文科轉量化的出路

在前段時間文商科的線下活動時，家長們(men) 問到的最多的一個(ge) 問題就是，文科學生如何能在研究生階段轉為(wei) 更量化的學科，助力之後的職業(ye) 道路。

一直以來，文科學生的出路都是家長和同學們(men) 很關(guan) 心的一個(ge) 問題。今天也想就這些年申請的情況和文科同學的未來發展，討論一下文科生可以考慮的幾個(ge) 未來發展路徑。

一門心思轉碼

實際上，沒有任何理工科或量化背景，轉到寫(xie) 碼的道路上，並不是一件完全不可能的事情。甚至，有不少研究生的項目就是為(wei) 了文科轉碼這個(ge) 路徑而設計的。代表性的項目有賓大的Master of Computer and Information Technology （MCIT）和東(dong) 北的CS Align。

賓大的MCIT甚至會(hui) 限製申請人的背景，不允許本科是CS專(zhuan) 業(ye) 的同學申請。這兩(liang) 個(ge) 項目的就讀學生來自各種不同的本科專(zhuan) 業(ye) ，包括藝術，音樂(le) ，經濟等等。項目的畢業(ye) 生很多都可以成功前往Google，Amazon，Meta等大廠擔任程序員的工作。

目前，很多其他的學校也在逐漸開設為(wei) 非理工科背景的學生準備的計算機科學碩士項目。比如，布蘭(lan) 迪斯大學MA in Computer Science for Non-majors，芝加哥大學MS in Computer Science (with immersion)，都是提供給完全無CS經曆的同學申請的轉碼友好項目。

量化社科的選擇

對於(yu) 文科同學來說，既不想走向一條完全寫(xie) 代碼的道路，又想在研究生階段學習(xi) 一些量化的課程，那麽(me) 量化社科的項目就是一個(ge) 很好的選擇。這類項目既能照顧到學生本科學習(xi) 的社科文科課程，又加入了一定的統計，量化方法，數據分析等知識的學習(xi) 。

比如，芝加哥大學的Master of Computational Social Science項目就是一個(ge) 非常適合文科學生考慮的量化社科項目。這個(ge) 項目結合計算機科學、統計學與(yu) 社會(hui) 科學（如經濟學、政治學、社會(hui) 學等），強調用數據驅動的方法解決(jue) 社會(hui) 複雜問題。

過往我們(men) 會(hui) 看到，項目也偏好來自社會(hui) 科學專(zhuan) 業(ye) ，如人類學，社會(hui) 學，政治科學等等專(zhuan) 業(ye) 背景的學生而非量化專(zhuan) 業(ye) 背景的學生。文科的同學申請這個(ge) 項目，有著自己獨特的專(zhuan) 業(ye) 優(you) 勢。

其他類似的項目還有布朗大學的Social Data Analytics，哥大的Quantitative Methods in the Social Sciences，加州大學伯克利分校的Master of Computational Social Science等等。今年我一位錄取加州伯克利MaCSS項目的學生就來自哲學和數學獨特的雙專(zhuan) 業(ye) 背景，也是帶有文科獨特色彩的專(zhuan) 業(ye) 讓他順利拿到了錄取。

這些專(zhuan) 業(ye) 畢業(ye) 後，很多畢業(ye) 生也都可以去做數據分析，商業(ye) 分析，或者金融類的工作，完成純文科到量化的華麗(li) 轉型。

交叉學科的選擇

很多學校現在也開設了一些科技與(yu) 文科交叉的獨特專(zhuan) 業(ye) ，以幫助同學學習(xi) 在AI逐漸發展的時代，如何更好地使用技術，助力傳(chuan) 統行業(ye) 地創新和發展。比如，MIT就新開設了一個(ge) 新項目，Music Technology and Computation，學習(xi) 音樂(le) 與(yu) 新興(xing) 技術的結合。

類似這樣的項目還有Language Technologies語言技術類項目，這類項目適合語言學背景的同學申請，學習(xi) 如何處理、理解和生成人類語言的技術。再比如，教育/純語言背景的同學也可以考慮Learning Technologies教育技術專(zhuan) 業(ye) ，學習(xi) 如何設計最新的教育科技產(chan) 品。

這些交叉類學科結合了最新AI技術的學習(xi) 和傳(chuan) 統方向的學習(xi) ，非常適合文科同學往更技術類型的道路轉變。此類專(zhuan) 業(ye) 也逐漸變得更熱門，也期待更多學校開設不同和科技結合的新興(xing) 項目。

誰說文商科不夠量化？

實際上，一些我們(men) 認為(wei) 是文商科，沒有量化課程的項目，現在也在逐漸變得量化起來。比如，很多商學院的市場專(zhuan) 業(ye) 目前都會(hui) 開設Marketing Analytics市場分析的分支，幫助同學提升數據分析的技能。大部分的純金融類項目也都是STEM項目，加入了數學，統計，數據分析類課程，學習(xi) 用這些工具分析金融問題。

另一方麵，我們(men) 也看到更多的公共政策/公共管理項目變成了STEM的項目，提升項目裏量化課程的比例。今年，哥大的MPA項目所有的分支都變成了STEM。

芝加哥大學的MPP項目也成為(wei) 了STEM項目。這些公共政策/公共管理的項目也不再學習(xi) 我們(men) 認知中純文科類的課程，而將學習(xi) 的內(nei) 容也拓展到了數據分析和量化模型等知識上。

總之，我覺得文科生的職業(ye) 轉型並非“從(cong) 零開始”，而是可以通過策略性的路徑選擇和技能升級，在技術驅動的時代找到獨特定位。文科背景的學生完全可以將自身的人文洞察力與(yu) 新興(xing) 技術結合，打造差異化競爭(zheng) 力。

關(guan) 鍵在於(yu) 提前規劃——明確職業(ye) 目標、補充編程/數據分析技能，並選擇與(yu) 興(xing) 趣契合的量化路徑。技術發展正在模糊傳(chuan) 統學科的邊界，文科生的“軟實力”反而可能成為(wei) 駕馭AI時代的“硬資本”。