教育大数据应用及可视化 - 学生备课活动指南

模块一

Ask Questions to Make Data-Driven Decisions

数据驱动的问题提出

Google课程核心内容

数据分析六步法

Ask → Prepare → Process → Analyze → Share → Act

SMART问题框架

Specific, Measurable, Actionable, Relevant, Time-bound

教育场景延伸

学生学习诊断

如何利用数据提出关于学生学习困难的具体问题？例如："过去一个月内，在数学几何模块作业得分低于60分的学生，他们的视频观看完成率是否显著低于其他学生？"

教学效果评估

如何设计数据驱动的教学实验问题？例如："翻转课堂模式与传统讲授模式相比，是否能显著提高学生的期末考试成绩？"

AI时代延伸

AI辅助问题生成

展示如何使用AI工具帮助教育者从模糊的教学困惑中提炼出SMART问题

批判性思考

AI生成的问题是否真正触及教育本质？数据驱动与人文关怀如何平衡？

工具推荐

演示1-2个AI工具在教育问题诊断中的应用

学习资源

B站视频 Google官方课程

备课检查清单

清晰讲解数据分析六步法框架提供至少2个教育场景下的SMART问题案例展示AI工具在问题生成中的应用（现场演示或录屏）引发讨论：AI时代，提出好问题的能力为什么更重要？

模块二

Prepare Data for Exploration

为数据探索做准备

Google课程核心内容

数据类型与结构

结构化 vs 非结构化数据、数据格式基础

数据收集伦理

隐私、安全与合规性（GDPR、FERPA）

教育场景延伸

教育数据来源

学校信息系统（SIS）、学习管理系统（LMS）、在线学习平台、标准化考试、问卷调查、学习行为日志等

教育数据特殊性

学生隐私保护（FERPA法规）、数据最小化原则、匿名化处理方法

AI时代延伸

AI辅助数据发现

AI如何帮助教育者发现"隐藏"的数据源？

合成数据生成

AI生成合成学生数据用于教学演示，避免真实隐私泄露

数据真实性

当AI可以轻易生成逼真数据，真实性如何保证？

学习资源

B站视频 Google官方课程

备课检查清单

讲解教育领域常见数据类型与来源重点强调学生数据隐私保护的特殊重要性介绍至少1个AI辅助数据准备的工具或方法设计一个数据收集伦理的讨论环节

模块三

Process Data from Dirty to Clean

从脏数据到干净数据

Google课程核心内容

数据完整性检查

缺失值、重复值、异常值、不一致格式的识别

数据清洗技术

电子表格、SQL等工具的使用

教育场景延伸

教育数据常见问题

学生姓名重复/错误、学号格式不统一、成绩录入错误、缺考标记混乱等

成绩数据处理

如何处理补考、重修、免修等特殊情况的数据清洗？

⭐ 重点内容

教育测量领域的专业数据处理

这部分内容与教育测量专业密切相关，是模块三的特色延伸

测试题标注（Item Coding）

• 题型编码：单选、多选、判断、填空、简答标准化编码
• 知识点标注：数学→代数→一元二次方程层级标注
• 能力维度标注：布鲁姆分类法（记忆→创造六级）
• 难度预估标注：基于教师经验或历史数据

测试题特征工程

• 题目属性：字数、选项数、图表数量、公式复杂度
• 作答行为：平均时长、跳过率、修改率、首答正确率
• CTT指标：难度P值、区分度（点二列相关）、信度α
• 选项分析：干扰项有效性分析（Distractor Analysis）

教育数据标准化

• 得分标准化：原始分→Z分数→T分数→等第转换
• 能力估计值：IRT模型输出的能力参数（θ值）
• 答题序列编码：学习过程时间序列数据处理

测验数据质量控制

• 异常作答识别：随机作答、作弊嫌疑、速度异常
• 题目质量诊断：功能性选项比例、缺陷题目识别
• 测验等值处理：不同批次测验的分数可比性

特色案例建议（选择1-2个深入讲解）

题库建设中的题目标注流程 — 展示一道题目从原始录入到完整标注的生命周期
基于CTT的题目质量分析报告 — 如何用数据分析识别"坏题"（区分度为负的题目）
学习平台日志数据的标准化处理 — 非结构化点击流数据的特征提取

AI时代延伸

AI自动清洗

使用ChatGPT Code Interpreter、Kimi等工具自动识别并修复数据问题

智能异常检测

AI如何比传统规则更智能地发现教育数据中的异常

AI辅助题目标注

利用大模型自动提取题目考查的知识点、辅助难度预估

批判性思考

当AI自动"修复"数据时，如何确保它理解教育场景的特殊逻辑？

学习资源

B站视频 Google官方课程

扩展阅读（教育测量方向）

• 经典测量理论（CTT）基础：题目难度、区分度计算方法
• 题目反应理论（IRT）入门：题目参数估计概念
• 教育数据挖掘（EDM）中的特征工程方法

备课检查清单

列举至少3种教育数据的典型质量问题 ⭐（重点）介绍测试题标注的方法与意义：知识点标注、能力维度标注、题型编码 ⭐（重点）讲解至少1-2个题目特征指标：如难度P值、区分度的计算与解释演示数据清洗的操作（可用Excel/SQL/AI工具）展示AI工具在数据清洗和题目标注中的应用讨论：AI自动清洗 vs 人工审核的边界在哪里？

