高等教育

24 posts

高等教育與學生事務研究

NCES/NSF Summer Data Policy Institute – Day 3

風言風語 高等教育

今天是校外參觀的日子。美其名是到NCES參觀，其實NCES的辦公室既不新鮮也不華麗，就只是一般的辦公大樓而已。所以說是參觀，其實不過是換個地方上課而已。以下是我今天的行程:

9:30 – 9:45 a.m. 講員介紹
9:45 – 10:45 a.m. Data Confidentiality and Restricted Use License
10:45 – 11:30 a.m. NCES年度報告
11:30 a.m. – 12:30 p.m. Data Policy Seminar & Discussion
12:30 – 2:00 p.m. 午餐
2:00 p.m. – 3:30 p.m. Panel Discussion with Associations -American Council on Education (ACE), American Association of Community Colleges (AACC), National Association of Independent Colleges and Universities (NAICU)
3:30 p.m. 自由活動時間

今天上午的三堂課是由三位不同的NCES講師給我們上課。第一堂給我們講課的是NCES的統計主任，他講課的內容主要是NCES的保密規劃、相關法令、以及使用受限資料的申請程序。這堂課增長了我的一些見識，不過資料使用的申請程序我以前就已經知道了，所以幫助有限。

第二堂課的講師給我們介紹NCES每年出版最主要的年報：Digest of Education Statistics以及其他的年度報告。基本上這些資訊對我來說知道就夠了，對我研究沒有什麼太大的幫助。

第三堂課很有趣。IPEDS的主任跟我們介紹在Washington, D.C.最有影響力的六個高等教育專業組織（或是說白一點就是遊說團體），俗稱Big Six: American Council on Education (ACE), American Association of Community Colleges (AACC), National Association of Independent Colleges and Universities (NAICU), American Association of State Colleges and Universities (AASCU), Association of American Universities (AAU), National Association of Independent Colleges and Universities (NAICU), and Association of Public and Land-grant Universities (APLU)。這堂課我不但學到NCES的統計資料怎麼樣能夠影響教育政策的制定，同時我也學到政策的改變怎麼影響NCES資料的收集。很有趣！

午餐之後有三位來自Big Six的代表親自跟我們講解他們怎樣利用NCES的統計資料作為他們遊說的工具。這些事情是我們平常不住在DC的人很難接觸到的，因此對我來說很新鮮，很有趣。

下午三點半就下課了。下課之後是我們這個禮拜唯一的自由活動時間。我想既然閒閒沒事，不如去幾個我以前來DC的時候沒有去過的地方走走。

我首先來到的地方是美國的國會圖書館(Library of Congress)。

美國國會圖書館總共有三棟非常龐大的建築（我應該這麼說：DC的每一棟建築物在我看來都非常的龐大）。我只去參觀了其中最主要也是最有名的一棟：Thomas Jefferson Building。我想如果你有看過「國家寶藏2：古籍秘辛」這部電影，你應該會對國會圖書館的內部覺得有點熟悉。其實國會圖書館不只是全世界藏書最多的圖書館，它的建築物本身也非常的華麗。我照了一些照片，你們可以看看。

在國會圖書館我還從導覽員那裡聽來兩個趣聞。第一是國家寶藏2的製片在拍完電影之後決定把電影裡面所捏造的那本President’s Book of Secret送給國會圖書館。因此，這本現實生活中並不真的存在的President’s Book of Secret就由國會圖書館收藏著。第二、由於國會圖書館的藏書量實在太龐大，如果你要閱讀某一本書，你必須寫紙條請館員去幫你取書。館員找到你的書之後會把它放在一條輸送帶上，然後這個輸送帶走走走走走。從你把紙條交給館員到你拿到書最少要一個小時的時間。找一本書要一個小時，夠扯了吧！

從國會圖書館出來之後，我坐Metro從Capitol South到Smithsonian下車。然後在D.C.華氏九十度的豔陽之下走了一個多小時來到Lincoln Memorial 。很久沒有走這麼遠的路，走到我的腳好痠。在Lincoln Memorial待了一下，照了一些照片。回旅館的路上在George Washington University的學生活動中心隨便吃了個晚餐，回到旅館已經快要九點了。就這樣結束算是充實的一天。

