【现货速发】数据驱动的技术基础(全4册)

序　一
近年来，大数据、人工智能等技术在教育管理变革、学习模式变革、教育评价体系变革、教育科学研究变革等方面的作用日益凸显。国家高度重视教育大数据的发展，鼓励教师主动适应信息化时代变革。2018 年1 月，《中共中央国务院关于全面深化新时代教师队伍建设改革的意见》明确提出：“教师要主动适应信息化、人工智能等新技术变革，积极有效开展教育教学”。2018 年4 月，*印发《教育信息化2.0 行动计划》，指出要深化教育大数据应用，大力提升教师信息素养。2018 年8 月，*办公厅印发通知，启动人工智能助推教师队伍建设行动试点，将探索应用大数据支持教师工作决策、优化教师管理作为重要试点内容。2019 年3 月，*印发《关于实施全国中小学教师信息技术应用能力提升工程2.0 的意见》，强调大数据、人工智能等新技术的变革对教师信息素养提出了新要求，教师需要主动适应新技术变革。
当前，随着新技术的不断涌现与发展，很多原有的教育理论都迸发出了新的火花，大数据、人工智能等技术与教育的深度融合，将促进我们加快发展伴随每个人一生的教育、平等面向每个人的教育、适合每个人的教育、更加开放灵活的教育。教育大数据可以让教师读懂学生，让教育教学更加智慧，让教育研究更加科学。教育大数据可以让管理者读懂学校，由“经验式”决策变为“数据辅助式”决策，推动教育、教学、教研、管理、评价等领域的创新发展。
我认识方海光教授好多年了，启动丛书的策划工作时，海光还提出，希望请重量级人物来担纲主编，但我不这么认为。我觉得像他这样的中青年学者已经成长为学科发展的一线主力，理应主动承担起更大的责任。这套丛书的出版确实也让我有眼前一亮的感觉。丛书内容丰富、形式新颖，根据学校的不同角色分成了五个系列：数据思维系列、数据驱动的技术基础系列、数据驱动的智慧学校系列、数据驱动的智慧课堂系列和数据驱动的教育研究系列。丛书符合中小学教师信息技术应用能力提升工程2.0 的要求，相信将在各级单位信息化领导力培训、信息化教学创新培训、数据能力素养培训等工作中发挥重要作用，能够为教育管理者的数据智能决策提供帮助，为教师教育的研究者提供参考，更值得广大的学校管理者、教师阅读和学习。
希望这套丛书的出版能够促使教育大数据更好地助推教育教学改革和培训教研改革，引领中小学教育的整体变革，进而推动教育的跨越式发展。
华东师范大学教授　任友群
序　二
国家教育现代化和智慧教育示范区的建设都强调了教育大数据的应用方向，教育大数据中心建设和区域数据互联互通成为当前教育信息化的发展重点。
从我国教育信息化的发展趋势来看，基础环境和资源的建设与应用快速推进，师生信息化应用能力和水平显著提升。信息化不断发展带来知识获取方式和传授方式、教与学关系的革命性变化，很多学校面临知识的体系化建设阶段。在大数据和人工智能的环境下，我们面临很多新的问题：如何建设学校的知识体系？如何指导学生的学习过程？学习过程的数字化带来了更多的大数据，人工智能的数据处理引擎带来了更复杂、更精准的应用场景，更自然、更贴近人们日常生活的人机交互带来更直观的体验。各种教育大数据和人工智能应用层出不穷，学校的选择空间很大，但是在此之前，我们必须对学校的定位和自身需求有一个明确的认识：学校为什么需要教育大数据？教育大数据能帮学校做什么？学校是否需要转变应用数据的思维方式？
实际上，教育大数据并不神秘，它一直伴随着数字校园、智慧教室学习环境的建设、学习空间的应用、在线教育的发展等。教育大数据具体可以应用于精准教学、学情分析、精准管理、科学决策、学生生涯成长过程记录、学校数据统一优化。未来学校和智慧教育示范区的建设离不开教育大数据，教育大数据的应用也离不开管理者和师生对它的认识和理解，这些都是产生信息化价值的重要基础。
为了服务新时代大数据、人工智能等技术带来的教育变革需求，促进广大教育工作者深入理解和学习有关教育大数据应用的价值和知识，这套丛书应运而生。这套丛书内容全面、新颖，案例丰富且适合实践，可供关注教育大数据和教师培训的研究者和实践者使用，更值得关注未来学校发展和教师队伍建设的学校使用，也期待丛书能根据使用情况和技术的发展，愈加完善。
北京师范大学教授　黄荣怀
序　三
以人工智能为代表的新一代信息技术对教育的发展具有重要影响，国家高度重视智慧教育的发展，希望加快人工智能在教育领域的创新应用。利用智能技术支撑人才培养模式的创新、教学方法的改革、教育治理能力的提升，构建智能化、网络化、个性化、终身化的教育体系，是推进教育均衡发展、促进教育公平、提高教育质量的重要手段，这也是实现我国教育现代化的重要动力和有力支撑手段。
对于学校，数据将会成为学校重要的资产，这是教育大数据生态的基石。学校将是一个教育大数据中心，能够实现多层面数据价值的共享。对于课堂，数据的核心价值是形成闭环，并通过这种闭环迭代，使学生的学习效果越来越接近预期目标。如何迎接新时代教育大数据的挑战是学校面临的问题，本套丛书旨在帮助学校应用教育大数据，探索基于数据的思维转变过程，掌握应用教育大数据进行教育创新的方法。
本套丛书采用了新颖的内容组织形式，各册均采用扁平化组织，只有章的结构，没有节的结构。各章的结构要素包括知识检查点、能力里程碑、核心问题、问题串、活动。其中，知识检查点是知识检查的基本单元，能力里程碑是任务完成的标志性能力。各章通过核心问题引发学习者思考，以系列问题串组织内容，引导学习者通过评估性问题和反思性活动进行探究，实现知识学习和能力提升的演化过程。活动包括自主活动、小组活动和评价活动。在自主活动中，学习者首先对本章内容进行反思，反思在平时的教育实践中是否出现过类似的问题或现象等，然后写个人心得，结合本章内容阐述在以后的教学实践中可以有怎样的举措。在小组活动中，集体讨论本章所学内容，然后各抒己见，思考如何改善教学质量，属于小组层面的交流。评价活动用于评价和检测，不仅适用于参加教师培训的教师、教育管理者，还适用于不参加培训的广大学习者。这三个活动的设置符合研修的典型特征，每个活动都有一个聚焦的主题，不限定具体的活动内容，有利于组织者安排工作，根据实际的需要展开活动，也适合学习者的自主学习、反思。
本套丛书共分为五个系列，它们分别是：数据思维系列（全1 册）、数据驱动的技术基础系列（全4 册）、数据驱动的智慧学校系列（全4 册）、数据驱动的智慧课堂系列（全4 册）、数据驱动的教育研究系列（全4 册），共计17 册。本套丛书的任何一册都可以单独组成8 ～ 12 学时的培训课程，又可以以系列教材为主题组成培训主题单元模块。本套丛书既适用于国家层面、各省、各市、各区县级、各级各类学校进行有组织的教师教育和培训活动，又支持一线教师、教研员、管理者、研究者及教育服务人员的自主学习，还适合大学、研究生及高校教师进行参考和学习。本套丛书难免存在各种问题和不足，恳请各位同仁不吝赐教！
方海光
首都师范大学

《中小学教育大数据分析师系列培训教材》主要用于线上及线下的中小学教师培训项目，还可用于教师、教研人员、教学管理人员等教育工作者的自主学习和提升。本教材计划纳入中小学信息技术应用能力提升工程2.0项目，还将作为大数据MOOC线上课程的主要学习资料，供参加课程的学习者阅读、学习。《中小学教育大数据分析师系列培训教材》共有5个品种：教育大数据、数据驱动的技术基础、数据驱动的智慧学校、数据驱动的智慧课堂、数据驱动的教育研究。

《中小学教育大数据分析师系列培训教材》是由任友群教授、黄荣怀教授作序，由首都师范大学教授方海光邀请北师大、华中师大、华南师大、内蒙师大、陕西师大等各大师范院校教授以及海淀区教师进修学校主任和国家开放大学、北京教科院等院校专家一起编写的成体系的、完整而全面的大数据分析师培训教材。

     本书为数据驱动的技术基础，套书，全4册，包括数据技术基础应用、常见的教育数据处理方法、数据可视化方法、Excel的数据分析。通过讲解具体的数据分析方法，切实提高一线教师数据分析的能力，帮助教师全方位地了解学生，从而进行精准教学。

《中小学教育大数据分析师系列培训教材》主要用于线上及线下的中小学教师培训项目，还可用于教师、教研人员、教学管理人员等教育工作者的自主学习和提升。本教材计划纳入中小学信息技术应用能力提升工程2.0项目，还将作为大数据MOOC线上课程的主要学习资料，供参加课程的学习者阅读、学习。《中小学教育大数据分析师系列培训教材》共有5个品种：教育大数据、数据驱动的技术基础、数据驱动的智慧学校、数据驱动的智慧课堂、数据驱动的教育研究。

《中小学教育大数据分析师系列培训教材》是由任友群教授、黄荣怀教授作序，由首都师范大学教授方海光邀请北师大、华中师大、华南师大、内蒙师大、陕西师大等各大师范院校教授以及海淀区教师进修学校主任和国家开放大学、北京教科院等院校专家一起编写的成体系的、完整而全面的大数据分析师培训教材。

 本书为数据驱动的技术基础，套书，全4册，包括数据技术基础应用、常见的教育数据处理方法、数据可视化方法、Excel的数据分析。通过讲解具体的数据分析方法，切实提高一线教师数据分析的能力，帮助教师全方位地了解学生，从而进行精准教学。

方海光，首都师范大学教育学院教授，博士/博士后，教育技术学专业负责人，人工智能教育研究中心副主任，远程教育研究所所长，北京师范大学智慧学习研究院智慧学习白皮书首席研究员，全国信息技术标准化技术委员会教育技术分技术委员会委员，中国教育技术协会人工智能专业委员会常务理事, 中国人工智能学会智能教育技术专业委员会委员，美国密歇根州立大学访问学者，挪威奥斯陆大学学院访问学者，北京师范大学博士后，中国科学院博士。出版国内本《教育大数据》图书，人教版/中图版《人工智能初步》国家教材主编，主持《中国智慧学习环境白皮书》研究等。主要研究方向：教育大数据，智慧教育与移动学习，人工智能教育机器人，智慧校园与未来学校等。

魏顺平（1981-），男，江西南昌人，理学博士，研究员，现任国家开放大学信息化部（工程中心）副处长，数字化学习技术集成与应用*工程研究中心副主任，并担任数字福建终身教育大数据研究所兼职研究员，《开放教育研究》《现代教育技术》《现代远程教育研究》等CSSCI来源期刊外审专家。多年从事教育技术、远程教育研究，研究方向为教育大数据与学习分析，先后在CSSCI来源期刊、中文教育类核心期刊上发表论文100余篇，累计被引1600余次；已出版《在线教育学习分析研究》《教育数据挖掘：方法与应用》《教学设计专家系统研究》《远程教育技术-媒体与学习的融合》等著作；承担了全国教育科学规划重点课题、北京市教育科学规划重点课题、*司局委托课题、*在线教育研究中心课题、*行业职业教育教学指导委员会课题、北京师范大学联校课题以及国家开放大学校级课题等10余项课题。

     鲍建樟，北京师范大学系统科学学院教师，研究方向是系统分析与集成。是一位新技术的探索者和实践者，享受探索新技术的过程和收获新成果的喜悦。除了保证完成学校要求的教学和科研任务，把大量的时间用于新知识、新技术的学习和应用实践上。1992年次接触计算机，鲍老师就爱上了它。从编写小游戏到开发大型信息系统，边干边学，边学边用，乐在其中。在数据为王的大数据时代，鲍老师深入研究了Hadoop生态圈的主要内容，掌握了大数据项目建设的各个关键环节。从hadoop hdfs，mapreduce，hbase，hive，zookeeper，spark等的安装配置，到人工智能领域的机器学习、深度学习，以及相关算法在语音处理、图像处理、模式识别等方面的实际应用，鲍老师都有着丰富的实践经验。

      杨楠，博士，北京教育科学研究院高等教育科学研究所，助理研究员。2015年毕业于意大利特伦托大学认知科学学院，获博士学位。2016年博士论文《Quality Teaching in Large University Classes: Designing Online Collaboration among Learners for Deep Understanding》获意大利“探索eLearning”优秀硕博论文二等奖；2018年获北京市高等教育教学成果二等奖；2019年获《北京教育》杂志社创刊70周年荣誉人物。出版学术专著《eLearning for Quality Teaching in Higher Education: Teachers’ Perception, Practice, and Interventions》。主要研究方向包括高等教育质量监测与评价、数据可视化、教育技术。主持北京市教育科学规划课题。兼任Journal of International Education and Practice编委会成员。

      李童，博士，北京工业大学信息学部，讲师，硕士生导师。2016年毕业于意大利特伦托大学信息工程与计算机科学系，获博士学位。入选2018年北京市优秀人才青年骨干个人项目。主要研究方向包括软件工程，数据可视化，机器学习等。近五年研究成果发表在JSS、SoSyM、IST、REJ、CAiSE等本领域国际著名学术期刊和会议。主持国家自然科学基金青年科学基金，国家重点研发计划项目课题子课题、北京市教育科学规划等项目，曾参与欧洲研究理事会重点项目。现为中国计算机学会软件工程专业委员会委员，国际安全标准ISO/IEC 24392副主编 (工作草案阶段)。在国际期刊与会议上发表论文30余篇，在国际会议做论文报告20余次。

      荆永君（1979-），男，2008年毕业于东北师范大学获得博士学位。现任沈阳师范大学教育技术学院副院长，教授，入选辽宁省百千万人才工程千层次人选，沈阳市拔尖人才，沈阳师范大学优秀科技人才支持计划。主要研究方向包括数字化学习环境与资源、技术支持下的教师培训、学习分析技术、中小学人工智能教育等。主持全国教科规划、辽宁省科技厅等各类课题十余项，完成多项*、省教育厅的教育资源与软件开发类横向课题，主编教材5部，在国内外期刊、会议上发表SCI、EI、CSSCI索引类论文20余篇。荣获全国基础教育教学成果二等奖1项，辽宁省教育科学“十二五”中期优秀成果二等奖1项。李俊杰，北京教育学院丰台分院信息技术教研员，数据中心副主任，中学高级教师，北京市级骨干教师。多次指导教师获全国、市比赛获一等奖。

《数据技术基础应用》目录 
章　开门见山——大数据概述 / 001 
002　问题一：什么是大数据？ 
005　问题二：大数据有什么用？ 
008　问题三：如何实现大数据的价值期望？ 
第二章　见猎心喜——数据获取 / 016 
017　问题一：数据是怎么产生的？ 
020　问题二：如何获取内部数据？ 
024　问题三：如何获取外部数据？ 
第三章　分而治之——分布式数据存储 / 034 
035　问题一：如何在计算机中存储数据？ 
036　问题二：半结构化和非结构化数据如何存储和管理？ 
039　问题三：面对海量数据，如何存储和管理数据才能满足应用系统的 
　 高 性能需求？ 
044　问题四：分布式文件系统的体系结构和工作原理是怎样的？ 
049　问题五：分布式数据库的基本结构和工作原理是怎样的？ 
052　问题六：非关系型数据库如何支持SQL 查询？ 
·XI· 
目 录 
第四章　抽丝剥茧——数据分析 / 056 
058　问题一：为什么需要对数据进行预处理？ 
059　问题二：常见的数据预处理方法有哪些？ 
060　问题三：如何实现数据规约？ 
061　问题四：如何区分特征提取和特征选择？ 
063　问题五：大数据挖掘都有哪些常用的方法？ 
第五章　如虎添翼——智能大数据分析 / 066 
067　问题一：什么是人工智能？ 
070　问题二：什么是机器学习？ 
072　问题三：机器学习都有哪些类型？ 
078　问题四：什么是深度学习？ 
第六章　神来之笔——分布式计算 / 083 
084　问题一：提高计算能力的方式有哪些？ 
086　问题二：如何使用Hadoop 实现大规模数据的计算？ 
089　问题三：如何支持大规模数据的在线计算？ 
096　问题四：有哪些提升算力的方法？ 
参考文献 / 100 

