急需一篇“流行歌曲对人们的影响”调查报告 1500字以上
流行歌曲与其影响 所谓流行音乐，是指那些结构短小、内容通俗、形式活泼、情感真挚，并被广大群众所喜爱，广泛传唱或欣赏，流行一时的甚至流传后世的器乐曲和歌曲。这些乐曲和歌曲，植根于大众生活的丰厚土壤之中。因此，又有大众音乐”之称。 流行音乐起源于美国的爵士音乐。20世纪初，美国出现了一种由多民族文化汇集而成的爵士音乐。这种新兴音乐，以它独特的演奏(演唱)方式，刷新了听众的耳目，轰动了全美国，又很快传遍西欧各国。 在今天，流行音乐所包含的内容极其广泛。在器乐作品中，它包括丰富多采的轻音乐、爵士乐、摇摆舞曲、迪斯科舞曲，探戈舞曲，圆舞曲以及各种不同风格的舞曲和各类小型歌剧的配乐等。 流行音乐中器乐作品的特点是：节奏鲜明，轻松活泼或抒情优美，演奏方法多种多样，音响多变，色彩丰富，织体层次简明，乐队规模不大，现代作品多使用电声乐器。声乐作品的特点是：生活气息浓郁、抒情、风趣、音域不宽，手法通俗、曲调顺口、易于传唱；歌词多用生活语言，浅显易，易为听者接受和传唱；歌手多是自成一格的流行歌星，发声方法各有千秋，不受声乐学派的约束，演唱时感情重于声音技巧，动和自由不羁，自然亲切，易引起听众的共鸣；小乐队的强声伴奏与歌声融为一体。由于流行音乐具备上述特点，所以就能够和群众连在一起，无论文化水平的高低，都易于接受。 流行音乐也就是通俗音乐，流行歌曲作为一种以消遣娱乐为主的大众文化现象，流行歌曲的发展和社会发展的脉络息息相关，俨然已成为日常生活的一部份，尤其是90年代以后随著国家的政策开放，使得流行歌曲的内容形式更加的多元化，更加的深入人心，90年代的流行音乐变化较广，并且与我们的生长背景较为接近。然而流行歌曲不仅是艺术，也是娱乐、精神寄托，更是反应百姓生活的写实记录，甚至是大众思想、意识型态的指标。 现在我们所听的歌曲，像是周杰伦、蔡依林、张惠妹等等歌手，他们的歌都属於流行音乐。 流行音乐与其它大众媒介的差异主要是流行音乐有三种特性： 1.流行音乐乃是一重复的形式：流行音乐的主题内涵不断的重复，而具有穿透阅听人之意识的能力。 2.流行音乐多属非叙述性的形式：其强调对接收者的身体、生理与感官能力之刺激。 3.流行音乐是一种经验上的形式：音乐是属於艺术而非科学的领域，是对某一经验之体验。 但是,少儿音乐消费过于成人化，是明显的问题。《小小少年》、《春天在哪里》等脍炙人口的儿歌在孩子们中间几乎销声匿迹，取而代之的是成人的流行歌曲、情歌和内容粗浅的“另类儿歌”、“成人化儿歌”等不适合儿童传唱的歌曲在中小学校园里流行。流行歌曲对人们文化生活具有很强的影响力，但其负面影响不可低估。流行歌曲多属于成年人的精神消遣品，但孩子们过早涉足这类“情感”表述，一些精神垃圾乘虚而入。目前在中小学校园中流行的儿歌，有的宣泄消极厌学情绪，夸大社会负面影响；有的带有色情、暴力倾向，充斥低级趣味。如“在我心中，老师最凶，晚上补课到九十点钟；回到家里，老妈最凶，盯着作业从不放松；父母不在，老子最凶，拳打脚踢，发泄一通！”、“上学苦，上学累，上学还得交学费，不如加入黑社会，有吃有喝有地位”等等。 当代歌词的“十大硬伤” 改革开放以来，流行歌曲丰富了寻常百姓的精神生活，然而一些内容不健康歌曲的流传给社会造成了较大的负面影响，尤其是对广大青少年起了误导作用。 某些流行歌曲中的歌词，语法混乱，不合逻辑，病句百出，词疮语病，遍体“硬伤”。“清除语言垃圾、净化语言环境！”，语言学家的呼吁化为行动，让我们就从歌词开始吧。 