如果是兩個選一的話，那就程式設計吧。

現在這個社會，很多都屬於是跨界來做，對於一個學社科的學生來說，如果懂得程式設計對於自己將來是非常有利的。

學程式設計最主要的，是學一套思維的方法，其中也包括了很多數學的知識，但更具有實用性。

對於程式設計的學習，可以較容易入門的開始學，並專於這一門，因為畢竟將來不是專門做程式設計師，所以將入門級的程式設計能熟練運用就比別人多了一項技能。

學程式設計需要花一定的時間，對於工作後的人來說，時間的成本是很大的，在大學期間就能掌握，對自己更有利。

如果同意，給個贊哦！

學社科的大學生學習數學和程式設計是有好處的。

學科之間是相輔相成的，有相互促進的作用。而不是說，學了某一學科，另一些學科的學習就會被削弱。我們知道，學習數學和程式設計能培養很好的抽象思維以及邏輯思維能力。這些能力不僅僅只適用於數學和程式設計，對大學生學習社科類的學科也有很大的幫助。

就拿程式設計來說，數學是它的基礎。程式設計是用一定的邏輯關係把程式碼組合起來。它需要程式設計師很好的縝密思維，需要程式設計人員提前考慮到使用者在操作中出現的各類錯誤以及系統執行時出現的各種情況，這些都需要提前在程式裡用程式碼表達出來，不然系統執行時可能就會崩潰。一個專案的前期工作，和社科類的學科密切關係，需要把現實中組織關係、協作關係以及具體的工作內容等等抽象出來並模型化。如果你做過行業的程式設計專案，你就好像在此行業裡，從頂端的領導到各個部門到每個人的具體工作再到它的社會外延關係中，走了一遍一樣，而且還考慮到了他們工作中可能出現的各種紕漏。而這些也不再是單單的數學和程式設計了。

良好的邏輯、縝密的思維以及社會關係的抽象概念化，這些對於學習社科類的學科也是非常重要的。而數學和程式設計就能培養鍛鍊這一方面的能力。所以，學習數學和程式設計對社科類的大學生是大有幫助的。

我覺得都可以學。我展開說說程式設計吧。

人工智慧、大資料和5G等技術的持續迅速發展，使用這些技術的應用已經無所不在了，智慧音箱、自動駕駛、送外賣的機器人、做病情診斷和手術的機器人，數不勝數。我們已經被捲入這場革命，所有人都無法置身其外。

可以預見的是，越來越多的職位會被人工智慧淘汰，但是風險和機遇同在，新的工作崗位也會孕育而生。去適應這樣的時代，去擁抱而不是逃避。提高自己的程式設計能力和程式設計的思維能讓你更有競爭力。

Python已經被浙江、北京、山東等列入高考內容了。在政策上，引導更多人成為這方面的專家。在AI時代，機遇是巨大的，人才的缺口也是巨大的。

程式設計培養的是思維能力和解決問題的方法，有了這些能力和方法，會讓你終生受益。

複合型人才是極其搶手的，不管是創造力，適應能力，都會更強。

沒有應不應該。

數學與程式設計都是工具，前者用來進行問題的定量分析，後者用來呼叫機器計算能力為自己服務。學不學取決於自己是否有進行這兩項活動的需求。

但這兩樣工具確實有極大的作用，掌握好可以讓你的思維與解決問題的能力得到質的飛躍，也能讓你看見大部分人都看不到的風景。

而這兩者之間本身也是密不可分的，機器語言離不開數字，演算法也離不開數學思維，工具與工具之間也會產生很美妙的化學反應。

其實理科與文科間沒有界限，理科學到深入必然會迴歸思想層面，引發哲學思考；文科學到深處必然也會涉及到數學分析，就像是一個完美的莫比烏斯圈，只是很少有人能在忙忙碌碌的一生中把這個圈給連起來罷了。

最後說一句比較現實的話：全民程式設計是未來的趨勢，有餘力一定要學。

這個取決於你未來想走的方向，社會科學的研究方法主要分成兩大塊：定性研究和定量研究。

如果你選擇定量研究的話，學好數學和程式設計還是非常重要的。因為定量研究就是利用數學工具和數學模型來研究社會問題。

比如最典型的就是經濟學，早期的經濟學研究都是定性的，比如亞當斯密的《國富論》。但是發展到今天，越是深層次的研究就越依賴於定量。這一點在經濟學課程裡面體現得非常明顯，比如依次會學到《初級微觀經濟學》，《中級微觀經濟學》，《高階微觀經濟學》，區分這三門課程最明顯的特徵就是數學公式所佔的比例，級別越高，數學公式的比例越大。到了高階微觀經濟學時，除了討論的還是經濟學問題以外，其方法幾乎就跟純粹數學沒有區別了。經濟學以外的其他社會科學，這個趨勢也越來越明顯。各種各樣的組織，管理，選擇，行為，都可以用數學模型來刻畫。

拿我的專業教育學舉例子：家長追求教育質量造成“學區房”現象，加劇了社會階層的分化；不同層級的學校畢業生人數比例影響到了技術進步，進而影響社會經濟發展；城鄉人口流動與子女入學選擇造成的階級固化現象等等，都是需要建立數學模型進行推理和計算的。

如果你數學學得好的話，那麼在這類問題的研究中便會如魚得水，甚至大殺四方。

社會科學中很大的一塊研究就是所謂的相關性分析，即一件事情是否與另外一件事情相關。比如家庭富裕程度與考上名校的機率，政府對教育投入的比例與教育質量的高低，教育水平的高低與經濟發展水平的高低等等。

而做相關性分析最主要的數學工具便是迴歸分析，迴歸分析理論上是機率論與數理統計的內容，裡面涉及到各種各樣的隨機變數，均值方差，分佈函式，相關係數等等內容，需要具有紮實的數學功底。

此外，如果做更深入的問題研究，還會使用到隨機過程，時間序列分析等高階的數學工具。計算機知識也非常重要。因為在做迴歸分析時，需要對大量的資料進行計算，而這些靠人來做是幾乎不可能的，所以就需要使用專門的計算機軟體。因此掌握幾門計算機軟體也是非常重要的，最常用的幾種有SPSS, Stata, R語言等等，寫論文時這些軟體是必須要用的。

甚至於，只掌握這幾種軟體還是不夠的，還必須要掌握程式設計知識。因為社會科學研究的是這個變化萬千的人類社會，你永遠無法預測會遇到什麼樣的問題，需要使用什麼樣的數學工具，建立什麼樣的數學模型。很多情況下，你所需要的計算功能，現有的軟體都不具備。這時候就只好你自己來編寫程式來實現這個功能了，這就是為什麼要學好程式設計的原因。常用的程式語言有c語言，另外，MATLAB軟體是一款兼具了邊懲與工具功能的非常棒的軟體，如果也能學會的話就再好不過了。當然另外還有一個很功利的原因，其實也是當下學科發展的一個大趨勢。就是學術期刊越來越偏愛於有數學公式的論文。社會科學落腳點還是科學，而一涉及到科學，就必須要有非常嚴密的邏輯分析。有時你用一大段文字天花亂墜地講了半天，倒不如直接把一個公式擺在上面來的實在。

同時社會科學研究既包括理論研究，也包括實證研究，就是說你要得到一個結論的話，不僅要講出道理來，而且還要有事實作為依據。而做實證研究就必須要使用數學工具了。甚至於如果你的論文裡面沒有實證研究的話，某些雜誌會拒絕接受。說了這麼多，學好數學和程式設計的重要性就不言而喻了，當然如果你不想走這一塊，只想走定性研究也是可以的，一切要按照自身的實際情況來。