我的偶像Rev. Martin Luther King, Jr.和Mr. Forrest Gump都曾經站在這裡演講，請參照這裡和這裡

NCES/NSF Summer Data Policy Institute – Day 2

高等教育

今天是上課的第二天。以下是我今天的行程：

7:30 – 8:30 a.m. 早餐
8:30 – 9:00 a.m. NCES研究方法綜覽
9:00 – 9:20 a.m. NPSAS綜覽
9:20 – 10:00 a.m. Using PowerStats with NPSAS data
10:00 – 10:15 a.m. 休息
10:15 a.m. – 11:00 a.m. NPSAS 操作
11:00 a.m. – 11:30 a.m. BPS綜覽
11:30 a.m. – 12:10 p.m. Using PowerStats with BPS data
12:10 – 1:10 p.m. 午餐
1:10 – 1:50 p.m. BPS 操作
1:50 – 2:20 p.m. B&B 綜覽
2:20 – 2:35 p.m. 休息
2:35 – 3:15 p.m. Using PowerStats with B&B data
3:15 – 3:45 p.m. B&B 操作
3:45 – 4:45 p.m. Beyond PowerStats: Using micro-level sample
4:45 – 5:00 p.m. 問答時間

今天吃完晚餐我就已經累到沒力了，所我回到旅館七點多就睡著了。沒想到睡到半夜就醒了。既然醒了就把今天發生的事情記錄一下吧！

今天的講師裡面有一位是我認識的。當年我還在NSSE上班的時候，有一年我們要請一個研究員。其中一個來應徵的是一個非常優秀的博士班學生。我們大家都很喜歡他，因此決定要請他。不過他並沒有接受我們給他的offer。後來我們兩個在研討會裡面又見過幾次。他告訴我說幾個月前他拿到了這份美國政府的工作。我很高興可以認識NCES內部的人，這對我以後做研究應該會有幫助。

今天整天的課程都在介紹NCES的高等教育組所管轄的三個學生資料庫：National Postsecondary Student Aid Study (NPSAS)、Beginning Postsecondary Students Longitudinal Study (BPS)、Baccalaureate and Beyond (B&B)。跟昨天所學到的資料庫不同的是今天的資料庫中有兩個是長期性的追蹤調查（昨天的NSF資料庫也有一個是長期性追蹤的調查）：BPS追蹤一個大學生從入學到大學畢業，B&B追蹤一個大學生從畢業開始的第一個十年。長期性的追蹤調查跟一次性的調查不一樣的地方是研究人員可以更加準確的分析各種教育政策、學校環境、以及教學方法對於學生的影響。當然，要長期性的追蹤一個人不是一件容易的事情，既耗時間又花錢。因為這個原因，大部分的研究人員都沒有財力跟能力收集長期性的調查資料。還好，美國政府幫了我們一個忙，他們出錢出力收集了資料，讓我們這些做研究的人可以使用現成的資料。（美國政府收集這些資料的主要目的是為了政策制定上的需要，我們這些研究人員只是搭便車而已。）

除了學到這三個資料庫之外，今天最大的收穫是學到NCES的線上統計分析工具PowerStats。我一向對於這些線上的統計分析軟體沒有什麼太大的好感。我比較喜歡把資料下載到我的電腦裡面用SPSS或是R來做分析。但是NCES和NSF的這些資料庫裡的資料是不公開的。如果要把資料下載到我的電腦裡，我必須要先通過一連串的申請跟審核程序，然後我必須根據NCES的要求設定一系列的安全保護措施以防止資料外漏，最後我必須要簽NCES的保密協定才能拿到資料。這整個申請程序花時間不說（大概三到六個月跑不掉），如果資料外漏或是沒有按照NCES的規定使用資料，簽約的研究員將被罰款美金$250,000還要被關五年。我想很多人看到最後一句大概就已經打消使用NCES資料的念頭了。還有，NCES只跟美國的大學和特定的研究機構分享資料，除非你在美國的大學任教或是在某些特定的研究機構做研究，一般人是不可能拿得到NCES資料的。

PowerStats比我想像中的容易使用也更強大。PowerStats不只可以產生常用的敘述性統計，它還可以做線性迴歸分析和Logistic Regression。更棒的是PowerStats在背後幫使用者處理了複雜的weighting和其他NCES資料庫使用者所必須面對的問題。不過我也很高興可以學到怎麼修正NCES複雜的抽樣程序所可能造成的問題。這些我以前沒有聽過的統計程序像是Balanced Repeated Replication (BRR)和Taylor Series Expansion讓我非常的興奮。不過這些程序在SPSS裡面似乎很難做到，看來我真的得好好的學R了。

