撰写一篇学术论文，数据往往是论证观点、支撑结论的基石。然而，对于许多初次接触研究的人来说，“数据”这个概念可能既宽泛又模糊。它不仅仅是一串数字，其形态、来源和类型远比我们想象中更加丰富。了解论文中可能涉及的各种数据形式，有助于我们更好地进行资料收集、分析与呈现。本篇AEIC学术交流中心小编就为大家介绍“论文数据都有什么”。

一、按数据形态分类

数据首先可以依据其外在的表现形式进行划分。不同形态的数据需要不同的处理和分析方法。

最常见的是数值型数据，它们以数字形式出现，可以直接进行数学运算。例如实验中的测量读数、调查问卷中的分值、经济统计中的GDP增长率等。这类数据是定量分析的基础。

与之相对的是文本型数据，它涵盖了访谈录音转录的文字、文献典籍的内容、开放问卷的回答、社交媒体上的评论等。处理文本数据更侧重于语义、主题和模式的挖掘。

此外，还有多媒体数据，包括图像、音频、视频等。在艺术研究、媒体分析、行为观察等领域，这类数据能提供直观且多维的信息。例如，一段记录用户使用产品过程的视频，其包含的信息远非几个数字可以概括。

二、按数据来源分类

数据的来源决定了其获取方式和可信度，大体上可以分为原始数据和二手数据两大类。

原始数据，也称为一手数据，是研究者为特定研究目的直接收集而来的。比如通过自己设计的实验获得的结果，开展的问卷调查回收的答卷，或进行的实地访谈记录。它的优势在于针对性强，但与研究者的设计和执行能力密切相关。

二手数据则是指由他人收集并整理好的现存数据。这包括政府发布的统计年鉴、公开的数据库、企业发布的财报、其他学术论文中的数据集等。使用二手数据可以节省大量时间与资源，但需要对数据源的权威性、收集方法和适用范围进行审慎评估。

三、按数据特性分类

从测量和统计的角度看，数据的内在特性也至关重要，主要分为定类、定序、定距和定比四个层次。

定类数据是最基础的类别划分，数据之间只有“是否同类”的区别，没有顺序和计算意义。比如性别、专业类型、品牌名称等。

定序数据则在类别基础上有了顺序或等级关系，但等级间的差距无法精确量化。例如，将满意度分为“非常不满、不满、一般、满意、非常满意”，我们只知道顺序，但不知道“满意”和“非常满意”之间的情感差距具体是多少。

定距数据拥有标准的测量单位和相等的间隔，可以进行加减运算。温度就是典型例子，我们可以说20度与25度的差距，等于30度与35度的差距。然而，它的零点是人为定义的（如0摄氏度），所以不能说20度是10度的“两倍热”。

定比数据是最高级别的数据，它除了具备定距数据的所有特性，还拥有一个有实际意义的绝对零点。例如身高、体重、收入、产量等。零代表“没有”，因此可以说80公斤是40公斤的两倍重。

认识到论文数据的多样性，是迈向严谨研究的第一步。在实际工作中，一项研究往往会混合使用多种类型的数据。研究者需要根据具体的研究问题，选择最合适的数据类型与来源，并采用恰当的方法进行解读，从而让数据真正服务于知识的发现与构建。