浅谈辩论赛中的数据
在准备比赛的时候到底要怎么去准备或者查一个我想要的数据;或者说我在比赛的过程中看到了对面某一个证明力度很强的数据我应该怎么拆解?下面是小编为大家收集关于浅谈辩论赛中的数据，欢迎借鉴参考。
怎么更加精准的查到自己想要的数据
我个人感觉这一部分的内容有一个方法可以总结，就是尽量的把自己想象成为做调查的人，然后主观上可以先得出一个比较精准的结论，也许最后能查出来的数据跟你的表述上有比较大的偏差，但是基本上都比随便在搜索引擎里搜索效率要高，要是你换了很多种查法之后都没有的话，那就放弃吧，很有可能真的没人做过这类调查(捂脸)。查数据的时候基本上大家的初步论点都已经成型，所以在查数据的时候尽量从多个角度尝试一下表达这个论点的同样的意思。举个简单例子，网络社交媒体正在让人变得更好/更糟这个辩题，如果你要查人们在用网络社交媒体干什么，你在搜索引擎里直接检索这句话，得到的结果往往是这样的。
几乎都太过于宏观并没有什么大用，即便有的话也需要继续大量的去继续找。
但是你要是已经有了初步的论点之后，比如说现在大家基本在网络社交媒体上进行了太多无营养和无效或者低效的浪费时间的活动，你把这句更加精准的话换成不同的意思进行表达然后再在搜索引擎里进行检索，得到的结果就会变成这样。比如我们搜索网络社交媒体中休闲娱乐类的内容占比。
这样得到的结果不仅比直接搜索辩题更加的契合我们想要的数据，在某种程度上准备循环赛的时候双方都可以拿过来用。
更进一步，其实你对于这种论点的认知往往是已经有一个初步的感受的。比方说绝大多数微信公众号上的阅读量排名前列的文章基本都是心灵鸡汤之类的无效的信息，还会经常打断你正常的工作生活;大家拿起手机基本都是没什么事情就习惯性的看看朋友圈之类的。其实你完全可以直接在搜索引擎里搜索这种话，“微信公众号阅读量破万文章90%为心灵鸡汤”这样搜索出来的结果如果有比较贴切的词条的话基本都是会在细节的数据上稍微有一些偏差。比如会搜索到像下面的第二条这样的极其有用的调查，其中的数据基本上可以拿来直接用啦。
简言之，查数据的原则是能够尽量的把自己想象成调查结论的发布者，去尽可能精确的换不同的表述去检索一个预设的结论，甚至可以提前设计好自己想要的数字。这样查到的数据往往比直接搜索辩题之类的高效得多。
如何对自己的已有的数据进行一些技巧上的处理
注意：这一段内容几乎是投机取巧性的技巧，如果你有信心每次比赛都能全心全意备赛并且找到完全符合自己的立场的数据，完全可以略过不看。也完全没必要看。
基本上对于数据需要处理这种情况出现只有一个原因，竭尽千辛万苦查到了数据结果发现证明力度远远不够。举个简单例子，还是以网络社交媒体正在让人变得更好/更糟为例。有三份很明显不能直接拿上场用的数据比如一下这些
1. 2017年中国社交媒体影响报告指出，51%的人表示虚拟社交直接降低了现实社交的质量或者让我们的现实生活变得空虚浮躁甚至被打乱了生活节奏
2. 中国人民大学的调查结果显示，在248位使用网络社交媒体的受访者当中，有23名属于高度拖延者，18名属于“低度拖延者”，其余207人属于“中度拖延者”
3.在与子女处于异地状态的60岁以上老年人中有17.5%认为网络设计媒体显著增加了他们与子女之间的代际交流。
他们全部都有或多或少的问题，到了场上讲证明力度都远远不够，自己讲出来也会非常的心虚，但自己又不舍得放弃这些千辛万苦查到的东西，so，怎么办?
实际上我个人觉得比较实用的能够对数据的处理方法大体有不限于以下三种
(1). 概括一些比较模糊的表述。比如第一个数据，坦率的讲51%的占比在场上讲出来往往有些底气不足，那简单粗暴一点好了，超过半数或者绝大多数。
(2). 对于占比实在是太小的数据可以乘以它的绝对数量，调查样本不足的数据可以直接只讲他的占比。比如第三个数据，17.5%的说服力度连新生赛都没什么用，所以直接查一下中国老年人的绝对人数然后乘一下好了，有占比超过1860万的老年人表示由于网络社交媒体自己与子女之间的代际交流显著增加(只要你觉得对手对中国究竟有多少老年人心理没数而且你自己讲出来不觉得尴尬)。第二个数据明显调查样本有些偏少，那直接讲占比好了，避免讲他的调查样本数量。
(3). 如果中性的数据占比太多可以直接合起来讲。比如第二个数据，有9.2%的调查对象产生了重度拖延，有83.5%的调查对象产生了中度拖延。前面一半的占比实在是太小，那合起来讲好了。有超过92%的调查对象产生了中重度及以上的拖延症症状。
简言之，一句话，保持真实，但别太老实。
拆解对方数据的大方向有哪些
以下所有拆解技巧全部的基础都是好好备赛，真的知道对手的数据究竟是通过什么样的方法调查出来的，否则的话只会发生一个情况，就是对手的数据出来之后被吓到，然后毫无反应。也是由于大陆的辩论赛基本都缺少数据检证的环节，所以以下基本都只有依靠自己好好备赛，然后霸气的讲出”同学你这数据我看过”。
(1) 数据出处的权威性
简单粗暴，一般没用。适用于备赛极其充分几乎看过对手的数据都是通过什么样的调查设计了什么样的实验得来的阵容组合。坦率地讲，绝大多数队伍，尤其是备赛态度极其垃圾的大工绝对做不到。
(2) 样本的容量与平衡性
比如大家很熟悉的美国总统大选的例子，1948年美国总统大选前期民调显示杜威一路大幅领先，杜鲁门几乎毫无胜算。但最后杜鲁门出人意料的获胜了，因为当时的调查是通过电话做的，而在当时家里能够安得起电话的几乎都是有钱人，杜鲁门获得的又恰好是中下级阶层的支持。这就是典型的由于调查样本的不平衡所带来的结论的偏差。
(3) 其他变量对统计数据的影响
比如澳大利亚禁枪之后大型公共安全事件的死亡率显著下降。但实际上在澳大利亚禁枪之前这个比例就一直处于下降的趋势中，禁枪之后没有明显的比例变化相比之下在欧洲，不禁枪的瑞士的犯罪率显著低于禁枪的瑞典。因此禁枪与否与犯罪率的因果关系是一个非常多的因素共同影响共同作用的结果，完全不能通过澳大利亚来证明禁枪可以解决社会安全问题。
(4) 被调查者的心理状态
比如说某调查显示在中国有不足5%的女性表示他们受到过性侵。这个数据就非常的不可信。因为在东亚的文化圈里女性往往会觉得遭受性侵是一个难以启齿的事情，在接受调查的时候相比之下也会比较难以表示自己有过这种经历，所以这个数据的比例一定会远远的低估了这个问题的严重程度。
(5) 数据的意义诠释和处理
简单一句话，你处理数据时可能怎么处理去吓唬对方，那对方就也有很大的可能做这种数据吓唬你。
相关文章：
1.辩论赛规则
2.辩论赛技巧大全
5.辩论技巧