以下是今天練習用PowerStats所做的分析：

美國公立大學的大學生平均每個禮拜在上課之餘還要打工18.27個小時。以下是十個學生工作時數最多的州以及學生的平均工作時數：

  • Nevada 25.9138
  • Utah 25.7379
  • Florida 23.4099
  • Idaho 23.1322
  • Alaska 22.6868
  • New Jersey 20.8397
  • Alabama 20.7523
  • Maryland 20.5945
  • Arkansas 20.3382
  • Louisiana 19.7401

By the way，PowerStats和我昨天提到的IPEDS都是開放給公眾使用的。如果你對統計有基本的瞭解又美國的教育資料有興趣，你可以去玩玩看PowerStats和IPEDS。如果你對統計不是那麼懂，可以試試QuickStats。如果你對統計完全沒有興趣，但是你想要更深入的瞭解美國的某一所大學，那你可以看看NCES為了那些在申請美國大學的學生所準備的網站College Navigator:

PowerStats/QuickStats: http://nces.ed.gov/datalab/index.aspx
IPEDS Data Center: http://nces.ed.gov/ipeds/datacenter/
College Navigator: http://nces.ed.gov/collegenavigator/

NCES/NSF Summer Data Policy Institute – Day 1

1 comment
高等教育

經過昨天半天的orientation，今天正式開始上課。（今天這一篇blog會有很多的專業術語，我會盡量的解釋，如果你們看不懂也不用太在意。各行各業都有自己的行話，這些術語是我們高等教育界的行話。）

以下是我今天的行程表：

7:00 am 起床
7:00-8:00 am 早餐
8:00-9:00 am 大會報告
9:00-10:30 am NSF和NCES資料庫綜覽
10:30-10:45 am 休息
10:45 am -12:00 pm NSF資料庫
12:00-1:00 pm 午餐
1:00-2:50 pm IPEDS第一堂
2:50-3:10 pm 下課
3:10-5:00 pm IPEDS第二堂及上機操作

NSF是National Science Foundation，NCES是National Center for Education Statistics，IPEDS是Integrated Postsecondary Education Data System。很多人（包括我老婆在內）問我到DC來參加這個訓練的目的是什麼？IPEDS（發音I-peds）是什麼鬼東西？Well，IPEDS的確是個鬼東西，不過不是學高等教育的人不需要去深入探討。來參加這個訓練最主要的目的是希望可以更熟悉美國聯邦政府所管轄的這些教育資料庫，好讓我在做研究的時候不缺資料。

今天早上的兩堂課都是綜覽，所以都是老師在上面講，我們在下面聽。第一堂課我精神蠻好的，還問了老師好幾個問題。第二堂課前半段跟第一堂有一點重複，所以我聽了很想睡覺。後來雖然學了一些新的東西，但是我整堂課精神都不是很好。

今天上午的課最大的收穫就是認識了很多我以前從來不知道的NSF資料庫：Survey of Earned Doctorates (SED)、Survey of Doctorate Recipients (SDR) (Science & Engineering only)、Survey of Graduate Students and Postdoctorates in Science and Engineering (institutional survey)、National Survey of College Graduates (NSCG)、National Survey of Recent College Graduates (RCG)、Business Research and Development and Innovation Survey  (BRDIS)。我想對我以後研究最有幫助的應該是SED, SDR, NSCG,和RCG。不過NSF的資料庫名稱跟內容有的時候沒有直接的關係，這一點非常容易讓人混淆。

中午的午餐和休息總共只有50分鐘（因為下課太晚），所以我快快的吃完午餐之後回房間小睡了20分鐘。

下午兩堂課都在講IPEDS。我對IPEDS其實不陌生。從我以前還在NSSE上班的時候就多多少少的有接觸IPEDS。但是今天上了課之後才知道我對IPEDS的瞭解真是只有皮毛。看到IPEDS的龐大跟複雜，讓我更加佩服各校裡面負責收集和管理IPEDS資料的IR人員。我想今天下午最大的收穫就是我對於IPEDS Data Center更加的熟悉。雖然我以前也用過IPEDS Data Center，但是今天上課學到很多以前不知道的功能。回到旅館之後我又繼續 花了好幾個小時在IPEDS Data Center抓資料下來分析。其中一個分析的結果發現在2008年秋季班，德州四年制的公立以及非營利性的私立大學的新生中除了德州本州居民之外，第二多的是國際學生，總共有1,633位新生，再其次是加州726位。以下是前面十名：

