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。本教材可作为各类院校本科生、研究生讲授国际组织教育治理与教育大数据领域科研方法课程的教科书，特别适合该领域内有一定大数据分析基础的学生、教师和相关科研工作者深入学习和参考使用。

胡洁 女，入选教育部“新世纪优秀人才支持计划”，浙江大学外国语言文化与国际交流学院“百人计划”研究员、博士生导师。主要从事英语教育、教育技术、全球教育治理研究；先后主持国家社会科学基金项目２项，获得

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(DataIntegration)
二、缺失值处理(MissingValueHandling)
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(DecisionTree)
二、分类与回归树(ClassificationandRegressionTree)
三、提升树(BoostingTree)
四、梯度提升决策树(GradientBoostingDecisionTree)
五、K均值聚类算法(K-means)
小节练习
第五节支持向量机(SupportVectorMachine)
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
小节练习
第七节机器学习与全球教育治理
一、机器学习在全球教育治理中的运用
二、机器学习在全球教育治理中的优势
小节练习
本单元小结与习题测试
第三单元EBDCES：一种基于教育大数据的学生核心素养评估软件
第一节EBDCES软件简介
小节练习
第二节EBDCES操作步骤
一、软件安装与设置
二、数据提取
三、数据预处理
四、SVM、SVM-RFE和SVM-RFE-CV的使用
小节练习
第三节EBDCES代码源文件
一、数据提取
二、删除样本缺失值
三、删除变量缺失值
四、连续型变量的标准化和离散型变量的哑变量处理
五、KNN填充
六、中位数填充
七、SVM
八、SVM-RFE
九、SVM-RFV-CV
小节练习
本单元小结与习题测试
第四单元结构方程模型和多层中介分析方法
第一节结构方程模型
……