4901 字

统计之都新年构想(杂碎篇)

在家宅得快发芽了。这几天考虑着COS的发展计划,每次想这件事都觉得脑子里的想法装不下了,可每一个想法的实施往往至少要一年时间,甚至两三年都没法实现。在2010年,我希望可以实现下面这些事情。本文写得不是一般的意识流,读者慎阅:

  1. 全面提升网站功能,主要包括对三大软件的支持:

    1. SVNGIT:目的在于会员合作,大家可以共同编写一些小册子,SVNGIT使得工作可以并行而不会互相牵制、依赖。按胡子同学的IT小小鸟模式,我觉得COS的会员们根据COS论坛的帖子足以合力写出好几本统计小小鸟了。

      ## need libapr, libapr-util, then subversion
      wget http://apache.cs.utah.edu/apr/apr-1.3.9.tar.gz
      wget http://apache.cs.utah.edu/apr/apr-util-1.3.9.tar.gz
      tar -zxf apr-1.3.9.tar.gz
      cd apr-1.3.9
      ./configure --prefix=$HOME/bin/apache/apr
      make & make install
      cd ..
      tar -zxf apr-util-1.3.9.tar.gz
      cd apr-util-1.3.9
      ./configure --prefix=$HOME/bin/apache/apr-util --with-apr=$HOME/bin/apache/apr/
      make & make install
      wget http://subversion.tigris.org/downloads/subversion-1.6.6.tar.gz
      ## tar, cd, then
      ./configure –prefix=$HOME/bin/subversion –with-apr=$HOME/bin/apache/apr –with-apr-util=$HOME/bin/apache/apr-util
      
      ## SVN把老夫折腾得接近崩溃,终于痛苦地转向GIT
      wget http://kernel.org/pub/software/scm/git/git-1.6.6.tar.gz
      tar xf... & ./configure & make & make install
      

      习惯了用SVN,但过去一直是用别人的服务,轮到自己架设SVN服务器才知道这叫一个崩溃,其实主要原因可能是因为自己没有root权限,未必真的那么难。由于是用别人的服务器,只好转向GIT。 GIT安装使用都没问题,而且貌似服务器上都不用装GIT……现在一个有挑战的问题是:GIT通过SSH从服务器上读写文件,而我们的服务器上貌似不能设置多种SSH登录权限,即:只要有Key,就可以SSH进去任意操作。大家要是都守规矩保证不乱动服务器当然最好,万一某天某些童鞋不小心对服务器上别的东西误操作了咋办,这个问题目前还不好解决……昨晚睡觉想到一个办法,把真正的GIT服务器放到别的地方去(比如GitHub),然后在COS服务器上定时运行git clone,这样就解决帐户问题了。

    2. LaTeX:要正儿八经写东西怎么能不用LateX呢?

      ## install texlive from internet
      wget http://mirrors.med.harvard.edu/ctan/systems/texlive/tlnet/install-tl-unx.tar.gz
      tar -zxf install-tl-unx.tar.gz
      cd install-tl-20091229/
      ## need configuration here
      ./install-tl
      export PATH=$PATH:$HOME/bin/texlive/bin/x86_64-linux
      export MANPATH=$MANPATH:$HOME/bin/texlive/texmf/doc/man
      export INFOPATH=$INFOPATH:$HOME/bin/texlive/texmf/doc/info
      

      据说texlive对中文支持很好,有待测试。有了LaTeX之后,结合R/Sweave以及GIT、cron job就可以在服务器上定期生成动态PDF文档了。有一朵“云”前两天给我Email说计划写计量与R的书并免费公开发布,我心想这个事情可以作为COS书籍的第一个项目,大家有钱的捧个钱场,没钱的捧个LaTeX场。

