理念方向
期望修課學生具備教育/學習現況＆問題的思維能力，並透過大數據分析再現教育/學習的問題與現況發展，使之更具『可視性』（Visible Education/Learning），以強化『易讀性Legibility』價值。因而，基礎課程奠定思維基礎（認知、知識、態度與情意），進階課程結合問題導向學習型式（Problem-based Learning）強化操作能力等軟技能，實務課程則深入教育真實場域的綜整觀察、解決問題與跨域經驗的素養能力。
本學程將搭配業師共同教學，計畫與深根數位教育之研發單位結盟，包含資策會數位教育研究所、旭聯科技、AR2VR阿特發互動科技。邀聘技術專家與校內教育學院與電資學院相關領域教授共同授課。除可使用政府開放資料庫，也取得品學堂在閱讀教學工作坊的支持，應用便攜式眼動儀、原廠視覺化軟體、SDK，認識教育行為衍生資料並進而分析。同時，邀請清華電資的App Qsticker等教育大數據蒐集平台，為課程外部數據資料的來源。
核心能力
能覺察教育/學習發展現況，強化現象問題的可視性，掌握所衍生大數據的型態與內容之基礎知識。
能連結教育/學習問題與大數據內容之間的關聯，具備軟體演練或撰寫程式語言等軟技能。
能充分展現個人學習成果，具備產業實務的跨領域合作態度。
能針對真實的教育場域問題，強化永續價值發展的易讀性，並具備提出問題解決因應策略的素養知能。
課程規劃
在教育學院規劃一系列教育大數據微學程課程，以教育學院為場域基底，結合清華電資學院、校外產業業師共同規劃“基礎”、“進階”與“實務”課程，期盼修課學生完成微學程之後（至少十學分），基礎課程，四門至少修兩門；進階課程，三門至少修一門，兩門至少一門，能具備教育/學習現況&問題的思維分析與實作能力，並獲得清華大學教育大數據微學程證明。（點擊下方課程色塊查看課綱）
學習：利用統計模型解構研究問題，找出關鍵構念，並運用統計軟體呈現量化資料結果，分析與資料間的潛在關係。也會在課堂上逐步教授初階與中階的R程式撰寫技巧。
應用：有助於未來在畢業專題（Senior Project）、產業實習、或實際工作場中以有效率的方式分析統計資料。也能幫助你養成初階教育數據分析的能力喔!
學習：學習Python的程式設計，從基本的開發環境、語法結構開始，進而撰寫資料擷取與分析程式，從中了解大數據的概念與機器學習演算法以及初步掌握教育數據視覺化的方式。
應用：藉由案例實作獲得資料處理、基礎統計分析的認識、與認識教育數據資料來源，以及認識教育現況、未來發展的初步思維。
學習：學習大數據分析基礎知識、核心技術並連結教育/學習問題與大數據內容之間的關聯，也將學習人工智慧(機器學習、圖像識別、影像辨識、語音辨識、自然語言處理)的相關理論及其應用。
應用：結合跨領域專長的形式，將大數據與人工智慧結合的基礎概念與相關技術應用到教育問題、產業實務的解決上。
學習：學習在面對數位學習中的大量學習歷程時應有的觀念，同時學習如何以資料庫及機器學習工具挖掘學習歷程中可能代表的學習狀況。
應用：藉由巨量資料分析技術分析學習歷程，以提供教師應用適性化教學策略時的參考。
學習：藉由資料探勘軟體R語言與RapidMiner學習教育資料探勘的定義、流程並了解如何將教育/學習目標媒合至資料探勘的目標。接著，我們會介紹機器學習（資料探勘）中常見的方法，來幫助我們選用正確的演算法和技術回答適切的問題。
應用：將在小組實作中掌握資料分析專案的特點，學會實用且帶得走的經驗，將資料探勘的報告轉化為業界及公部門容易理解的語言（實務摘要與行動方案）。
學習：藉由資料視覺化軟體Tableau學習資料視覺化的方法與技術，並挑選教育相關議題，以及相關的數據資料庫來源，讓學習者進行實際分析與視覺化演練。
應用：運用所學的基礎，讓數據呈現出可解讀的結構，透過數據來述說教育現況與可能問題，進一步對未來教育可能發展提出參考建言。
學習：探討人工智慧應用於教育相關議題，包含文字探勘、自然語言、情感分析、對話機器人以及人工智慧倫理等，利用開放碼源之程式模組或使用簡易的套件實作相關工具完成期末專題，以體驗並正確使用人工智慧在教育上的應用。
應用：將新興的智能科技應用在教育現瑒時，仍需熟悉各項技術適用的場合以及可能造成的影響。
學習：課程第一階段與修課學生共同建構學習目標與預期的學習成果，第二階段發展學習目標對應的評量策略，特別是能在真實場域應用實作的任務表現及其評估方法，第三階段進而規劃學習內容與了解可能的學習問題，自學習歷程裡培養解決問題能力。
應用：強調在校園連結Real-world Connection的場域，採取『重理解（Understanding by Design, UbD）的課程設計』理念，著重以學生為中心，在累積教育大數據相關思維知能與技術後，引導學生思索未來想認識與能夠理解的大概念（Big ideas），且為真實連結的教育問題與數據關連。
學習：邀約資策會數位教育研究所、旭聯科技、品學堂、AR2VR阿特發互動科技……等為實習產業搭配單位，從基礎課程奠定基礎思維，進階課程結合PBL強化操作能力，實務課程深入在真實教育場域的問題發現與解決問題的跨領域實踐力。
應用：透過產業實際問題的搜尋資料與解決策略，系統性認識教育數據分析工作的專業技能與必要職能要求，並增進對產業機構的理解。
修課路徑
主要以『巨量資料軟體實務』或『巨量資料程式設計』搭配『大數據與人工智慧』或『學習歷程資料分析』作為基礎課程的課程組合，建議以巨量資料的軟體實務觀念以及程式設計概念習得有關教育數據的處理思維後，接著進階課程的學習。進階課程則以『資料探勘在教育的實作』作為主要課程，搭配『教育大數據視覺化』或『人工智慧教育專題』來習得相關技能能力。最後可選擇在校園進行構思與實作教育數據專題，或選擇在產業實習過程中學習解決問題的方法。
Q & A
相關連結
