01  Stata数据分析与应用课程

英文名称：Data Analysis and Applications with Stata

课程号：18730003

学时：30

学分： 2

招生人数：70人

本课程旨在帮助学生快速掌握Stata软件的使用技巧，并运用其进行数据分析。课程内容涵盖Stata软件基础、数据管理、变量处理、数据可视化、统计分析、回归分析等多个方面，并结合实际案例进行讲解，帮助学生将理论知识应用于实践。课程内容设计系统全面，涵盖Stata数据分析的各个方面，从基础到进阶，循序渐进。结合大量实际案例进行讲解，提供课程数据、详细的Stata操作步骤和代码，方便学生学习和复习。通过学习本课程，学生将能够熟练使用Stata软件进行数据分析，掌握常用的统计分析方法和模型，具备独立完成数据分析项目的能力。

02 社会调查数据分析方法

英文名称：The Analysis Methods of Social Survey Data

课程号： 18730020

学时：30

学分：2

招生人数：70人

先修课程： 要求有一定定量分析能力

课程从常见的统计分析方法使用的误区入手，在讲授对于社会调查数据的各类统计分析方法的正确应用环境和条件之后，着重复杂抽样设计下的回归分析方法，常见的分类数据的分析方法、工具变量的使用，以及体现交叉学科特点的空间计量分析方法。从使用常见的统计软件进行数据整理入手，带领学员们运用实际数据进行软件操作，从而加深对授课内容的掌握，提高学员们的实际灵活运用能力。

03 计算社会科学理论与实践课程

英文名称：Computational Social Science: Theory and Practice

课程号 ：18730004

学时：30

学分：3

招生人数：70人

大数据、人工智能等先进计算技术与人文社会科学的深度融合推动了新兴交叉学科“计算社会科学”的蓬勃发展。计算社会科学为人文社会科学研究提供了前所未有的工具、视角和研究范式，也为计算科学研究拓展了新路径。

本课程面向人文社会科学专业学生开设，将带来以下收获：

1.通过课堂理论教学，提升人文社科专业学生在大数据和人工智能应用领域的前沿知识水平，拓宽其运用这些技术开展多学科交叉研究的视野。

2. 借助案例实践、产业前沿报告等多元化的教学形式，增强人文社科专业学生熟练运用先进的人工智能、大模型等技术进行人文社科研究实践的能力。

04 社会时空数据分析与建模课程

英文名称 ：Social spatiotemporal data analysis and modeling

课程号： 18730002

学时：30

学分： 2

招生人数：70人

近年来，时空数据技术及应用在如金融投资、资源管理、社会科学研究、公共安全、智慧城市等领域发挥出重要作用。社会时空数据（Social spatiotemporal data）是包括时间、空间、社会属性的三维信息。社会时空数据分析与建模指的是利用时空数据，进行分析与建模，以解决实际社会问题的技术，是时空社会科学的基础。通过本课程的学习，使学生能够理解社会时空数据的基本特点，能够利用一些统计软件（Stata和Geoda）来分析和解决社会问题，并通过平时的实际操作和课程作业，培养学生利用时空数据实际分析和解决社会问题的能力。鉴于时空数据的跨学科属性，本课程是面向零基础、不区分专业的本科生所量身定做的入门级课程，可以看成是承接本科阶段和研究生阶段学习的过度课程，为以后本科生继续深入和研究时空数据提供基本的理论基础和方法训练。课程讲解力求深入浅出，精讲细讲，不光讲解和实例演示各种方法的过程与原理，还要加强学生对各种方法的深入理解和动手操作，让学生能够学以致用。在内容安排上，遵循由易到难、循序渐进原则；在软件操作上，通过手把手指导学生进行演练的方式进行教学，确保零基础学生也能学得会。

05 社会调查实务

英文名称：Social Surveys Practices  

课程号：18730010    

学时：30

学分：2

招生人数：70人

本门课程系统讲授社会调查的问卷设计、计算机辅助调查方法、调查执行流程、质量控制、数据库的建立与清理、抽样设计和权数计算的理论方法及其评估。本课程用一些调查案例展示如何进行科学严谨的社会调查，并通过实际调查中的各个环节对获取高质量的社会调查质量的重要性。    