  1. Texas 81,598
  2. International Students 1,633
  3. California 726
  4. Louisiana 362
  5. Colorado 329
  6. Illinois 289
  7. Oklahoma 283
  8. New Mexico 268
  9. Florida 213
  10. Missouri 187

如果你看到這裡還沒有無聊到放棄，算你厲害，請給自己拍拍手！就這樣，今天報告完畢！

統計軟體SPSS和R

9 comments
教育 留學經驗 高等教育

最近，我對於SPSS越來越不滿。很想要把它給甩了，但是它卻像水蛭一樣吸著我的血卻怎麼甩也甩不掉。

SPSS是一套一般性的統計軟體，跟它類似的統計軟體有SAS、Stata、和R。SAS是一般企業界和學術界最廣泛使用的統計軟體，但是在學教育的人當中使用率卻不是那麼高。原因在於用SAS作統計分析需要做比較多的程式編碼，這對於很多學教育的人來說是一大困難。SPSS正好彌補了這方面的需要。SPSS並不是最強大的統計軟體，但是它具有最容易上手的使用者介面。因此，很多教初階統計的教授很喜歡用SPSS。因為這樣他們就不用花太多的時間教學生怎麼寫程式。就在這樣的背景之下，我從碩士班一路讀到博士畢業，SPSS是我唯一聽過和用過的統計軟體。

博士畢業之後我到Indiana University的NSSE工作，正好NSSE也是用SPSS，所以我便得心應手的繼續使用SPSS。三年在NSSE的工作經驗讓我對SPSS的熟悉度大幅的提升，我也可以非常熟練的透過SPSS syntax來執行各種統計分析而不需要用到下拉式的選單。很自然的，我對SPSS的依賴也越來越深。

也是在NSSE工作的時候我遇到了來自不同背景的研究員和分析師。我的一位具有公共行政背景的同事告訴我他以前學的統計軟體是Stata。他說Stata的功能比SPSS強大許多，但是要上手比較難。後來我又遇到很多在Institutional Research (IR)這個領域工作的人用SAS。根據SAS使用者的說法，SAS在處理大型數據資料的效率比SPSS好很多。聽到這個消息曾經讓我很想要學SAS，因為我做研究的資料檔案動輒就是幾百MB，甚至有上GB的。這些SPSS資料檔在我的電腦上光是開啟就是一筆時間。整個研究做下來有很多時間都浪費在等待電腦跑結果上。但是因為同事間沒有人用SAS，所以我遲遲沒有對SAS下手。

在NSSE工作的時候我也聽說了R這套開放源碼的統計軟體。當時的我之所以會對R有興趣是因為它是開放源碼(open source)，所以是免費的。其他三套統計軟體都是天價：SPSS基本版要價美金$700，如果再加上其他常用的附加功能，$2,000恐怕是少不了的。SAS要價一年美金$8,100，不要懷疑，你沒有看錯，八千一百大洋是一套SAS一年的使用費。Stata稍微好一點，美金$1,595。

統計軟體賣的這麼貴的結果就是除非學校或是公司出錢，否則很少有人買的起這些軟體。這對當時還在NSSE上班的我來說沒有差，反正NSSE有的是錢，幾千塊美金對他們來說是不痛不癢。但是我來到UNT之後卻發現當教授跟當研究員真是不同。UNT只提供我SPSS的基本版，如果我需要其他附加功能（像是處理missing data的模組）那我就需要自己想辦法生錢來買。再者，我教的研究所課程常常需要學生做統計分析。雖然學校的電腦室都裝有SPSS，但是我的學生大部分都是上班族，住的離學校又遠（我有一個學生通勤單程就要3個小時，這還不包括塞車的時間），因此為了寫作業特別跑一趟學校的電腦室對很多學生來說是不切實際的。結果為了寫作業很多學生只好自己買一套SPSS裝在家裡的電腦上。不幸的是SPSS的學生版功能太有限，沒有辦法做到我要他們做的分析，所以我的學生只好花大錢買SPSS。這實在不是我所願意的。

