4

统计之都新年构想（杂碎篇）

 3 years ago
source link: https://yihui.org/cn/2009/12/cos-in-2010/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

统计之都新年构想（杂碎篇）

谢益辉 / 2009-12-31

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 yum 或 apt-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？

← 阴差阳错 t 检验方差不齐有多重要 →
Disqus Utterances Preferences
© Yihui Xie 2005 - 2020

report

Recommend

About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK