作者：李富字
出版社：电子工业出版社
出版日期：2024
ISBN：9787121488191
电子书格式：pdf/epub/txt
网盘下载地址：下载大数据开发与应用外语教学实践分析
内容简介
本书是一部系统探讨大数据技术在外语教学领域中应用的专著。本书通过案例分析，本书重点探讨了大数据在外语教学中的具体应用、基于大数据的外语在线学习效果评价、外语教学数据的采集与处理、外语教学数据的分析与可视化，以及数据安全和隐私保护。研究的范围涵盖了大数据技术在外语教学过程中的各个环节，从教学准备、教学实施到教学评价，再到数据的采集、处理、分析和可视化，全面展示了大数据技术在外语教学中的应用前景。旨在帮助教育工作者、研究人员和学生理解大数据时代外语教学的变革及其带来的机遇与挑战，通过详尽的理论分析和实践案例，提供从数据采集、处理、分析到可视化的全面指导。
作者简介
李富宇，大连外国语大学信息技术中心主任，副教授。辽宁省高校教师培训专家库专家，中国教育技术协会外语专业委员会常务理事，中国教育技术协会优秀工作者，第六届智慧高校CIO论坛“智慧高校数字化转型优秀CIO”，大连市网络安全专家库成员，大连市政务信息化专家。研究方向：大数据、教育信息化。带领团队所获荣誉：获选全国信标委《高等学校数字校园建设规范》优秀应用案例，辽宁省首批高等学校数字校园试点建设单位，第六届智慧高校CIO论坛“智慧校园-示范高校”。杜晨宁，2021年硕士毕业于大连工业大学控制科学与工程专业，在校期间专注于深度学习课题研究。目前在互联网公司负责离线数据调度平台建设，致力于数据驱动的技术创新与应用。
目录
第1章 绪论 11.1 大数据时代 11.1.1 人类活动大数据 11.1.2 智慧城市大数据 21.1.3 体育大数据 31.1.4 健康大数据 31.2 大数据的本质 41.2.1 规模（Volume） 41.2.2 多样（Variety） 51.2.3 价值（Value） 51.2.4 高速（Velocity） 51.3 教育大数据 6第2章 外语教学理论与 方法研究综述 92.1 传统外语教学理论与方法 9第1章 绪论 1
1.1 大数据时代 1
1.1.1 人类活动大数据 1
1.1.2 智慧城市大数据 2
1.1.3 体育大数据 3
1.1.4 健康大数据 3
1.2 大数据的本质 4
1.2.1 规模（Volume） 4
1.2.2 多样（Variety） 5
1.2.3 价值（Value） 5
1.2.4 高速（Velocity） 5
1.3 教育大数据 6
第2章 外语教学理论与 方法研究综述 9
2.1 传统外语教学理论与方法 9
2.1.1 传统外语教学理论 10
2.1.2 传统外语教学方法 13
2.2 计算机辅助外语教学理论与方法 16
2.2.1 计算机辅助外语教学理论 17
2.2.2 计算机辅助外语教学工具 19
2.2.3 计算机辅助外语教学方法 20
2.3 “互联网+”时代外语教学理论与方法 21
2.3.1 “互联网+”时代外语教学理论 21
2.3.2 “互联网+”时代外语教学方法 22
2.3.3 从“互联网+”到大数据 26
第3章 大数据在外语教学过程中的应用 27
3.1 教学的准备环节 28
3.1.1 大数据服务教材编写、评估 28
3.1.2 大数据服务教学大纲的设计 29
3.2 教学的实施过程 30
3.2.1 基于语料库的数据驱动学习与外语教学素材 31
3.2.2 数据驱动学习与构建主义外语教学 33
第4章 大数据在外语在线学习效果评价中的应用 37
4.1 在线学习效果预测研究现状 37
4.1.1 在线学习的产生和发展 37
4.1.2 国内外研究现状 40
4.2 理论基础与相关模型 42
4.2.1 基于学习效果预测的教学技术 43
4.2.2 表征学习 44
4.2.3 Hawkes过程 45
4.2.4 深度学习模型 48
4.3 基于学生行为数据的新型Hawkes过程研究 51
4.3.1 学习行为序列 52
4.3.2 表征学习行为 53
4.3.3 新型Hawkes过程提出 54
4.3.4 新型Hawkes过程实现 57
4.4 学习效果预测模型EduHawkes 62
4.4.1 量化学习效果 62
4.4.2 学习效果预测 63
4.4.3 数据集 67
4.4.4 实验 69
第5章 外语教学数据采集 77
5.1 外语教学数据采集方法 77
5.1.1 社会调查法 77
5.1.2 开放数据源中获取 80
5.1.3 设备数据采集 80
5.1.4 数据交易平台 81
5.1.5 数据报采集 82
5.1.6 网络数据爬虫采集 82
5.1.7 日志采集 83
5.1.8 离线采集 84
5.1.9 实时采集 85
5.1.10 埋点采集 85
5.2 外语教学数据采集技术 87
5.2.1 分层数据采集 87
5.2.2 分层管道模型 88
5.2.3 分层采集进程监控 89
5.2.4 分组的双层哈希负载均衡方法 90
5.3 外语教学数据采集方法及模型 92
5.3.1 教学情境问题 92
