全球教育治理大数据量化研究方法教程

本教材以大型公开数据库的量化研究方法介绍 为主线，聚焦国际组织全球教育治理数据库的大数 据研究方法，旨在通过研究方法的具体解析，探索 全球教育治理领域量化研究方法的可操性、实践性 和公开数据库分析的大数据结果重现性，从而促进 国际组织教育全球治理朝着更加科学化的方向发展 前进。本教材根据不同研究方法进行模块化讲解， 各单元内容相对独立完整，读者可根据具体需求进 行选读或选学。

第一单元 全球教育治理与教育大数据 第一节 全球教育治理与教育大数据简介 一、全球教育治理简介及发展 二、教育大数据简介及发展 小节练习 第二节 国际组织科学数据比较分析 一、经合组织(OECD)科学数据 二、联合国教科文组织(UNESCO)科学数据 三、欧盟(EU)科学数据 四、国际科学联盟(SI)科学数据 五、国际科学技术数据委员会(CODATA)科学数据 六、世界数据系统(WDS)科学数据 小节练习 第三节 PISA与全球教育治理发展 一、PISA简介及发展 二、PISA实施全球教育治理的路径 三、PISA对全球教育治理的影响 小节练习 本单元小结与习题测试 第二单元 机器学习算法与教育数据挖掘 第一节 预处理之数据集成与缺失值处理 一、数据集成(Data Integration) 二、缺失值处理(Missing Value Handling) 小节练习 第二节 机器学习的分类 一、监督学习 二、无监督学习 三、半监督学习 小节练习 第三节 模型的评估与性能度量 一、欠拟合与过拟合(Over-fitting & Under-fitting) 二、模型的评估和性能度量 三、正则化 小节练习 第四节 常见机器学习方法概览 一、决策树(Decision Tree) 二、分类与回归树(Classification and Regression Tree) 三、提升树(Boosting Tree) 四、梯度提升决策树(Gradient Boosting Decision Tree) 五、K均值聚类算法(K-means) 小节练习 第五节 支持向量机(Support Vector Machine) 一、发展历程 二、基本原理 三、支持向量机递归特征消除 小节练习 第六节 机器学习的Python程序语言实现 一、Python程序语言概述 二、常用的机器学习算法包 三、常用的机器学习库