解读诺贝尔奖“大”数据:想获奖先搬家
2015年的诺贝尔奖已经公布,咱们中国的女科学家屠呦呦获奖,真是举国振奋的好消息。
众所周知,诺贝尔奖的设立,对物理学、化学、医学的发展起着重要的激励作用。自1901年诺贝尔奖首次颁发到2014年为止,在过去114年中,已经有889位来自物理、化学、生理/医学、经济学、文学等方面的杰出人士获奖。他们的研究成果影响着世人,改变着世界,为当今科学的进步做出了巨大的贡献。
“中奖”虽然绝非易事,但也有规律可循。获奖者都有哪些相似点呢?都来自什么地方?下面我们就通过一张图试着分析下规律。
这是一张记录了在1901年到2012年期间每一位获奖者信息的图片,包括了获奖年份,研究领域、所在机构以及学术方向。
看起来很复杂?且听小编下文分解。
首先总体来看,这张图的X轴代表获奖年份,Y轴代表获奖者的年龄,具体可以看上图的图例。图例上标示了所有获奖者的平均年龄,以及每个奖项获奖者的平均年龄。甚至标注了每一年每一位奖项颁发的人数,学历、性别以及获奖的时候所在大学的具体情况。
在名校工作的获奖者更多
由这张图可以看出,获奖者最多的七所大学分别是哈佛大学、麻省理工学院、斯坦福大学、加州理工学院、剑桥大学以及加州伯克利分院。这些都是世界名校,能进去其中工作的人都是领域内的佼佼者,而且这里不仅有优越的研究条件,还有优秀的合作伙伴,获奖者多也并不意外。
不仅要有成果,还要长寿
再来看获奖者的平均年龄,我们以化学奖来举例,所有获奖者的平均年龄为59岁,但化学奖获得者平均为57岁,不过近年来获奖人士的年纪普遍超过了平均年龄。这一方面是因为科学家们真的是“老骥伏枥,志在千里”,另一方面也是因为诺贝尔奖越来越倾向于“让时间先来检验成果”,这种趋势也带来了一些遗憾,给某个成果颁奖时,这个成果的核心人物已经去世了。
科学与性别无关
获奖者有男性也有女性,在这张图中都有统计数据,但这仅仅是为了统计之用。虽然目前来看,女性获奖者少于男性获奖者,但这背后有着复杂的社会因素,近年女性科学家们越来越杰出的表现已经说明了,其实性别并不重要,科学并没有国家、血统以及性别之分,只要在其领域中做出了卓越贡献就可以获奖。
想获奖?先搬家
你想获奖吗?那先搬家吧。这张图片还统计了获奖者的居住地,看来想获奖还得选地方啊。图中显示住在纽约的获奖者最多,有51人。位居次席的是巴黎,有23人之多,巴黎人不只浪漫,还是盛产诺奖的城市啊。怎么样,心动了吗?走,咱去巴黎吧。
团结就是力量
你知道诺贝尔奖可以几人共同分享吗?其实这种情况挺多的,在图中也有显示,那么究竟有多少呢?诺奖颁发了多少次呢?我们从诺贝尔奖的官方网站找到了相关数据。
获奖者多为博士
最后来看看获奖者的学历。由这图中可以看出,虽然在各个领域里获奖者以博士学历者居多,但也有以硕士、学士学历获奖的,这里边的差异是因为有些学科,硕士学位就可以了,不一定要博士学位才有更好的发展。在诺贝尔文学奖中,这一情况则不同。文学奖是比较特别的奖项,跟获奖人的学术高低无关,只跟你的作品有关,所以很多获奖者根本没有学位,而且没有学位的获奖者甚至占多数。还有一个奖项也是这样的情况,这就是诺贝尔和平奖。
从这张图中看,你会发现有些获奖者甚至很年轻,甚至还是个孩子,自然也没有学位了。例如2014年诺贝尔和平奖的获得者之一巴基斯坦女孩马拉拉当时才17岁,颁奖词称赞其“反抗针对儿童和年轻人的压迫,捍卫了儿童受教育的权利”。
居里夫人
图中还有特殊的注解,例如居里夫人是第一个两次获得诺贝尔奖的获奖者;简?丁伯根和尼可拉斯?丁伯根是唯一两兄弟都获得诺奖的亲兄弟,分别是经济学奖和医学奖。闻名世界的无线电之父马可尼是唯一一个没有学位的物理学获奖者。
简?丁伯根和尼可拉斯?丁伯根兄弟
2015年的诺贝尔奖已于10月5日至9日陆续发布,感兴趣的朋友也可以看看,今年的获奖者们是否吻合这张图中的规律。
最后,感谢科学进步对人类发展的推动,感谢获奖者们为世界做出的贡献。
注:
1、多次获奖的获奖者:居里夫人是第一个获得过两次诺贝尔奖的人(化学和物理)。
2、年纪最长的获奖者:莱昂尼德?赫维奇获奖的时候90岁。
3、最年轻的获奖者:威廉?劳伦斯?布拉格获奖时25岁(这个图表只到2012年,2014年巴基斯坦女孩马拉拉17岁获得和平奖)。
4、兄弟获奖:简?丁伯根和尼可拉斯?丁伯根是唯一两兄弟都获得过诺奖的亲兄弟(分别是经济学奖和医学奖)。
5、没有学位的获奖者:马可尼是唯一一个没有学位的获奖者(特指物理学奖)。
6、去世后获奖者:埃利克?阿克塞尔?卡尔费尔德(瑞典人)是唯一一个去世后获奖的人。
7、第一个女性经济学奖获得者:埃莉诺?奥斯特罗姆,是第一位也是唯一一位获得诺贝尔经济学奖的女性。
数据分析咨询请扫描二维码
数据分析工具推荐 数据分析工具的选择至关重要。不同工具适用于不同的需求和场景。以下是一些推荐的数据分析工具,根据您的需求 ...
