到底要怎麼去準備或者查一個我想要的數據;或者説我在比賽的過程中看到了對面某一個證明力度很強的數據我應該怎麼拆解?下面是小編為大家收集關於淺談辯論賽中的數據，歡迎借鑑參考。

怎麼更加精準的查到自己想要的數據

我個人感覺這一部分的內容有一個方法可以總結，就是儘量的把自己想象成為做調查的人，然後主觀上可以先得出一個比較精準的結論，也許最後能查出來的數據跟你的表述上有比較大的偏差，但是基本上都比隨便在搜索引擎裏搜索效率要高，要是你換了很多種查法之後都沒有的話，那就放棄吧，很有可能真的沒人做過這類調查(捂臉)。查數據的時候基本上大家的初步論點都已經成型，所以在查數據的時候儘量從多個角度嘗試一下表達這個論點的同樣的意思。舉個簡單例子，網絡社交媒體正在讓人變得更好/更糟這個辯題，如果你要查人們在用網絡社交媒體幹什麼，你在搜索引擎裏直接檢索這句話，得到的結果往往是這樣的。

幾乎都太過於宏觀並沒有什麼大用，即便有的話也需要繼續大量的去繼續找。

但是你要是已經有了初步的論點之後，比如説現在大家基本在網絡社交媒體上進行了太多無營養和無效或者低效的浪費時間的活動，你把這句更加精準的話換成不同的意思進行表達然後再在搜索引擎裏進行檢索，得到的結果就會變成這樣。比如我們搜索網絡社交媒體中休閒娛樂類的內容佔比。

這樣得到的結果不僅比直接搜索辯題更加的契合我們想要的數據，在某種程度上準備循環賽的時候雙方都可以拿過來用。

更進一步，其實你對於這種論點的認知往往是已經有一個初步的感受的。比方説絕大多數微信公眾號上的閲讀量排名前列的文章基本都是心靈雞湯之類的無效的信息，還會經常打斷你正常的工作生活;大家拿起手機基本都是沒什麼事情就習慣性的看看朋友圈之類的。其實你完全可以直接在搜索引擎裏搜索這種話，“微信公眾號閲讀量破萬文章90%為心靈雞湯”這樣搜索出來的結果如果有比較貼切的詞條的話基本都是會在細節的數據上稍微有一些偏差。比如會搜索到像下面的第二條這樣的極其有用的調查，其中的數據基本上可以拿來直接用啦。

簡言之，查數據的原則是能夠儘量的把自己想象成調查結論的發佈者，去儘可能精確的換不同的表述去檢索一個預設的結論，甚至可以提前設計好自己想要的數字。這樣查到的數據往往比直接搜索辯題之類的高效得多。

如何對自己的已有的數據進行一些技巧上的處理

注意：這一段內容幾乎是投機取巧性的技巧，如果你有信心每次比賽都能全心全意備賽並且找到完全符合自己的立場的數據，完全可以略過不看。也完全沒必要看。

基本上對於數據需要處理這種情況出現只有一個原因，竭盡千辛萬苦查到了數據結果發現證明力度遠遠不夠。舉個簡單例子，還是以網絡社交媒體正在讓人變得更好/更糟為例。有三份很明顯不能直接拿上場用的數據比如一下這些

1. 20xx年中國社交媒體影響報告指出，51%的人表示虛擬社交直接降低了現實社交的質量或者讓我們的現實生活變得空虛浮躁甚至被打亂了生活節奏

2. 中國人民大學的調查結果顯示，在248位使用網絡社交媒體的受訪者當中，有23名屬於高度拖延者，18名屬於“低度拖延者”，其餘207人屬於“中度拖延者”

3.在與子女處於異地狀態的60歲以上老年人中有17.5%認為網絡設計媒體顯著增加了他們與子女之間的代際交流。

他們全部都有或多或少的問題，到了場上講證明力度都遠遠不夠，自己講出來也會非常的心虛，但自己又不捨得放棄這些千辛萬苦查到的東西，so，怎麼辦?

實際上我個人覺得比較實用的能夠對數據的處理方法大體有不限於以下三種

(1). 概括一些比較模糊的表述。比如第一個數據，坦率的講51%的佔比在場上講出來往往有些底氣不足，那簡單粗暴一點好了，超過半數或者絕大多數。

(2). 對於佔比實在是太小的數據可以乘以它的絕對數量，調查樣本不足的數據可以直接只講他的佔比。比如第三個數據，17.5%的説服力度連新生賽都沒什麼用，所以直接查一下中國老年人的絕對人數然後乘一下好了，有佔比超過1860萬的老年人表示由於網絡社交媒體自己與子女之間的代際交流顯著增加(只要你覺得對手對中國究竟有多少老年人心理沒數而且你自己講出來不覺得尷尬)。第二個數據明顯調查樣本有些偏少，那直接講佔比好了，避免講他的調查樣本數量。

(3). 如果中性的數據佔比太多可以直接合起來講。比如第二個數據，有9.2%的調查對象產生了重度拖延，有83.5%的調查對象產生了中度拖延。前面一半的佔比實在是太小，那合起來講好了。有超過92%的調查對象產生了中重度及以上的拖延症症狀。

簡言之，一句話，保持真實，但別太老實。

拆解對方數據的大方向有哪些

以下所有拆解技巧全部的基礎都是好好備賽，真的知道對手的數據究竟是通過什麼樣的方法調查出來的，否則的話只會發生一個情況，就是對手的數據出來之後被嚇到，然後毫無反應。也是由於大陸的辯論賽基本都缺少數據檢證的環節，所以以下基本都只有依靠自己好好備賽，然後霸氣的講出”同學你這數據我看過”。

(1) 數據出處的權威性

簡單粗暴，一般沒用。適用於備賽極其充分幾乎看過對手的數據都是通過什麼樣的調查設計了什麼樣的實驗得來的陣容組合。坦率地講，絕大多數隊伍，尤其是備賽態度極其垃圾的大工絕對做不到。

(2) 樣本的容量與平衡性

比如大家很熟悉的美國總統大選的例子，1948年美國總統大選前期民調顯示杜威一路大幅領先，杜魯門幾乎毫無勝算。但最後杜魯門出人意料的獲勝了，因為當時的調查是通過電話做的，而在當時家裏能夠安得起電話的幾乎都是有錢人，杜魯門獲得的又恰好是中下級階層的支持。這就是典型的由於調查樣本的不平衡所帶來的結論的偏差。

(3) 其他變量對統計數據的影響

比如澳大利亞禁槍之後大型公共安全事件的死亡率顯著下降。但實際上在澳大利亞禁槍之前這個比例就一直處於下降的趨勢中，禁槍之後沒有明顯的比例變化相比之下在歐洲，不禁槍的瑞士的犯罪率顯著低於禁槍的瑞典。因此禁槍與否與犯罪率的因果關係是一個非常多的因素共同影響共同作用的結果，完全不能通過澳大利亞來證明禁槍可以解決社會安全問題。

(4) 被調查者的心理狀態

比如説某調查顯示在中國有不足5%的女性表示他們受到過性侵。這個數據就非常的不可信。因為在東亞的文化圈裏女性往往會覺得遭受性侵是一個難以啟齒的事情，在接受調查的時候相比之下也會比較難以表示自己有過這種經歷，所以這個數據的比例一定會遠遠的低估了這個問題的嚴重程度。

(5) 數據的意義詮釋和處理

簡單一句話，你處理數據時可能怎麼處理去嚇唬對方，那對方就也有很大的可能做這種數據嚇唬你。