最後一項我對SPSS不滿的地方是有太多高階統計的分析它做不出來。一些資料處理的方法像是multiple imputation和Heckman correction，或是高階的統計分析像是SEM、HLM…等等，SPSS都做不出來。結果是我必須另外花錢買一套軟體來做SEM，然後又是另外一套軟體專門來做HLM。這些錢都不是學校給的，是我要自己想辦法的。

就是在這樣的情況之下我開始接觸R。之前提過R是一套開放源碼的免費軟體。然而在IR領域很少有人用R，美國大學中的IR通常不是用SAS就是用SPSS，因此我在NSSE的時候雖然聽過R但是沒有接觸過。當了教授之後才發現在學術界用R的人還真不少（大概是因為很多教授都跟我有同樣的處境）。由於使用R的學術界人士非常的多，因此R的統計功能非常的強大。幾乎只要可以想的出來的統計分析R都可以做的出來。當然，這背後還有一個原因是它的開放源碼，因此任何人都可以幫R設計外加模組。R還可以做出其他統計軟體做不出來的圖形化報表（見下圖）。

既然R這麼的強大又免費，為什麼用的人大多侷限在學術界呢？原因很簡單，因為它要上手實在不是那麼容易。R不像SPSS只要用下拉式選單就可以完成大部分的分析，一切R的操控都是透過程式化的指令來進行。這意味著要學R先得學習用以操作R的S語言。我想很多學教育的人可能看到這裡就已經打退堂鼓了。我呢？我希望有一天我可以完全的用R來取代我電腦裡的SPSS、AMOS、和HLM。但是在那一天來到之前，我還是得繼續倚靠SPSS來完成我的研究。

最後是我最近在學R的時候參考的幾本書。我在Amazon.com買了好幾本R的書，也在我們學校的圖書館借了好幾本。我發現統計的教科書要嘛是寫得很好：易懂又教你實際操作，要不然就是寫的很爛：充滿各種專業術語跟符號但是又解釋的不清不楚。對於跟我一樣在學R的人，我推薦以下幾本書：

Introductory Statistics with R (Statistics and Computing)

拿一個博士學位有多難？

6 comments
教育 高等教育

拿一個博士學位有多難？

如果你把這個問題拿去問那些沒有讀過博士班的人，他們會說：「不知道，但是應該很難吧！要不然大家都去讀博士了。」如果你把這個問題拿去問正在寫論文的博士班學生，他們會說：「博士學位好像一座直達雲端的高山。當你開始爬的時候，你會懷疑自己有沒有爬到頂的一天。等到爬了一半卻還是看不到山頂的時候，你覺得這輩子大概永遠也爬不到頂了。有些人在這個時候就放棄下山了，有些人咬著牙繼續往上爬，但是連續攻頂不成最後一身疲乏的下山，也有人在不斷的奮鬥之後撥雲見日，最後成功的攻頂拿到博士學位。」

如果你問我博士學位有多難拿，我會說：「這要看情況而定」。

我承認博士學位對於還沒有拿到的人來說的確是一座高山（當你拿到博士學位之後就會發現原來高山之上還有更多的高山），但是這座高山的高度對於每一個人來說是不一樣的。我要再重複一次，博士學位這座高山並不是對每一個人都是一樣高的。

為什麼這麼說呢？因為我這個禮拜參加了兩個博士班學生的論文答辯。這兩個人有著類似的遭遇，同樣坎苛的博士班過程，最後都順利的拿到了博士學位，但是他們的博士論文品質有著天壤之別。

這兩個學生在我來到UNT之前就已經讀了很多年的博士班了，兩個人也都在我來到UNT之前就已經把博士論文寫到一半了。但是不幸的事情同樣發生在這兩個人身上。其中一個人的指導教授在他論文做到一半的時候跟他說，對不起，我在別的學校另謀高就了，你的博士論文我幫不上忙，你另外找人指導吧！另外一個博士班學生則是論文快要做到最後的答辯了，結果他的指導教授跟他說，對不起，我實在不知道你的論文在搞什麼東西，我也不想再當你的指導教授了，請你另外找人指導吧！更慘的是兩個人的博士論文委員中有的退休，有的離職，結果是兩個人都變成了系上的「孤兒」。

當我剛開始在UNT上班沒有多久這兩個博士班學生就分別找上我請我當他們的博士論文委員，而他們也同樣找了系上另外一位資深的教授當他們的指導教授。

就這樣，一年半過去了。這兩個博士班學生中的第一位，我們暫且稱他做學生甲，把他的論文整個打掉重練，重新寫一份研究計畫，設計一份新的問卷，測試問卷，然後收集資料、分析，最後把他全部整合在一起。花了整整一年半的時間，終於在上個月全部完成。

