全文以編輯團隊的視角表達了Journal of Communication的目標及選稿過程，以便投稿者可以更好地瞭解刊物需求及撰寫標準。
1 理論方面，編輯指出很多研究在做概念/現象和理論的相加，而不是去進行理論研究。比起只是把理論作為文章部分，更期望有理論驗證的呈現。
2 假設方面，（這裡有一個名詞NHST後面詳解），零假設顯著性檢驗有明顯的缺陷，如假定概念種類的關係而不是單獨的概念，因此作者選用明確完善的假設論證更受青睞。
3 方法方面，傳播學本身既是一個涵蓋廣泛的學科，因此研究方法也多種多樣（一對一訪談，焦點小組，民族誌等高質量的實證研究），引起編輯注意的有一個使用經典數學方法進行研究的案例。（名詞：貝葉斯推理，後續詳解）。他們也更樂意看到研究方法的創新。
（1）名詞1：NHST(null hypothesis significance testing)零假設顯著性檢驗
想證明有，先假設無。在心理學的範疇經常使用，即用數據去拒絕零假設（假設無）。由於NHST是假定H0為真，所以即便我們的數據無法拒絕H0，H0也不為真，弱假設（總是錯的）本身難以立足，經過測量實驗得出否定結論不具有強意義。NHST研究方式是目前科學研究可重複性危機的核心（原因，案例，假陽性等，下回討，發現之前自己老用假設，還覺得很實證.......）
（2） 名詞2：Bayesian inference 貝葉斯推理
英國牧師貝葉斯發現的一種歸納推理方法，從概率論擴充而來，也是一種精確預測數據的方式。
貝葉斯定理斷定：
已知一個事件集Bi(i=1,2,...k)中每一Bi的概率P(Bi)，
又知在Bi已發生的條件下事件A的條件概率P(A/Bi)，
就可得出在給定A已發生的條件下任何Bi的條件概率(逆概率)P(Bi/A)。
即P(Bi/A)=P(Bi)P(A/Bi)/(P(B1)P(A/B1)+P(B2)P(A/B2)+...+P(Bn)P(A/Bn))
【看了一些案例，自己一時難以舉出，感覺和樹狀圖還有袋子裡摸球應該很像。現在在人工智能領域以及極端事件預測流行】
睡前感悟數學之美，我暈。
閱讀更多 傳播學日記 的文章