众所周知，歌词属于听觉艺术的范畴，是以口耳相传为基本性的文学样式，一旦插上音乐的翅膀，其流传之广，影响之大，是小说、诗歌等文学样式都无法相提并论的。所以，歌词首应无愧于文学，才不逊色于音乐。遗憾的是，一些流行歌曲的歌词“不合逻辑，文理不通，语病多多，浑身硬伤，惨不忍睹”。其表现形式，概括起来堪称“十大硬伤”： 一、内容荒诞，语无伦次。有一首歌叫《上苍保佑吃完了饭的人民》唱道：“真的不敢想要能够活着升天/只想能够活下去/正确地浪费剩下的时间/意守丹田……”这种粗俗、荒诞的歌词不胜枚举，它给青少年的毒害作用也一目了然，不仅污染了语言环境，而且麻木人们的思想，甚至教唆犯罪。 二、通篇语言垃圾，病句百出。有一道MTV叫《很受伤》，女歌手演
学习量化选择Python还是R比较好
对于想从事数据行业的人和数据工作者来说，是学习R还是 python，哪个工具更实用一直被大家争论。python 和R是统计学中两种最流行的的编程语言，R的功能性主要是统计学家在开发时考虑的（R具有强大的可视化功能），而 Python 因为易于理解的语法被大家所接受。
在这篇文章中，我们将重点介绍R和 Python 以及它们在数据科学和统计上地位之间的差异。
关于R的介绍
Ross Ihaka 和 Robert Gentleman 于 1995 年在S语言中创造了开源语言R，目的是专注于提供更好和更人性化的方式做数据分析、统计和图形模型的语言。
起初R主要是在学术和研究使用，但近来企业界发现R也很不错。这使得中的R成为企业中使用的全球发展最快的统计语言之一。
R 的主要优势是它有一个庞大的社区，通过邮件列表，用户贡献的文档和一个非常活跃的堆栈溢出组提供支持。还有 CRAN 镜像，一个用户可以很简单地创造的一个包含R包的知识库。这些包有R里面的函数和数据，各地的镜像都是R网站的备份文件，完全一样，用户可以可以选择离你最近的镜像访问最新的技术和功能，而无需从头开发。
如果你是一个有经验的程序员，你可以不会觉得使用R可以提高效率，但是，你可能会发现学习R经常会遇到瓶颈。幸运的是现在的资源很多。
关于 Python 的介绍
Python 是由 Guido van Rossem 创建于 1991 年，并强调效率和代码的可读性。希望深入的数据分析或应用统计技术的程序员是 Python 的主要用户。
当你越需要在工程环境中工作，你会越喜欢 Python。它是一种灵活的语言，在处理一些新东西上表现很好，并且注重可读性和简单性，它的学习曲线是比较低的。
和R类似，Python 也有包，pypi 是一个 Python 包的仓库，里面有很多别人写好的 Python 库。
Python 也是一个大社区，但它是一个有点比较分散，因为它是一个通用的语言。然而，Python 自称他们在数据科学中更占优势地位：预期的增长，更新颖的科学数据应用的起源在这里。
R和 Python：数字的比较
在网上可以经常看到比较R和 Python 人气的数字，虽然这些数字往往就这两种语言是如何在计算机科学的整体生态系统不断发展，但是很难并列进行比较。主要的原因是，R仅在数据科学的环境中使用，而 Python 作为一种通用语言，被广泛应用于许多领域，如网络的发展。这往往导致排名结果偏向于 Python，而且从业者工资会较低。
R如何使用？
R 主要用于当数据分析任务需要独立的计算或分析单个服务器。这是探索性的工作，因为R有很多包和随时可用的测试，可以提供提供必要的工具，快速启动和运行的数量庞大几乎任何类型的数据分析。R甚至可以是一个大数据解决方案的一部分。
