如何系统深入地学习数据科学

内容简介

数据科学与教育涉及三个方面的知识。第一，这需要统计分析方面的理论知识，统计学是对数据进行描述和推断的基础。第二，如何在技术上实现，需要编程的知识或者软件方面的知识。第三，用数据科学来分析教育数据，还需要教育领域的基本知识，主要对教育的基本事实和运行情况有所了解，对于数据分析而言，这就需要知道试图用数据回答什么问题，也可以判断数据呈现的结果是否符合实际。

学习资料

编程方面的书籍

这儿主要是针对R编程语言的学习，并不是对于数据分析而言的，使用R语言进行数据分析，并不一定需要懂得R语言的基础知识，当然懂得R语言对于使用R语言进行数据分析有帮助的，一是可以发现数据分析中的一些问题在哪，二是使用更有效的方式解决数据分析中的问题。 不掌握R语言也可以做数据分析，是因为数据分析的技术，已经有着比较成熟的高阶的packages来完成，只需要掌握这些高阶的package的使用，就可以做数据分析。

数据科学方面

  • R for data science。以R语言和tidyverse软件包，重点介绍数据分析的各种技术操作。

  • Data science in education using R。聚焦于将数据科学的理论与技术应用到教育数据的分析当中，以案例项目为单位进行内容设计，以数据分析的具体场景展开，具体的分析技术穿插在项目分析过程中。

  • The art of data science。对数据分析的目标、思路以及操作过程进行了详细的介绍，特色之处在于其不是介绍数据分析过程的具体技术操作，而是分享完整的数据分析过程中的各种问题的应对与思考。是作者丰富数据分析经验的总结；

  • Introduction to Data Science.　以计算机科学学科视角下的数据科学。拓展阅读。

数据分析目标及其需要的数理基础

数据分析目标

用数据来提示教育现象中的一些基本事实与规律。可以表现为以下类型的问题。

  1. 描述性问题，个体单一特征的总结，主要是统计频数，趋势，分布等。有多少中职学生选择参加考试？学生英语成绩的分布情况如何？有多少教师在什么时间离开教师队伍？研究生招生的趋势是什么？
  2. 相关性的研究，揭示教育不同现象的一些关系，男生、女生在数学成绩是否有差异？父母的不同职业类型对学生的成绩是否相关，技术上，这涉及T-test, anova, correlation, chi2分析等。
  3. 条件相关（conditional association）,很多教育现象并不是单一因素影响的，需要在控制其它变量的影响之下，看另外一个影响因素的作用。比如教育对毕业生收入的影响需要控制家庭经济条件的影响。
  4. 预测性分析（predictive analysis），这是传统量化研究所忽略的一个地方，却是机器学习领域所比较善长的地方，如何将机器学习的技术运用教育当中，应该是数据科学与教育应当着力探索的领域，比如，预测学习的成绩，预测教师的需求，比例自动批改学生试卷。对课堂教学过程进行评价等等。
  5. 因果及其机制的分析。学术研究最希望获得的答案是多数是因果性质的，我们希望知道，一个现象的发生是否是某个因素影响的，它的作用的大小是怎样的，它的作用是怎么实现的。比如集团化办学在整体是否促进了教育公平？作用大小？如何实现的？

所需统计知识

  1. 描述性分析，最基本数学知识即可；
  2. 相关分析（独立相关或者条件相关），统计学的基本知识；
  3. 预测性分析，机器学习相关的知识；
  4. 因果分析，因果推断相关的原理与技术。

相关学习材料

基础知识

概率与统计是数据科学的理论基础，也是学习数据科学的基础。不同的研究问题需要不同层级和不同版块的统计知识。这可以分为三个方面的知识。最为基础的。概率论和统计推断的知识。还有线性代数的知识。这是很多数据分析的需要掌握最为基础的知识。另外，就是统计学的基本知识：相关性分析、多元回归、广义多元回归等。最后的分析主要是因果推断的知识。因果推断理论与技术以统计推断为基础，但更多需要研究设计和领域性的知识，以及如何将领域内的知识运用的研究设计中去。

拓展读物
进阶读物

其它资源