前言普利茲克建築獎是1979年由美國芝加哥普利茲克家族通過凱悅基金會創立，每年評選一次，至2022年已有44屆來自22個國家的51位獲獎者。與該獎項創立目的和宗旨相一致的每位獲獎者的建築作品能夠表現出其纔智、想像力和責任感等優秀品質，通過建築藝術對人文科學和建築環境做出持久而傑出的貢獻。本書研究是以大數據思維訓練為導向，以建築學專業研究生“當代建築批評”課程建設為載體，通過“運用大數據、統計學、經濟學研究思維及方法，預測普利茲克建築獲獎趨勢”教學研究主線設置，培養建築學研究生能夠掌握借助統計分析方法（SPSS），將具有感性認知的建築特征評價，轉化為一種“可量化”的客觀評斷；並借助數據可視化方法，將各類特征信息數據作進一步分析表達。北方工業大學作為一所工科類為主的應用型高校，高度重視構建適應時代發展的新工科創新交叉人纔培養模式。我們提出並試圖解決現階段課程教學中存在的三大問題：如何優化大數據思維訓練為導向的課程體繫？如何有效激發學生學習興趣，提高課堂實際參與度？如何強化新工科創新交叉人纔培養目標？探討以促進學生自主學習、提高專業間知識互通、增強教學成果創新應用為目標的現代教學體繫構建，結合教學研究主線的目標性設置，邀請統計學、經濟學等專業師生參與課堂學習研討。在解決相關教學問題中取得了使“教”與“學”者滿意的實際效果。獨具特色地將建築學研究生專業課程學習與統計分析、數據集成與分析、數據可視化分析等專業領域知識建立有機聯繫。本書所采統計分析是一種綜合分析方法，用以研究客觀事物中多個變量（或多個因素）之間相互依賴的統計規律性。從解決問題方式的角度，通統計分析方法分為兩大類。其一，是用於解決“降維問題”，通過綜合性變量代替有重疊信息的多個原始變量，用少量因素代替大量因素，使變量總數最少化的分析方法，主要包括：主成分分析、因子分析、對應分析、最優尺度分析、多維標度法；其二，是用於解決“分類問題”，是指根據研究對像之間特征變量的相似程度，對其所屬類型進行判斷聚合，主要包括：判別分析和聚類分析。本書中提及的“變量”主要指用於評價建築師或其建築作品特征的相關影響因素。此外，綜合運用了數字可視化、機器學習及NLP打分繫統等方法。本書研究寫作過程中，要特別感謝北方工業大學建築與藝術學院各位領導給予的工作條件及經費支持，以及同事在教學工作中的大力支持與幫助；感謝北方工業大學理學院趙桂梅教授近10年來在課堂教學、交叉人纔培養教學體繫構建中，給予的寶貴建議及學術支持；感謝教學研究中每位參與其中並付出大量工作時間與努力的相關專業研究生同學，以及在本書撰寫過程中參與大量圖文修編核對工作的建築學研究生吳潤奇、牟子怡、葉根、艾鑫、張仁偉、張佳華、張靜怡等同學。本項教學研究在2021年北方工業大學高等教育教學成果獎評選中獲一等獎。自2011年北方工業大學此教學項目實施以來，已有建築大類（建築、規劃、風景園林）、統計學、工商管理等多個專業300餘名（63組）研究生參與其中，並能夠將課堂學習成果進一步轉化應用於相關學習、科研工作中，受益面、受益深度不斷提高，教學成果得到了更普遍認可和關注。這在大數據思維訓練為導向、多專業融合方式解決問題的教學研究思路方面，對於人文類相關學科領域同樣具有一定的參考借鋻意義。注：書中所涉及的圖表中，“普獎”均指普利茲克建築獎。