师资介绍

丁华：北京大学中国社会科学调查中心研究员，香港大学社会工作及社会行政学系博士。讲授《计算机辅助调查与数据质量》、《社会调查执行流程》、《调查数据管理与清理》等课程。负责调查中心团队建设和管理工作，自2009年来组织实施了多项全国大规模抽样调查，包括 “中国家庭追踪调查（2010-2018）”、“中国健康与养老追踪调查（2011）”、“中国居民精神健康调查”、“民政部托底民生保障和社会治理追踪调查（2015-2021）”等。在国内外期刊独立或与合作发表学术论文逾30篇，出版学术著作《地图地址抽样框制作手册》、《社会调查方法与实务：新挑战、新方法、新工具》等。主持国家社会科学基金、北京社会科学基金、教育部人文社科基金等多项课题。

顾佳峰：北京大学中国社会科学调查中心研究员，北京大学光华管理学院管理学博士、哈佛大学访问学者；在北京大学讲授“社会时空数据分析与建模”、北京大学时空模型与高质量论文写作研修班、“北京大学Python与量化金融研修班”等课程，受到广大学员的好评；在Energy Economics，Journal of Innovation ａnd Knowledge, Corporate Social Responsibility ａnd Environmental Management, Energy Policy, Journal of Environmental Management, Journal of Knowledge Management, Transport Policy等国际SSCI、SCI期刊发表50多篇英文论文，其中多篇论文入选ESI高被引论文，担任Nature(《自然》)子刊Humanities&Social Sciences Communications(《人文社会科学通讯》)的编委，并同时担任数十个国际SSCI期刊的审稿人。出版《时空社会科学：理论与方法》、《AI金融实战手册：零基础玩转Python量化交易》、《Wealth Management Report for Mid-High Net Worth Families》（Springer 出版社）等十多部学术专著，在《经济研究》、《社会学研究》《中国财政报》等中文期刊和报纸上发表80多篇论文，主持经济合作与发展组织（OECD）、MIT研究基金（中方PI）、国家社会科学基金、中国人寿横向重大课题等项目近10项。

姚佳慧： 北京大学中国社会科学调查中心技术部主任，主要从事计算社会科学方向的研究工作。作为技术负责人参与调查中心多项大型追踪项目；为核心研究成员参与多项大数据分析相关国家重点研发计划项目及国家自然科学基金项目，主要讲授研究生课程《计算社会科学导论》、《计算社会科学实践》。

孙妍：北京大学中国社会科学调查中心副研究员，经济学博士。研究领域为社会调查方法，主持并参与多项由教育部、国家自科基金委等机构资助，聚焦社会调查方法的研究课题，研究成果发表于《社会学研究》、《调研世界》等期刊。常年负责CFPS项目问卷设计、项目实施方案设计及调查执行管理，具有丰富的问卷设计理论知识及实践经验。

吴琼：北京大学中国社会科学调查中心研究员。美国宾州州立大学教育与心理测量学博士、统计学硕士，主要负责CFPS数据管理和数据服务工作。加入调查中心之前，她就职于哈佛大学人口与发展研究中心，从事大型调查数据分析工作。近年来研究领域包括社会调查中的测量问题、数据质量评估和数据管理。

吕萍：北京大学中国社会科学调查中心副研究员，研究方法是抽样技术和数据分析，中国人民大学统计学院博士。在《统计研究》、《数理统计与管理》等核心期刊发表调查方法相关论文二十余篇，参与十余项国家级大型抽样调查项目，承担省部级以上课题三项，参与多项省部级以上课题。

孔涛：北京大学中国社会科学调查中心副研究员。1999年毕业于北京大学，获经济学学士、文学学士双学位，2006年获澳大利亚国立大学经济学博士学位。2007-2011年于澳大利亚国立大学经济学院任研究学者职位，2005-2007年在世界银行担任研究顾问。主要研究领域：发展经济学，劳动经济学，循证政策研究，内容涉及教育、收入分配、养老和新经济等，发表中英文期刊论文及著作章节20余篇，产出学术研究报告10余篇。