5.3.2 教学数据采集技术 93
5.3.3 数据采集模型建立 94
5.4 外语教学数据采集软件 97
5.4.1 Flume 97
5.4.2 Logstash 98
5.4.3 Filebeat 99
5.4.4 八爪鱼采集器 100
5.4.5 ParseHub 100
第6章 外语教学数据处理 101
6.1 外语教学数据处理方法 101
6.1.1 数据清理 101
6.1.2 数据集成 103
6.1.3 数据规约 104
6.1.4 数据变换 106
6.1.5 相似性度量 107
6.2 线上学习分析数据处理 108
6.2.1 构建模型 108
6.2.2 数据处理方法 110
6.3 外语教学数据处理框架 114
6.3.1 实时流数据处理框架 114
6.3.2 实时数据查询处理框架 117
6.3.3 数据导入导出批处理框架 118
第7章 外语教学数据分析 121
7.1 外语教学数据分析框架 121
7.2 外语教学数据分析的流程 122
7.3 外语教学数据分析的方法 123
7.3.1 统计分析方法 123
7.3.2 数据挖掘方法 125
7.3.3 其他数据分析方法 128
7.4 外语教学数据分析使用工具 135
7.4.1 微软数据分析工具 135
7.4.2 数理统计工具 136
7.4.3 BI工具 138
7.4.4 数据库工具 140
7.4.5 编程工具 141
7.4.6 其他软件 143
7.5 外语教学数据分析相关算法 143
7.5.1 C4.5决策树算法 143
7.5.2 朴素贝叶斯算法 144
7.5.3 SVM支持向量机算法 144
7.5.4 KNN 145
7.5.5 K-Means聚类算法 145
7.5.6 CART算法 146
7.5.7 AdaBoost自适应提升算法 147
7.5.8 Apriori关联规则算法 148
7.5.9 EM聚类算法 148
7.5.10 PageRank算法 149
第8章 外语教学数据可视化 151
8.1 外语教学数据可视化的基本模型 151
8.1.1 数据可视化过程 151
8.1.2 基本模型 152
8.2 外语教学数据可视化主要技术 153
8.2.1 基于图表的可视化技术 153
8.2.2 面向像素可视化技术 153
8.2.3 基于层次的数据可视化技术 154
8.2.4 其他数据可视化技术 155
8.2.5 数据可视化技术的发展方向 155
8.2.6 数据可视化在应用中的注意点 156
8.3 外语教学数据可视化工具 157
8.3.1 常用工具 157
8.3.2 零编程工具 158
8.3.3 开发工具 159
8.4 外语教学数据可视化的图表 165
8.4.1 条形图（柱形图） 165
8.4.2 饼图 165
8.4.3 折线图 166
8.4.4 散点图 166
8.4.5 气泡图 167
8.4.6 树形图 167
8.4.7 极坐标图 168
8.4.8 区域地图（散点图） 168
8.4.9 漏斗图 169
8.4.10 鱼眼/笛卡儿变形图 170
第9章 数据安全和隐私保护 171
9.1 数据安全风险 171
9.2 管理措施 172
9.2.1 建立管理制度 172
9.2.2 信息采集告知-同意原则 172
9.2.3 单独同意原则 173
9.2.4 最小化原则 173
9.3 技术措施 174
9.3.1 数据加密 174
9.3.2 数据脱敏 174
9.3.3 数据脱敏方式 175
9.3.4 访问控制 176
参考文献 177
1.1 大数据时代 1
1.1.1 人类活动大数据 1
1.1.2 智慧城市大数据 2
1.1.3 体育大数据 3
1.1.4 健康大数据 3
1.2 大数据的本质 4
1.2.1 规模（Volume） 4
1.2.2 多样（Variety） 5
1.2.3 价值（Value） 5
1.2.4 高速（Velocity） 5
1.3 教育大数据 6
第2章 外语教学理论与 方法研究综述 9
2.1 传统外语教学理论与方法 9
2.1.1 传统外语教学理论 10
2.1.2 传统外语教学方法 13
2.2 计算机辅助外语教学理论与方法 16
2.2.1 计算机辅助外语教学理论 17
2.2.2 计算机辅助外语教学工具 19
2.2.3 计算机辅助外语教学方法 20
2.3 “互联网+”时代外语教学理论与方法 21
2.3.1 “互联网+”时代外语教学理论 21
2.3.2 “互联网+”时代外语教学方法 22
2.3.3 从“互联网+”到大数据 26
第3章 大数据在外语教学过程中的应用 27
3.1 教学的准备环节 28
3.1.1 大数据服务教材编写、评估 28
3.1.2 大数据服务教学大纲的设计 29
3.2 教学的实施过程 30
3.2.1 基于语料库的数据驱动学习与外语教学素材 31
3.2.2 数据驱动学习与构建主义外语教学 33
第4章 大数据在外语在线学习效果评价中的应用 37
4.1 在线学习效果预测研究现状 37
