《全球教育治理大數據量化研究方法教程》是2022年浙江大學出版社出版的圖書。
基本介紹
- 中文名：全球教育治理大數據量化研究方法教程
- 出版時間：2022年7月1日
- 出版社：浙江大學出版社
- ISBN：9787308227292
內容簡介,圖書目錄,
內容簡介
本教材以大型公開資料庫的量化研究方法介紹為主線，聚焦國際組織全球教育治理資料庫的大數據研究方法，旨在通過對研究方法的具體解析，探索全球教育治理領域量化研究方法的可操性、實踐性和公開資料庫分析的大數據結果重現性，從而促進國際組織全球教育治理朝著更加科學化的方向發展前進。本教材根據不同研究方法進行模組化講解，各單元內容相對獨立完整，讀者可根據具體需求進行選讀或選學。本教材可作為各類院校本科生、研究生講授國際組織教育治理與教育大數據領域科研方法課程的教科書，特別適合該領域內有一定大數據分析基礎的學生、教師和相關科研工作者深入學習和參考使用。
圖書目錄
第一單元 全球教育治理與教育大數據
第一節 全球教育治理與教育大數據簡介
一、全球教育治理簡介及發展
二、教育大數據簡介及發展
小節練習
第二節 國際組織科學數據比較分析
一、經合組織(OECD)科學數據
二、聯合國教科文組織(UNESCO)科學數據
三、歐盟(EU)科學數據
四、國際科學聯盟(SI)科學數據
五、國際科學技術數據委員會(CODATA)科學數據
六、世界數據系統(WDS)科學數據
小節練習
第三節 PISA與全球教育治理髮展
一、PISA簡介及發展
二、PISA實施全球教育治理的路徑
三、PISA對全球教育治理的影響
小節練習
本單元小結與習題測試
第二單元 機器學習算法與教育數據挖掘
第一節 預處理之數據集成與缺失值處理
一、數據集成(Data Integration)
二、缺失值處理(Missing Value Handling)
小節練習
第二節 機器學習的分類
一、監督學習
二、無監督學習
三、半監督學習
小節練習
第三節 模型的評估與性能度量
一、欠擬合與過擬合(Over-fitting & Under-fitting)
二、模型的評估和性能度量
三、正則化
小節練習
第四節 常見機器學習方法概覽
一、決策樹(Decision Tree)
二、分類與回歸樹(Classification and Regression Tree)
三、提升樹(Boosting Tree)
四、梯度提升決策樹(Gradient Boosting Decision Tree)
五、K均值聚類算法(K-means)
小節練習
第五節 支持向量機(Support Vector Machine)
一、發展歷程
二、基本原理
三、支持向量機遞歸特徵消除
小節練習
第六節 機器學習的Python程式語言實現
一、Python程式語言概述
二、常用的機器學習算法包
三、常用的機器學習庫
小節練習
第七節 機器學習與全球教育治理
一、機器學習在全球教育治理中的運用
二、機器學習在全球教育治理中的優勢
小節練習
本單元小結與習題測試
第三單元 EBDCES：一種基於教育大數據的學生核心素養評估軟體
第一節 EBDCES軟體簡介
小節練習
第二節 EBDCES操作步驟
一、軟體安裝與設定
二、數據提取
三、數據預處理
四、SVM、SVM-RFE和SVM-RFE-CV的使用
小節練習
第三節 EBDCES代碼源檔案
一、數據提取
二、刪除樣本缺失值
三、刪除變數缺失值
四、連續型變數的標準化和離散型變數的啞變數處理
五、KNN填充
六、中位數填充
七、SVM
八、SVM-RFE
九、SVM-RFV-CV
小節練習
本單元小結與習題測試
第四單元 結構方程模型和多層中介分析方法
第一節 結構方程模型
一、結構方程模型簡介
二、結構方程模型建模步驟
小節練習
第二節 中介分析
一、中介分析方法簡介
二、檢驗中介的方法
三、效應量
四、複雜中介模型
小節練習
第三節 在結構方程模型中實現中介分析
小節練習
第四節 在R語言中使用結構方程模型實現中介分析
一、lavaan的安裝
二、lavaan的模型語法
三、估計方法、標準誤差和缺失值的處理
四、實例一：驗證性因子分析
五、實例二：結構方程模型
六、實例三：結構方程模型實現單層中介分析
七、多組問題
八、分類變數問題
九、多層線性回歸
十、多層結構方程模型
十一、實例四：雙層驗證性因子分析
十二、實例五：雙層結構方程模型
十三、實例六：雙層結構方程模型實現多層中介分析
本單元小結與習題測試
第五單元 多層線性模型分析方法
第一節 數據預處理之標準化
一、連續變數進行標準化(Normalization)處理
二、數據異常值檢測(Outlier)
第二節 多層線性模型方法簡介
一、多層嵌套數據的普遍性
二、多層線性模型的發展歷程
三、多層線性模型的基本原理
小節練習
第三節 多層線性模型在HLM軟體運行的操作步驟
一、明確變數概況
二、數據導入HLM軟體
三、HLM模型搭建步驟及結果解讀
小節練習
第四節 多層線性模型參數估計及模型檢驗
一、最大似然估計法
二、廣義最小二乘法
三、貝葉斯分析方法
四、自舉法
小節練習
第五節 多層線陛模型與全球教育治理
一、多層線性模型優勢特點
二、多層線性模型在全球教育治理中的套用
小節練習
本單元小節與習題測試
第六單元 全球教育治理量化研究的經驗啟示
第一節 數據方法總結
一、人工智慧機器學習算法與教育數據挖掘
二、結構方程模型、多層中介分析方法及多層線性模型
小節練習
第二節 利用有效研究方法及工具深人全球教育治理研究
一、加強國際交流，因地制宜借鑑先進研究經驗
二、通過學科