    3. R:当服务器端支持R之后,便可以实现很多想法了,上面写书是其中之一;还可以建设Rweb,或者让维基页面支持动态生成R运行的结果。

      ## need freetype-2.3.7.tar.bz2, expat-2.0.1.tar.gz, fontconfig-2.4.2.tar.gz, cairo-1.4.14.tar.gz, glib-2.12.12.tar.bz2, pango-1.16.4.tar.bz2, libpng-1.2.29.tar.bz2
      ## dependency
      pango <-- cairo + fontconfig + glib
                            ^
                            |
                   freetype + expat
      ## environment variable
      export TMPDIR=~/tmp
      export PKG_CONFIG_PATH=$HOME/bin/fontconfig/lib/pkgconfig/:$HOME/bin/freetype/lib/pkgconfig/:$HOME/bin/libpng/lib/pkgconfig/:$HOME/bin/cairo/lib/pkgconfig/:$HOME/bin/pixman/lib/pkgconfig/:$HOME/bin/glib/lib/pkgconfig/:$HOME/bin/pango/lib/pkgconfig/
      ./configure --prefix=$HOME/bin/R
      make & make install
      

      还是没有root权限的原因,装R可是费了牛鼻子劲,关键是png和cairo配不好,如果不装这两个图形设备的话,其实R还是很容易装的。现在好不容易根据一大摞依赖关系配置好了,又发现png()中pango的字体库貌似有问题,不能支持文本生成,再次崩溃。没有yumapt-get的世界一片漆黑,一切都得从头编译。

  2. 整顿论坛,精兵简政

    1. 大规模删帖+编辑帖子。我过去一直没有公开讲我的一个想法,就是我希望这个论坛是帖子数最少和注册人数最少的论坛(前两天写在主站的“关于”页面中了),原因同德鲁克说的公司企业管理类似,一个好的企业应该是看上去平淡无奇的,没有什么轰轰烈烈的事情发生,因为其内部已经井然有序了。我认为一个论坛如果帖子数目过多,只能说明这个论坛的管理太差,帖子质量太低。如果有强大的管理系统,帖子应该被经常整理,比如汇编成册,让后来者无需注册、无需发帖。如果一个访问者到了一个网站,被迫要注册(更恶劣的是盛行的积分制度)发帖才能解决他/她的问题,那么我并不看好这个网站的价值。大多数论坛用各种手段拼命攒人气,我想其理念绝非为访问者服务。我们要果断舍弃短期利益(如广告),放长线钓大鱼。

      太云还有fan等编辑部成员得好好琢磨一下,然后广泛招兵买马,准备下学期有所行动。至于整理的形式,我想一方面可为主站服务(发文章),另一方面视整理的规模与内容可考虑朝出版的方向走。

    2. 精兵简政的意思是我一直认为目前的PHPWind论坛系统过于臃肿,想投奔bbPress,这一点半年前已经和颜林林及其他版主们沟通过,可惜我当时没顾得上测试颜林林的SQL脚本,前两天试了一下,发现还是有问题,等他考研结束再说(在此顺带为他烧高香愿考研顺利)。 当今网上的论坛系统都有个特点,就是越做越复杂,进了后台一看铺天盖地的选项简直他娘的昏了头,论坛就是个发帖的地方,整那些回帖才能看帖的东西干嘛,还有那山寨校内系统,搞得论坛成了四不像,还有各种论坛币,我最不愿看见的帖子就是问各种积分怎么挣,有这时间,找本书自己都能想出问题的答案了。

      bbPress是一套极度简练的系统,在前台基本上除了发帖就什么功能都没有了,后台则可以有Askimet等插件支持,注册的时候有判断机器人的程序,注册的密码会发送邮箱,这几大杀手锏应该足够杀掉大多数广告。bbPress的会员身份只有有限的几种:普通会员和版主及管理员,版主不分是哪个版的版主,这样所有的版主都可以管理任意版块的帖子,这一点便可提升管理人员的效率。它默认没有bbcode,这一点我也很喜欢,我现在觉得bbcode是人类代码史上最糟糕的发明,有写那代码的功夫,用原始的HTML早写出来了。

