发帖
雷达卡
问卷数据从原始表格到能跑回归的分析表，中间隔着多少道工序？Data Carpentry 的社会科学工作坊给出的答案是一条三步工作流：先用电子表格把数据组织好，再用 OpenRefine 做可复现的清洗，最后进 R 做分析与出图。整套课程面向社会科学研究者设计，安排为两个全天，全部材料免费公开，页脚明确写有「Materials licensed under CC-BY 4.0 by the authors」——署名即可自由使用与改编。
三门课对应三个步骤
第一门课 Data Organization in Spreadsheets 讲表格数据的组织：怎么安排行列、处理日期格式、做质量控制与质量保证，以及导出数据供下游工具使用。这一步解决的是最常见的痛点——原始问卷录入表里合并单元格、日期五花八门、备注混在数值列里。第二门课 Data Cleaning with OpenRefine 讲「可复现」的清洗：探索、汇总、清洗表格数据，所有操作以历史记录保存，可以导出为脚本重放，避免「在 Excel 里手改了三处、一个月后谁也说不清改了什么」。
第三门课 Data Analysis and Visualisation with R 把清洗好的数据导入 R，计算汇总统计量并绘制出版级图形。三门课首尾相接，正好覆盖从原表到分析表的全流程。
练习数据：一份真实的入户调查
全课程围绕 SAFI Survey Results 数据集展开，来自坦桑尼亚与莫桑比克的农户灌溉调查，问卷用 ODK（Open Data Kit）设计、安卓手机采集，课程使用其中的 CSV 样本。数据集放在 FigShare 上，以 CC-BY 许可开放（doi 10.6084/m9.figshare.6262019.v4），意味着读者不仅能跟着课练，还能把同一份数据用于自己的方法测试与教学设计。
为什么第二门课要单讲「可复现」
社会科学的问卷清洗最怕的不是脏数据，而是「洗完说不清怎么洗的」。课程把 OpenRefine 单独安排成一步，针对的正是这个环节：所有清洗操作自动记录成历史，可以逐条回看、批量撤销，也能整体导出成脚本，下次拿到新一波问卷数据时直接重放同一套操作。对比在 Excel 里凭记忆手改的做法，这条路径让「清洗过程」本身成为可检查、可引用的证据——审稿人或合作者问起某个异常值是怎么处理的，你能给出一条可执行的记录，而不是一句「当时手动删了」。
这条工作流怎么套到自己的项目
把三门课的顺序照搬到自己的问卷项目上：录入口设计阶段就按第一门课的规范排表（一行一个观测、一列一个变量、日期统一格式、备注不混入数值列），回收后先用 OpenRefine 的分面与聚类功能排查同类答案的不同写法，再导出清洗历史留档，最后才把干净数据交给 R 做汇总与可视化。课程页对每门课的说明都落在这些具体动作上——行列组织、日期处理、质控、导出、汇总统计、出版级图形——读者可以按自己项目缺的环节单独抽看对应课程。
入门门槛与扩展方向
工作坊明确假设参与者没有任何相关工具经验，动手导向，用自己电脑装好软件即可跟完全程。R 是当前主语言；Python 版课程与 SQL 数据管理课列在「开发中」清单里，页面已给出入口。想教这套课的人，官方还提供 onboarding 视频与讲义，联系 Carpentries 团队登记后可承办正式工作坊。
引用这些材料前要留意的几点
课程材料按 CC-BY 4.0 由作者授权，模板按 CC-BY 4.0 由 The Carpentries 授权——署名后可使用、改编与再分发，商用也允许，这是比 NC 类许可更宽的一档；改编时注明改动与出处即可。SAFI 数据集同样按 CC-BY 开放。相关入口整理在回复区。
────────────────
回复后可见：工作坊总览页、三门课程与 SAFI 数据集的官方地址。
京公网安备 11010802022788号