學生乙看著自己本來已經快要完成的論文很不甘願就這樣前功盡棄，所以他在新的指導教授的同意之下揮棄部分的論文，重新改寫研究方法以及結果和討論。同樣花了一年半的時間，終於在上個月完成。

我們學校有一個規定就是博士班學生有十年的時間來完成他們的學位。如果花了十年你還是拿不到博士學位，很對不起，你就自動被學校開除了。聽起來很慘忍，但是這是一個強迫學生畢業的有效方法。

學生甲跟乙都在這個學期到達他們的十年大限，意思是說如果他們這個學期沒有辦法順利的答辯他們的博士論文，那他們過去十年的時間、精力、和金錢都白費了。仔細想想，這真不是鬧著玩的。如果你花了十年，3650個日子，40個不同的季節，超過一百萬台幣的學費，和無數個寒窗苦讀的夜晚，辛辛苦苦的為了這個學位，結果最後卻是什麼都沒有，我想輕則憂鬱症，重則想不開自殺都是有可能的。

還好，在大限前的幾個禮拜，他們兩個人都順利的通過了博士論文的答辯。但是，作為他們的博士論文委員，我心裡對於他們兩個人的感受真是如同赤道與北極。

學生甲，也就是論文打掉重練的那一位，作了一篇頂級水準的博士論文。雖然說頂級水準的「博士論文」不等於頂級水準的「學術論文」（像我一開始說的，爬到了博士這座山的山頂才發現原來四周多的是更高的高山。我們不可能用要求教授的學術水平來要求博士班學生。一般的博士論文都需要很多的修飾與改進才有辦法在一般等級的學術期刊上發表。但是很多大學，包括我們學校，要求教授一年要在各自的專業領域中最高等級的專業期刊中至少發表兩篇以上的學術論文。），但是他的博士論文是我看過的博士論文中非常好的一篇。我這裡指的博士論文不只是我們學校的學生寫的博士論文，我指的是全美國所有的高等教育博士班學生所做的論文。我對於學生甲的成果感到非常的驚喜，也非常樂意在他的博士論文上簽上我的名字。

學生乙的情況恰好與學生甲相反。在不斷的拼拼湊湊之後學生乙交出一篇在及格邊緣的論文。以他這樣水平的博士論文，如果我是他的指導教授，他很有可能會就這樣超過他的十年大限而失去拿到博士學位的機會。換句話說，如果我是學生乙的指導教授，我是絕對不會讓這樣水準的博士論文被拿出來答辯的。當然啦，年輕教授的殺氣通常比較強，而資深教授則是比較替學生著想。

在學生乙答辯前我跟他的指導教授密談了將近一個小時。我對於學生乙的博士論文水準表達了我的不滿，而他的指導教授也同意我的看法。但是他告訴我他之所以讓這個學生答辯是因為學生乙會走到今天這個地步有很大一部分是我們系上老師的責任。在我進來UNT之前的幾年我們系上經歷了很多人事上的波動，教授離職或是退休的比例非常的高。更甚者，有一些老教授佔著位置卻不做事，結果很多博士班學生就在這些人事變動中浮載浮沈（所以各位博士班的學生，選對指導教授真的很重要）。今天學生甲跟乙成為沒有人要的博士班孤兒其實不是他們的錯，而是系上政策與老師的錯。要不是這兩個學生之前的教授半路把他們給拋棄，他們可能早就拿到博士學位（當然也有可能他們永遠拿不到博士學位）。從另外一方面來說，如果學生乙從一開始做論文的時候（大概是六、七年前）就給我指導的話，我絕對早就讓他做完論文畢業了。我同意這位資深教授的說法，雖然我並不是那麼的同情他們（說我冷血吧！我覺得博士學位不是用同情心給的。不管你的遭遇有多坎苛，你如果沒有達到我設的標準，你就不要想在我的手上拿到你的博士學位。），但是我還是決定網開一面，下不為例。

所以我說，拿一個博士學位有多難其實是要看情況的：看你指導教授要求多少，看你的論文委員要求多少，還有其他很多不可測的因素。聰明的人不一定就拿的到博士學位，平凡的人也不是沒有機會。我想，世界上很多事情就是這樣吧！