当开始使用R的时候，最好首先安装 RStudio IDE。之后建议你看看下面的流行包：
Python 如何使用？
如果你的数据分析任务需要使用 Web 应用程序，或代码的统计数据需要被纳入生产数据库进行集成时你可以使用 python，作为一个完全成熟的编程语言，它是实现算法一个伟大的工具。
虽然在过去 python 包对于数据分析还处于早期阶段，但是这些年已经有了显著改善。使用时需要安装 NumPy/ SciPy 的（科学计算）和 pandas（数据处理），以使 Python 可用于数据分析。也看看 matplotlib，使图形和 scikit-learn 机器学习。
不同于R，Python 有没有明确的非常好的 IDE。我们建议你看看 Spyder 以及 IPython 网站，看看哪一个最适合你。
R和 Python：数据科学行业的表现
如果你看一下最近的民意调查，在数据分析的编程语言方面，R是明显的赢家。
有越来越多的人从研发转向 Python。此外，有越来越多的公司使用这两种语言来进行组合。
如果你打算从事数据行业，你用好学会这两种语言。招聘趋势显示这两个技能的需求日益增加，而工资远高于平均水平。
R：优点和缺点
优点
可视化能力强
可视化通常让我们更有效地理解数字本身。R和可视化是绝配。一些必看的可视化软件包是 ggplot2，ggvis，googleVis 和 rCharts。
完善的生态系统
R 具有活跃的社区和一个丰富的生态系统。R包在 CRAN，Bioconductor 的和 Github 上。您可以通过 Rdocumentation 搜索所有的R包。
用于数据科学
R 由统计学家开发，他们可以通过R代码和包交流想法和概念，你不一定需要有计算机背景。此外企业界也越来越接受R。
缺点
R比较缓慢
R 使统计人员的更轻松，但你电脑的运行速度可能很慢。虽然R的体验是缓慢的，但是有多个包来提高的r性能：pqR,renjin，FastR, Riposte 等等。
R不容易深入学习
R 学习起来并不容易，特别是如果你要从 GUI 来进行统计分析。如果你不熟悉它，即使发现包可能会非常耗时。
Python：优点和缺点
优点
IPython Notebook
IPython Notebook 使我们更容易使用 Python 进行数据工作，你可以轻松地与同事共享 Notebook，而无需他们安装任何东西。这大大减少了组织代码，输出和注释文件的开销。可以花更多的时间做实际的工作。
通用语言
Python 是一种通用的语言，容易和直观。在学习上会比较容易，它可以加快你写一个程序的速度。此外，Python 测试框架是一个内置的，这样可以保证你的代码是可重复使用和可靠的。
一个多用途的语言
Python 把不同背景的人集合在一起。作为一种常见的、容易理解，大部分程序员都懂的，可以很容易地和统计学家沟通，你可以使用一个简单的工具就把你每一个工作伙伴都整合起来。
缺点
可视化
可视化是选择数据分析软件的一个重要的标准。虽然 Python 有一些不错的可视化库，如 Seaborn，Bokeh 和 Pygal。但相比于R，呈现的结果并不总是那么顺眼。
Python 是挑战者
Python 对于R来说是一个挑战者，它不提供必不可少的R包。虽然它在追赶，但是还不够。
最终你该学习什么呢：
由你决定！作为一个数据工作者，你需要在工作中选择最适合需要的语言。在学习之前问清楚这些问题可以帮助你：
你想解决什么问题？
什么是学习语言的净成本？
是什么在你的领域中常用的工具？
什么是其他可用工具以及如何做这些涉及到的常用工具？