前言
普利兹克建筑奖是1979年由美国芝加哥普利兹克家族通过凯悦基金会创立，每年评选一次，至2022年已有44届来自22个国家的51位获奖者。与该奖项创立目的和宗旨相一致的每位获奖者的建筑作品能够表现出其才智、想象力和责任感等优秀品质，通过建筑艺术对人文科学和建筑环境做出持久而杰出的贡献。
本书研究是以大数据思维训练为导向，以建筑学专业研究生“当代建筑批评”课程建设为载体，通过“运用大数据、统计学、经济学研究思维及方法，预测普利兹克建筑获奖趋势”教学研究主线设置，培养建筑学研究生能够掌握借助统计分析方法（SPSS），将具有感性认知的建筑特征评价，转化为一种“可量化”的客观评断；并借助数据可视化方法，将各类特征信息数据作进一步分析表达。
北方工业大学作为一所工科类为主的应用型高校，高度重视构建适应时代发展的新工科创新交叉人才培养模式。我们提出并试图解决现阶段课程教学中存在的三大问题：如何优化大数据思维训练为导向的课程体系？如何有效激发学生学习兴趣，提高课堂实际参与度？如何强化新工科创新交叉人才培养目标？探讨以促进学生自主学习、提高专业间知识互通、增强教学成果创新应用为目标的现代教学体系构建，结合教学研究主线的目标性设置，邀请统计学、经济学等专业师生参与课堂学习研讨。在解决相关教学问题中取得了使“教”与“学”者满意的实际效果。独具特色地将建筑学研究生专业课程学习与统计分析、数据集成与分析、数据可视化分析等专业领域知识建立有机联系。
本书所采用的多元统计分析是一种综合分析方法，用以研究客观事物中多个变量（或多个因素）之间相互依赖的统计规律性。从解决问题方式的角度，通常将多元统计分析方法分为两大类。其一，是用于解决“降维问题”，通过综合性变量代替有重叠信息的多个原始变量，用少量因素代替大量因素，使变量总数最少化的分析方法，主要包括：主成分分析、因子分析、对应分析、最优尺度分析、多维标度法；其二，是用于解决“分类问题”，是指根据研究对象之间特征变量的相似程度，对其所属类型进行判断聚合，主要包括：判别分析和聚类分析。本书中提及的“变量”主要指用于评价建筑师或其建筑作品特征的相关影响因素。此外，综合运用了数字可视化、机器学习及NLP打分系统等方法。
本书研究写作过程中，要特别感谢北方工业大学建筑与艺术学院各位领导给予的工作条件及经费支持，以及同事在教学工作中的大力支持与帮助；感谢北方工业大学理学院赵桂梅教授近10年来在课堂教学、交叉人才培养教学体系构建中，给予的宝贵建议及学术支持；感谢教学研究中每位参与其中并付出大量工作时间与努力的相关专业研究生同学，以及在本书撰写过程中参与大量图文修编核对工作的建筑学研究生吴润奇、牟子怡、叶根、艾鑫、张仁伟、张佳华、张静怡等同学。本项教学研究在2021年北方工业大学高等教育教学成果奖评选中获一等奖。
自2011年北方工业大学此教学项目实施以来，已有建筑大类（建筑、规划、风景园林）、统计学、工商管理等多个专业300余名（63组）研究生参与其中，并能够将课堂学习成果进一步转化应用于相关学习、科研工作中，受益面、受益深度不断提高，教学成果得到了更普遍认可和关注。这在大数据思维训练为导向、多专业融合方式解决问题的教学研究思路方面，对于人文类相关学科领域同样具有一定的参考借鉴意义。
注：书中所涉及的图表中，“普奖”均指普利兹克建筑奖。
新书资讯