    3. 论坛数据库应该dump下来做做统计分析,我们天天用统计解决别人的问题,为什么不统计一下自身呢?总是不知道该怎样任命版主,其实分析一下会员数据库,看看谁发帖多、在线时间长、登录最频繁,候选人也就很明了了,剩下的便只是“人际公关”问题;当数据积累多的时候,也许能分析出很重要的信息,地球人都知道统计里面有大数定律,但面对海量信息就想不起来这“大数”有什么用。像bit.ly等提供网址缩写服务的网站,它们没法打广告,靠什么吃饭?只能靠分析大家缩写了哪些网址看大家在关心什么,有了信息就有了财富(几乎是单变量的数据啊)。我们能否通过分析R版块的帖子IP来寻找一个合适的明年R会议的地点?能否文本挖掘一下大家关心的统计方法,成立一个相应的专门的统计咨询小团队(给自己挣点口粮或完全免费只当锻炼自己了)?能否统计出会员登录时间的规律,专门安排定期的网上答疑?……

  3. 加强与主站作者的联系,让大家有主人意识,并挖掘更多稿件来源

    1. 目前主站看起来像模像样(某几位领导数次大赞之),但没达到我的预期,这里面的原因我想还是和作者们没有建立常态联系,大家没有自觉写作的意识,这是管理的问题。我对人的假定是,不贡献是对的,但不去挖掘他可能的贡献的话则就是管理者的不对了。我知道作者们并非写不出文章,只是没有人去给出这种“刺激”。谁(们)来做这件事呢?

    2. 关于文章的方向与内容,我一直在思考松鼠会的模式。但统计这种“科学”,有多少内容能和人民大众的生活联系起来并引起他们的兴趣?现在提起统计,人们的反应就是“tmd都是假的”。Numb3rs这种剧肯定远比不上那越狱之类的剧流行,但我们的目标也不必定位在广大人民群众,没必要真做到老妪能懂的地步。技术文、科普文都得抓。从论坛到主站的渠道一定要打通(如同“营销4P”中的“渠道”),还得有几双眼睛观察身边的统计。

    3. 我相信主站文章的水平超越期刊是迟早的事情,看看现在那《统计研究》整个儿就是本《经济研究》,苏联模式的统计对我中原统计的影响真是根深蒂固。很早以前我就对经济类统计论文形成了一个阅读观点:翻开论文,直接看最后一节,如果那里面的结论和建议看起来就像某届某中全会的讲稿,或者宏观得不着边际,或者压根儿就是常识,那就不要看了,里面的统计方法只是找借口的工具而已,可惜以我坐井观天的阅读,很多论文貌似都属于这一类。当你看一篇论文,用了一大堆你懂或不懂的模型,这边际弹性啊,那N阶段最小二乘法啊,最后说(我不给出处了,客官也勿搜,我只是随便举一例):

      本研究的实证结果表明,改善这些地方的营养状况和医疗卫生条件,将会极大地有助于这些地方农民收入的增加。

      你老实说,你有没有想抽他的冲动?MD,农民有钱吃燕窝有钱看病了,他收入能不增加么?

      纸质期刊的诞生历史原因之一是印刷太贵,只能选择一些论文来印刷、分发,如今期刊的功能发生了本质性变化,我们要重新考虑纸质期刊究竟有多大的存在必要性?之所以想到这些问题是因为前些日子看到这篇文章Why Journals?,甚合我意。