2024-11-27选择适合您需求的数据分析工具 数据分析作为商业决策过程中的关键环节,工具的选择至关重要。不同的工具适用于不同的场景和需求 ...
2024-11-27数据架构文档的编写涉及多个方面,包括内容结构、编写原则和具体要求。遵循规范可以帮助团队更好地理解和管理数据架构,支持项目 ...
2024-11-27挑战与解决方案概述 在数字化时代,数据开放共享对于推动创新和发展至关重要。然而,这一进程面临诸多挑战。保护用户隐私、确保 ...
2024-11-27促进科学研究和创新 数据开放共享为研究人员提供更广泛的资源和合作机会,加速科学知识的发展。通过访问他人的数据集,验证研究 ...
2024-11-27数据组织与存储策略 数据模型是数据仓库和商业智能系统的核心,通过合理的数据组织和存储策略,确保高效、低成本、高质量地利用 ...
2024-11-27持续关注数据系统运行状态 - 数据设计与开发完成后,维护与优化工作成为至关重要的环节。这个过程需要持续且细致的关注,以确保 ...
2024-11-27数据服务未来的趋势 智能化和自动化: 随着人工智能和机器学习技术的飞速发展,数据服务领域正逐渐朝着更智能化和自动化的方向 ...
2024-11-27未来最有前景的行业主要集中在以下几个领域: 人工智能与机器学习:人工智能被认为是未来最具潜力的行业之一,其应用范围广泛 ...
2024-11-27根据多条证据,目前多个行业展现出良好的发展前景。以下是一些被认为具有最好发展前景的行业: 人工智能与机器学习:人工智能 ...
2024-11-27学习数据分析后,可以在多种类型的单位找到工作机会。这些单位包括但不限于: 政府机关:数据分析师在政府机构中扮演重要角色 ...
2024-11-27必备的职业技能 统计学基础 - 理解概率、假设检验、回归分析等统计概念。 - 运用统计方法对数据进行分析和解读。 编程能力 - 掌 ...
2024-11-27基础课程 - 统计学基础: 统计学是数据分析的基石,包括概率、假设检验、回归分析等基本知识。这有助于分析师更好地理解数据背后 ...
2024-11-27数据分析领域涉及众多工具软件,涵盖了从数据处理、分析到可视化的各个方面。在选择适合自己需求的工具时,需要考虑数据规模、分 ...
2024-11-27在数据分析领域,选择合适的工具至关重要。不同的软件适用于不同的需求和技能水平。以下是几款值得考虑的数据分析软件: - Table ...
2024-11-27数据分析中常用的Excel与Python函数公式涵盖了广泛的应用场景。掌握这些基础和高级技巧对于成为一名优秀的数据分析师至关重要。 ...
2024-11-27Python是一种高级编程语言,由荷兰程序员Guido van Rossum于1989年圣诞节期间开始开发,并于1991年首次发布。Python的设计哲学强 ...
2024-11-27课程内容 数学基础: 高等数学、线性代数、概率论与数理统计、微积分等为算法设计和数据分析打下基础。 编程与算法: 掌握 ...
2024-11-27爬虫工程师是互联网时代中至关重要的职业之一,他们的工作内容主要涉及编写和维护网络爬虫程序,进行数据采集与清洗,设计系统架 ...
2024-11-27技能需求 数据管理与建模 - 掌握SQL、HiveQL、Spark SQL等数据库语言,进行复杂数据查询和分析。 - 使用数据建模工具如ER/Studio ...
2024-11-27