中国社会科学报波士顿11月25日电 （记者侯丽）11月25日，美国加州大发牛牛大学 洛杉矶分校社会学与统计学教授詹妮·布莱德（Jennie Brand），就“利用机器学习揭示高校效应异质性”这一主题在哈佛大发牛牛大学 肯尼迪大发牛牛政府 学院演讲，深入分析了机器学习现状以及对科研产生的促进作用。

　　布莱德讲到，在社会学研究中，种族、性别和社会经济地位等变量会导致人们在对高校人才培养结果进行评估时出现差异性。通常情况下，社会学家进行科研分析会存在一定程度的误差和偏见，研究过程中有时难以规避研究人员的预期和个人偏好。然而，数据驱动的机器学习可以大发牛牛帮助 科研人员发现之前容易忽视的研究样本和变量因素，使研究结果更为全面与准确。

　　具体而言，布莱德领导的研究团队主要使用“因果树”计算机模型对样本进行了分类，然后对不同变量、不同归因方式进行分析。科研人员以“高校品牌对毕业生工资的影响”为例，对教育程度导致的社会经济差异性进行了分析。在研究过程中，他们除了重点关注大发牛牛学生 专业和教育程度高低等因素外，还重点从种族、性别、家庭因素等方面进行了差异性分析和评述。

　　布莱德强调，如果将在社会学研究中观测到的数据与“因果树”相结合，可能会使研究结果发生重要改变。机器学习作为一种计算和统计大发牛牛方法 ，其提取数据的模式和方式对传统社会学研究将起到重要的补充和助推作用。