      主站文章不仅要力争超越期刊,而且应该充分发挥网络平台的优势,即:可随时修改、改进,有无数的匿名“评委”在读这篇文章,有用没用大家可以马上反馈。

    4. 我作为捣鼓了几年网站的人,眼睛对网页比较挑剔,有点容不得不规范的格式。主站的文章一定要有一个熟悉HTML的编辑队伍,把文章打理得漂漂亮亮、干净利落。

  4. 维基新模式

    1. 维基站是COS中最难打通的关节,这玩意儿必定起步困难,而且运营起来也会很费力,要不然那Wikipedia怎么天天喊着募捐几百万呢。过去的一年多里大家也看到了,COS维基几乎没有任何动作。原因之一是到现在还没设计好发展方向,过去陆陆续续有些会员对此表示了兴趣,但我自己都不知道该请他们做什么。最近与一位Yifan老兄邮件往来,渐渐有了些启发。既然Wikipedia已经发展很成熟了,我们就没太大必要去按那种传统的词条解释的道路去走,我的想法是,也许可以把R嵌入这个维基,发挥它的统计计算与作图功能,把那些词条用一些计算和图示来解释(比如置信区间),并提供相应的R代码,读者甚至可以动态编辑代码看演示。

    2. 关于内容,过去想把R的函数帮助都翻译进来,现在看来没有这个必要,因为我觉得这个工作的价值有限;另外,翻译软件Manual还不如重写,对翻译的东西,大多数读者恐怕永远只有一条意见,就是“tmd翻译得太差了,还不如看英文”。我们仍然可以从论坛中挖掘会员关心的概念,比如标准差/标准误什么的,当这些帖子的问题被回答之后,就应该有人将它收录到维基中。问题依然是,谁(们)来做这件事呢?

  5. 高校联系人何去何从 本来这个想法是为了促进国内高校统计专业之间的交流,现在看来恐怕是很困难。一来,善用网络的老师不太多,老爷子老太太就甭指望了,年轻老师貌似也很忙,哪顾得上来这小庙发发帖;二来,我们至今没有找到一个领头羊,改革开放还得先有试验呢,咱这小庙要发起一项行动,必然也得先建好一个模板。高校联系人报名人不少,但我疏于管理和安排事情,各位参加的童鞋可能就更不知道该干啥了。咋个办。

  6. 英文论坛暂缓

    这论坛起步啊,就一个字:难。

  7. 整个网站的文化建设

    耐着性子看到这里的客官一定最终忍不住了,是不是在默念“丫一定疯了”或者“丫太扯淡了”……我也不是纯粹扯淡(意即:有扯淡成分)。世上能人有很多,让能人能聚到一起并创造价值,靠什么?长远来看,只能靠文化。短期可以以利益驱动,可我们这一小破穷网站,拿啥给人家,啥都木有。人家凭什么要在这穷破地方呆着?统计的学习交流只是一方面,除此之外,我希望营造一种COS文化,具体是什么,我也说不清,也许它往大了说包含人的修养修为,往小了说包含在力所能及的时候要帮人一把、或者乐于分享你的有用经验经历,往粗了说包含立志肩担引领一门学科的发展,往细了说包含对某种统计模型的使用有自己的主见而不随波逐流。

    这些玩意儿都是玄而又玄的东西,说出来容易被人嗤之以鼻。比如我说要十年磨一剑,也许没几位客官会想,靠,你小子真的要从2006年磨到2016年啊?我倒是想回答一句“嗯呐”,不过这话不能公开讲,怕误导不明真相的群众。

    这文化建设先从头目抓起,形式呢,可以随意一些,我个人非常不喜欢宗教式的文化建设。不知从何时起,北京一些餐馆饭店也开始了“文化建设”,每天下午四五点,哗啦啦厨师杂役全叫出来,排成三排,大家齐喊“为XX服务”之类的口号,我估摸着也许是喊给路人听的吧,要真有那心,早该体现在店里有没有苍蝇、服务员有没有微笑、大厨有没有在菜里放铁丝上了。COS要建设文化,可以通过定期分享点小文章资料等方式实现。总之,这件没谱的事情要尽量淡定,莫走过头了。一帮乳臭未干的小子和黄毛丫头,还是老老实实做事比较靠谱。

    目前天朝的网络环境貌似令人担忧,我心里很没底,估计封站也是说不准的事情。到那时,这些想法都成了彻底的扯淡。万一发生这种事情,啷个儿办呢?