4.1.1 在线学习的产生和发展 37
4.1.2 国内外研究现状 40
4.2 理论基础与相关模型 42
4.2.1 基于学习效果预测的教学技术 43
4.2.2 表征学习 44
4.2.3 Hawkes过程 45
4.2.4 深度学习模型 48
4.3 基于学生行为数据的新型Hawkes过程研究 51
4.3.1 学习行为序列 52
4.3.2 表征学习行为 53
4.3.3 新型Hawkes过程提出 54
4.3.4 新型Hawkes过程实现 57
4.4 学习效果预测模型EduHawkes 62
4.4.1 量化学习效果 62
4.4.2 学习效果预测 63
4.4.3 数据集 67
4.4.4 实验 69
第5章 外语教学数据采集 77
5.1 外语教学数据采集方法 77
5.1.1 社会调查法 77
5.1.2 开放数据源中获取 80
5.1.3 设备数据采集 80
5.1.4 数据交易平台 81
5.1.5 数据报采集 82
5.1.6 网络数据爬虫采集 82
5.1.7 日志采集 83
5.1.8 离线采集 84
5.1.9 实时采集 85
5.1.10 埋点采集 85
5.2 外语教学数据采集技术 87
5.2.1 分层数据采集 87
5.2.2 分层管道模型 88
5.2.3 分层采集进程监控 89
5.2.4 分组的双层哈希负载均衡方法 90
5.3 外语教学数据采集方法及模型 92
5.3.1 教学情境问题 92
5.3.2 教学数据采集技术 93
5.3.3 数据采集模型建立 94
5.4 外语教学数据采集软件 97
5.4.1 Flume 97
5.4.2 Logstash 98
5.4.3 Filebeat 99
5.4.4 八爪鱼采集器 100
5.4.5 ParseHub 100
第6章 外语教学数据处理 101
6.1 外语教学数据处理方法 101
6.1.1 数据清理 101
6.1.2 数据集成 103
6.1.3 数据规约 104
6.1.4 数据变换 106
6.1.5 相似性度量 107
6.2 线上学习分析数据处理 108
6.2.1 构建模型 108
6.2.2 数据处理方法 110
6.3 外语教学数据处理框架 114
6.3.1 实时流数据处理框架 114
6.3.2 实时数据查询处理框架 117
6.3.3 数据导入导出批处理框架 118
第7章 外语教学数据分析 121
7.1 外语教学数据分析框架 121
7.2 外语教学数据分析的流程 122
7.3 外语教学数据分析的方法 123
7.3.1 统计分析方法 123
7.3.2 数据挖掘方法 125
7.3.3 其他数据分析方法 128
7.4 外语教学数据分析使用工具 135
7.4.1 微软数据分析工具 135
7.4.2 数理统计工具 136
7.4.3 BI工具 138
7.4.4 数据库工具 140
7.4.5 编程工具 141
7.4.6 其他软件 143
7.5 外语教学数据分析相关算法 143
7.5.1 C4.5决策树算法 143
7.5.2 朴素贝叶斯算法 144
7.5.3 SVM支持向量机算法 144
7.5.4 KNN 145
7.5.5 K-Means聚类算法 145
7.5.6 CART算法 146
7.5.7 AdaBoost自适应提升算法 147
7.5.8 Apriori关联规则算法 148
7.5.9 EM聚类算法 148
7.5.10 PageRank算法 149
第8章 外语教学数据可视化 151
8.1 外语教学数据可视化的基本模型 151
8.1.1 数据可视化过程 151
8.1.2 基本模型 152
8.2 外语教学数据可视化主要技术 153
8.2.1 基于图表的可视化技术 153
8.2.2 面向像素可视化技术 153
8.2.3 基于层次的数据可视化技术 154
8.2.4 其他数据可视化技术 155
8.2.5 数据可视化技术的发展方向 155
8.2.6 数据可视化在应用中的注意点 156
8.3 外语教学数据可视化工具 157
8.3.1 常用工具 157
8.3.2 零编程工具 158
8.3.3 开发工具 159
8.4 外语教学数据可视化的图表 165
8.4.1 条形图（柱形图） 165
8.4.2 饼图 165
8.4.3 折线图 166
8.4.4 散点图 166
8.4.5 气泡图 167
8.4.6 树形图 167
8.4.7 极坐标图 168
8.4.8 区域地图（散点图） 168
8.4.9 漏斗图 169
8.4.10 鱼眼/笛卡儿变形图 170
第9章 数据安全和隐私保护 171
9.1 数据安全风险 171
9.2 管理措施 172
9.2.1 建立管理制度 172
9.2.2 信息采集告知-同意原则 172
9.2.3 单独同意原则 173
9.2.4 最小化原则 173
9.3 技术措施 174
9.3.1 数据加密 174
9.3.2 数据脱敏 174
9.3.3 数据脱敏方式 175
9.3.4 访问控制 176
参考文献 177
