传统实证 vs 数据驱动：我的新手投稿实战优劣势对比

作为一个刚入行规划圈的新手，我第一次投规划年会论文时，在“传统实证”和“数据驱动”两个方向间纠结了很久。两者各有千秋，但对我这种零基础的人来说，选择直接影响着论文的生死。下面我用自己的亲身经历，把它们的优劣势掰开揉碎了说清楚。

先说传统实证。它的最大优势是“接地气”。我当时选了一个熟悉的社区做案例，通过实地走访、发放问卷和访谈居委会，收集了大量第一手资料。这种方法的优点在于：操作门槛低，不需要复杂的编程或数据挖掘技能，只要会设计问卷、会做基础统计分析就行；而且结论扎实，有具体的场景和人物支撑，评委容易感受到研究的真实性和深度。但劣势也很明显：样本量有限，我跑了两个月才回收300份有效问卷，很难代表整个区域；另外，数据处理耗时耗力，从整理问卷到做相关性分析，花了我整整三周，效率偏低。

再对比数据驱动。它最大的优势是“高效”和“宏观”。我试着用开源的城市POI数据和手机信令数据做人口流动分析，只花了一周就搞定了数据清洗和可视化，样本量覆盖了全市近百万条记录，结论的统计显著性远超实证研究。但劣势同样突出：技术门槛高，我得现学Python和GIS工具，光是调试代码就崩溃了好几次；另外，数据来源的局限性很大，比如POI数据只能反映设施分布，无法解释居民为什么去那里，缺乏人文温度，评委也质疑过数据的时效性和偏差问题。

我的最终选择是：以数据驱动为主，用传统实证作为补充。比如先用大数据识别出人口流动的热点区域，再针对性地选几个社区做实地访谈，解释数据背后的原因。这样既发挥了数据的高效优势，又弥补了实证的深度不足。结果证明，这种“混合打法”让论文既有说服力又有温度，最终成功被年会收录。所以我的建议是：新手别盲目跟风，先评估自己的技术储备和资源，再决定哪个方法占主导。两者不是非此即彼，而是可以互补的武器。