任强：北京大学社会研究中心副教授。人口学博士。2003年荣获美国儿科科学学会杰出成就奖。作为访问学者，分别在德国马普人口研究院、杜克大学医学中心、密歇根大学人口研究中心工作、学习。2001年至2002年在奥地利国际应用系统分析研究院（IIASA）任研究人员（research scholar），并部分受英国The Wellcome Trust Foundation资助做博士后研究。研究方向包括人口、环境与健康、人口学方法与应用、以及相关的生育、死亡、劳动力、经济发展和环境问题，主要偏重于人口学和量化分析方法。发表学术文章近100篇。

任莉颖：美国匹兹堡大学政治学博士，统计学硕士。现任中国社会科学研究院副研究员。主要从事社会调查研究方法和民意研究，自1995年起参与过国内外多个大型社会调查和数据采集项目，其研究成果发表在《社会》，《社会学研究》，《浙江大学学报》，《统计与决策》和《中国统计》等核心期刊上。

陈薇：北京大学计算机学院副研究员，博士生导师。北京大学（青岛）计算社会科学研究院副院长。中国软件行业协会数据与智能分会副秘书长。主要从事大数据管理、人工智能和计算社会科学等方向的研究工作。作为课题负责人主持国家科技创新2030—“新一代人工智能”重大项目课题1项，国家自然科学基金2项、省部级等项目10余项。研究成果长期实际应用于国家部委、中国运载火箭研究院、国家电网公司、香港深圳两地政府部门等。

王鹤媛：北京大学计算机学院讲师、博士后，获选全国“博士后创新人才支持计划”、北京大学“博雅博士后”资助项目。博士毕业于北京大学计算机学院，获国家奖学金、校长奖学金等荣誉奖励十余项。提出“环境感知的变化学习”预测技术——“较为系统地解决了复杂时变环境建模的多项难点问题，具有重要创新性”。以第一作者身份在CCF-A类全球人工智能国际顶级学术会议和期刊上发表多篇学术论文，成果应用于智能金融、智能医疗等多个领域，具有重要的实际应用价值。

选课流程及注意事项

我们欢迎来自国内外优秀本科院校的优秀在校生（本科生或研究生）、高校科研院所的老师、北京大学本/硕/博学位项目校友申请，本项目择优录取。不接受上述类型之外的其他人士申请。

1、5月11日10:00-6月18日10:00暑期学校系统开放账号注册（仅限北大研究生和外校师生，注册需提前准备本人的官方成绩单扫描件）

北京大学暑期学校官方网站：http://summer.pku.edu.cn 。

2、5月25日10:00-6月21日10:00通识教育联合暑期项目开放选课

3、6月8日10:00-6月21日10:00全部项目选课（需先注册账户）

4、本次暑期学校采取线下教学模式，集中到北京大学燕园校区的教室上课。

选课注意事项

1、暑期学校时间短，课堂教学相对比较集中，为保证学习质量，不宜多选课，校外学生选课建议以1门为宜，最多不能超过3门。当年部分课程是否向校外开放及开放名额视北大学生选课情况而定。

2、学生在系统选课期间可以退课，选课系统关闭后，一般不予以退课。

凡因校方原因决定停开的课程，系统对学生选课做自动删除，学生不需办理退课，费用全额退还。

在学生选课期间，学生支付后，系统支持在线退课。一个学生最多可退课一次，一次限一门。超过一次该用户无法选课。请务必慎重选课。

3、学生一经注册选课，应当按照所选课程规定的时间上课并参加课程考试或考查。三次以上未到课者不得参加考试，该课程成绩以“0”分记。考试的课程（包括实验课）采用百分制记分，60分及格，60分（含）以上取得该门课程学分。考查的课程成绩评定，一般以合格或不合格记。

教学管理注意事项

1、学生在参加暑期学校课程考试过程中，应遵守考试纪律，杜绝考试作弊行为，一旦发现考试违纪或作弊，北京大学将事实材料发送至学生所在学校或单位。

2、为全面了解暑期学校的教学及运转情况，我校对暑期学校课程进行评估。学生在修完课程后，应参加暑期学校课程网上评估。评估方式在每年结课前另行通知。

3、北京大学暑期学校是北京大学本科教学的重要组成部分，暑期学校所有课程的学分均计入北大本科生在校学习总学分。参加北大暑期学校的外校学生需要进行学分转换的，可凭北大暑期学校官方成绩单到所在学校申请。

北大暑期学校课程1学分的学习量为15-18学时。