《常见的教育数据处理方法》目　录 
章　教育数据采集与存储 / 001 
002　问题一：教育数据的类型及采集方法有哪些？ 
004　问题二：如何备份数据库？ 
008　问题三：如何爬取数据库数据？ 
013　问题四：如何采集伴随性数据？ 
018　问题五：如何采集反应性数据？ 
第二章　教育数据分析与可视化 / 028 
029　问题一：如何对数据进行预处理？ 
035　问题二：如何完成统计分析？ 
036　问题三：如何进行聚类？ 
038　问题四：如何完成预测？ 
042　问题五：如何进行关系挖掘？ 
046　问题六：如何进行社会网络分析？ 
048　问题七：如何进行文本挖掘？ 
050　问题八：如何开展教学视频分析？ 
054　问题九：什么是数据可视化及其基本要素？ 
第三章　教学类数据处理 / 059 
060　问题一：什么是学习分析？ 
063　问题二：教学平台数据的一般结构是什么？ 
067　问题三：如何使用SQL 查询开展学习分析与可视化？ 
第四章　管理类数据处理 / 077 
078　问题一：数据与决策之间有什么关系？ 
079　问题二：如何做到数据驱动的科学决策？ 
081　问题三：教育教学管理数据有哪些典型应用？ 
085　问题四：如何用Power BI 动态可视化呈现学籍数据并辅助决策？ 
第五章　科研类数据处理 / 096 
097　问题一：什么是数据密集型科学研究？有哪些特点？ 
098　问题二：文献研究与科学知识图谱有何关系？ 
100　问题三：知识图谱绘制工具CiteSpace 的由来和特点？ 
102　问题四：如何用CiteSpace 完成文献分析？ 
参考资料 / 112 

《数据可视化方法》目　录 
章　数据与数据可视化 / 001 
002　问题一：数据有哪些类型？ 
006　问题二： 什么是数据可视化？ 
012　问题三：为什么进行数据可视化? 
014　问题四：如何进行数据可视化? 
第二章　视觉七要素与认知基础 / 021 
022　问题一：视觉七要素分别是什么？ 
026　问题二：什么是视知觉？什么是视错觉？ 
031　问题三：什么是格式塔原则？ 
034　问题四：视觉七要素和格式塔原则对可视化有哪些启示？ 
第三章　数据可视化开发过程 / 041 
042　问题一：如何获取和分析用户的数据可视化需求？ 
044　问题二：如何提出数据可视化设计方案？ 
059　问题三：有哪些常用的数据可视化实现技术? 
060　问题四：如何评估数据可视化效果? 
第四章　可视化实现与评估 / 066 
067　问题1：常用的静态可视化方法有哪些？ 
076　问题2：常用的交互式可视化方法有哪些？ 
082　问题3：如何评估可视化效果？ 
附录 　R 语言基础 / 087 
参考资料 / 092 

《Excel 的数据分析》目　录 
章 　创建和美化工作表 / 001 
002　问题一：什么是工作簿、工作表、单元格、单元格区域？ 
003　问题二：如何建立和保存工作簿？ 
004　问题三：如何在工作表中输入各类数据？ 
010　问题四：如何美化工作表？ 
第二章　数据的计算 / 014 
015　问题一：什么是公式？有哪些运算符？如何输入和复制公式？ 
017　问题二：Excel 中有哪些函数？如何运用这些函数进行计算？ 
024　问题三：如何实现多条件的求和、求平均数、统计人数？ 
027　问题四：如何根据身份证号信息提取出生日期、性别、年龄信息？ 
第三章　数据的分析与处理 / 030 
031　问题一：数据清单是什么？ 
031　问题二：如何排序和筛选？ 
038　问题三：如何应用条件格式？ 
040　问题四：如何分类汇总？ 
042　问题五：如何创建数据透视表和数据透视图？ 
045　问题六：如何使用Power Pivot 创建数据模型和数据透视表？ 
第四章　数据的图形表示 / 052 
053　问题一：图表是由哪些元素构成的？如何创建图表？ 
055　问题二：如何创建各类图表？ 
062　问题三：如何编辑图表？ 
065　问题四：如何美化图表？ 
第五章　Excel 在教学和研究中的应用 / 069 
070　问题一：如何使用“描述统计”分析工具？ 
075　问题二：如何制作频数分布表和直方图？ 
077　问题三：如何计算排位和百分比排位? 
079　问题四：如何计算成绩的标准分数？ 
083　问题五：如何对教学研究中得到的数据进行统计假设检验分析？ 
085　问题六：如何对两个独立样本平均数间差异进行检验？ 
090　问题七：如何对两个相关样本平均数间差异进行检验？ 
参考文献 / 099

《中小学教育大数据分析师系列培训教材》主要用于线上及线下的中小学教师培训项目，还可用于教师、教研人员、教学管理人员等教育工作者的自主学习和提升。本教材计划纳入中小学信息技术应用能力提升工程2.0项目，还将作为