掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
妙相梵容
-
>
基立爾蒙文:蒙文
-
>
我的石頭記
-
>
心靈元氣社
-
>
女性生存戰爭
-
>
縣中的孩子 中國縣域教育生態
-
>
(精)人類的明天(八品)
全球教育治理大數據量化研究方法教程 版權信息
- ISBN：9787308227292
- 條形碼：9787308227292 ; 978-7-308-22729-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
全球教育治理大數據量化研究方法教程 內容簡介
本教材以大型公開數據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數據庫的大數據研究方法, 旨在通過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、實踐性和公開數據庫分析的大數據結果重現性, 從而促進國際組織教育全球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塊化講解, 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。
全球教育治理大數據量化研究方法教程 目錄
**單元 全球教育治理與教育大數據
**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與全球教育治理發展
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
**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、支持向量機遞歸特征消除
小節練習
第六節 機器學習的Python程序語言實現
一、Python程序語言概述
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：一種基于教育大數據的學生核心素養評估軟件
**節 EBDCES軟件簡介
小節練習
第二節 EBDCES操作步驟
一、軟件安裝與設置
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代碼源文件
一、數據提取
二、刪除樣本缺失值
三、刪除變量缺失值
四、連續型變量的標準化和離散型變量的啞變量處理
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
**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、復雜中介模型
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、分類變量問題
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
**節 數據預處理之標準化
一、連續變量進行標準化(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軟件運行的操作步驟
一、明確變量概況
二、數據導入HLM軟件
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、*大似然估計法
二、廣義*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應用
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
**節 數據方法總結
一、人工智能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，因地制宜借鑒先進研究經驗
二、通過學科
**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與全球教育治理發展
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
**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、支持向量機遞歸特征消除
小節練習
第六節 機器學習的Python程序語言實現
一、Python程序語言概述
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：一種基于教育大數據的學生核心素養評估軟件
**節 EBDCES軟件簡介
小節練習
第二節 EBDCES操作步驟
一、軟件安裝與設置
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代碼源文件
一、數據提取
二、刪除樣本缺失值
三、刪除變量缺失值
四、連續型變量的標準化和離散型變量的啞變量處理
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
**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、復雜中介模型
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、分類變量問題
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
**節 數據預處理之標準化
一、連續變量進行標準化(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軟件運行的操作步驟
一、明確變量概況
二、數據導入HLM軟件
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、*大似然估計法
二、廣義*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應用
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
**節 數據方法總結
一、人工智能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，因地制宜借鑒先進研究經驗
二、通過學科
展開全部
全球教育治理大數據量化研究方法教程 作者簡介
胡潔，女，入選“教育部新世紀優秀人才支持計劃”，浙江大學外國語言文化與國際交流學院“百人計劃”研究員、博士生導師，主要從事英語教育、教育技術、全球教育治理研究。近年來，先后主持國家社科基金項目2項，獲得省級優秀科研成果獎一等獎；以第一作者／通訊作者發表中英文高水平期刊論文多篇，代表性研究成果發表在****的權威期刊；出版中英文專著3部。擔任省級學會常務理事。
書友推薦
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅庸西南聯大授課錄
- >
詩經-先民的歌唱
- >
羅曼·羅蘭讀書隨筆-精裝
- >
龍榆生：詞曲概論/大家小書
- >
伊索寓言-世界文學名著典藏-全譯本
- >
小考拉的故事-套裝共3冊
本類暢銷