模块四

Analyze Data to Answer Questions

通过数据分析回答问题

Google课程核心内容

描述性统计

均值、中位数、众数、标准差等统计指标

数据透视与查询

Pivot Tables、SQL SELECT、A/B测试基础

教育场景延伸

学业表现分析

如何使用描述性统计总结一个班级的学习情况？如何识别"学习困难"学生？

教学干预效果

使用A/B测试思维设计教学改革实验（如：对照班 vs 实验班）

预测性分析入门

基于历史数据预测学生辍学风险（简单介绍预测分析概念）

AI时代延伸

AI数据分析助手

上传数据→AI自动分析→生成洞察报告

自然语言查询

通过自然语言提问直接获得数据分析结果

人类分析师价值

业务理解、因果推断、伦理判断

学习资源

B站视频 Google官方课程

备课检查清单

讲解描述性统计在教育分析中的应用提供至少1个完整的教育数据分析案例演示AI辅助数据分析的过程引导讨论：AI时代数据分析工作的核心能力转变

模块五

Share Data Through the Art of Visualization

通过数据可视化分享数据

Google课程核心内容

可视化原则

图表类型选择、避免图表 junk、有效使用颜色

数据叙事

Data Storytelling技巧、Tableau基础操作

教育场景延伸

教育仪表盘设计

学校管理者视角：学校运营仪表盘应包含哪些关键指标？

教师数据看板

教师视角：如何设计帮助教师快速了解班级学情的可视化界面？

教育数据叙事

如何用数据讲述一个关于"教育公平"或"学习成效"的故事？

AI时代延伸

AI一键生成可视化

从原始数据直接生成美观的可视化图表

AI辅助数据叙事

帮助提炼数据洞察并转化为有说服力的故事线

可视化误导警惕

如何避免"好看但误导"的图表？

学习资源

B站视频 Google官方课程

备课检查清单

介绍数据可视化基本原则与常见错误展示至少2个教育场景下的优秀可视化案例演示AI生成可视化的过程（可对比AI生成 vs 人工设计）讨论：如何批判性评估AI生成的可视化作品？

模块六

Introduction to Data Analysis Using Python

使用Python进行数据分析

Google课程核心内容

Python数据分析生态

Jupyter Notebook、Pandas、NumPy、Matplotlib

基础分析工作流

数据读取、清洗、分析、可视化的完整流程

教育场景延伸

Python在教育数据分析中的应用

批量处理学生成绩数据、自动化生成学习报告、分析学习行为日志

教育数据集实战

使用公开的教育数据集（如Kaggle的教育数据集）进行完整分析演示

从Excel到Python

对比展示：什么情况下应该用Python替代Excel？

AI时代延伸

AI辅助编程

让AI帮助编写Python数据分析代码（自然语言→代码、Debug）

零代码/低代码趋势

当AI可以写代码，是否还需要学习Python？——讨论"理解原理"vs"使用工具"

AI Code Agent

介绍Cursor、GitHub Copilot、Kimi CLI等AI编程助手

批判性思考

AI生成的代码可能存在什么问题？如何验证和调试？

学习资源

B站视频（吴恩达） Coursera课程

备课检查清单

介绍Python数据分析核心库的基本用法完成一个完整的教育数据分析代码演示（现场编码或录屏）展示AI辅助编程的实际应用讨论：AI时代，编程学习的价值与方式如何变化？

从学习者到传授者

两大核心延伸要求

教育场景延伸

AI时代背景延伸

六大备课模块

Ask Questions to Make Data-Driven Decisions

Google课程核心内容

数据分析六步法

SMART问题框架

教育场景延伸

学生学习诊断

教学效果评估

AI时代延伸

AI辅助问题生成

批判性思考

工具推荐

学习资源

备课检查清单

Prepare Data for Exploration

Google课程核心内容

数据类型与结构

数据收集伦理

教育场景延伸

教育数据来源

教育数据特殊性

AI时代延伸

AI辅助数据发现

合成数据生成

数据真实性

学习资源

备课检查清单

Process Data from Dirty to Clean

Google课程核心内容

数据完整性检查

数据清洗技术

教育场景延伸

教育数据常见问题

成绩数据处理

教育测量领域的专业数据处理

测试题标注（Item Coding）

测试题特征工程

教育数据标准化

测验数据质量控制

特色案例建议（选择1-2个深入讲解）

AI时代延伸

AI自动清洗

智能异常检测

AI辅助题目标注

批判性思考

学习资源

扩展阅读（教育测量方向）

备课检查清单

Analyze Data to Answer Questions

Google课程核心内容

描述性统计

数据透视与查询

教育场景延伸

学业表现分析

教学干预效果

预测性分析入门

AI时代延伸

AI数据分析助手

自然语言查询

人类分析师价值

学习资源

备课检查清单

Share Data Through the Art of Visualization

Google课程核心内容

可视化原则

数据叙事

教育场景延伸

教育仪表盘设计

教师数据看板

教育数据叙事

AI时代延伸

AI一键生成可视化

AI辅助数据叙事

可视化误导警惕

学习资源

备课检查清单