行為順序檢定：滯後序列分析 / Behavior Analysis: Lag Sequential Analysis

這是巨量資料探勘與統計應用課程的投影片「行為順序檢定：序列分析」。本單元是屬於系列課程中的「資料檢定級」的最後一個單元，處理資料類型也是在行為的「類別」類型資料，使用的分析技術就是以前我常常提到的滯後序列探勘(lag sequential analysis)。滯後序列分析是延伸前一單元列聯表的檢定方式，但是不像卡方統計量是用於檢定整體列聯表，它使用Allison與Liker(1982)的調整後殘差計算方式來做細格檢定。雖然資料類型都以列聯表呈現，不過計算方法可是差很多的喔。跟以前我介紹滯後序列分析的內容相比，這次不僅採用比較嚴謹的Allison與Liker的計算方法，還加入了相關係數Yule'Q的計算，並直接用jsPlumb畫出了事件轉移圖。本單元使用我所開發的滯後序列分析計算器來作計算，包含兩個實作學習單跟一份測驗，供同學邊看邊練習。

類別變項的相關檢定：卡方獨立性檢定 / Correlations with Categorical Variables: Chi-Square Test of Independence

這是巨量資料探勘與統計應用課程的投影片「類別變項的相關檢定：卡方獨立性檢定」。本單元是屬於系列課程中的「資料檢定級」中的第三個單元，處理資料類型是「類別」類型的資料，可以檢測出兩兩類別資料之間的關係。本單元要講的分析技術是推論統計的卡方獨立性檢定(Chi-Square Test of Independence)，相當適合質性研究所蒐集的類別資料或行為分析。本單元的分析工具是我額外開發的「卡方獨立性檢定計算器」，在投影片裡面還談到了隱含在卡方檢定之後的陷阱：辛普森詭論(Simpson's paradox)。這個單元包含了四個實作學習單，供同學邊看邊練習。

連續變項的相關檢定：皮爾森積差相關分析 / Bivariate Correlation Analysis: Pearson Correlation Coefficient

這是巨量資料探勘與統計應用課程的投影片「連續變項的相關檢定：皮爾森積差相關分析」。本單元是屬於系列課程中的「資料檢定級」的第二個單元，處理資料類型是分析兩兩「連續」資料之間的關係。本單元將會教同學推論統計另外一個很常見的分析技術：皮爾森積差相關分析，它可以用來檢測兩個連續變項之間的相關程度與相關的方向。本單元使用我撰寫的皮爾森積差相關分析計算器，並不需要同學用手算。這個單元包含了二個實作學習單跟一份測驗，供同學邊看邊練習。

連續變項的差異檢定：獨立樣本t檢定 / Testing Differences Between Means: Independent t-test

這是巨量資料探勘與統計應用課程的投影片「連續變項的差異檢定：獨立樣本t檢定」。本單元是屬於系列課程中的「資料檢定級」的第一個單元，處理資料類型是從「類別」分類的「連續」資料。本單元主要教的是推論統計最常見的分析技術：獨立樣本t檢定，可以用來檢測兩組不同樣本的平均值是否有顯著差異。t檢定是由健力士的統計學家William Sealy Gosset博士發表的經典分析方法。在喝健力士啤酒的時候，可別忘了統計的t檢定喔。本單元使用了R-Web跟我撰寫的獨立樣本t檢定計算器，並不需要同學用手算。這個單元包含了二個實作學習單，供同學邊看邊練習。

資料檢定級導論： 從數學到統計 / Inferential Statistics: An Introduction

這是巨量資料探勘與統計應用課程的投影片「資料檢定級導論： 從數學到統計」。本單元是屬於系列課程中的「資料檢定級」，是銜接「資料敘述級」之後下一個階段的導言課程。許多人學習統計時，都知道統計分成敘述統計(descriptive statistics)跟推論統計(inferential statistics)，前者很好理解，但為何需要推論統計？而這兩者又跟高中以前學的數學有什麼不一樣呢？

要理解推論統計，必須要先理解母體模型的概念。我們手邊看到的資料，在推論統計的框架中，它僅僅只是眾多樣本中的一次抽樣。因此我們在比較不同的樣本群時，注重的不是樣本的層次，而是樣本背後代表的母體模型。樣本對應到母體模型所計算出的檢定統計量，以及此檢定統計量可能出現的機率，才是推論統計的思維。

老實說，這個概念很難懂。因此我試著用自己的方式來詮釋這套思維，並在之中強調「檢定統計量」的核心概念，希望能讓同學比較容易理解推論統計的運作方式。因為本篇只是導言，並沒有任何練習內容或測驗。

最佳化問題：規劃求解 / Optimization Problem: Solver

這是巨量資料探勘與統計應用課程的投影片「最佳化問題：規劃求解」。本單元雖然被歸類系列課程中的「資料敘述級」，但其實它跟其他的資料分析方法有很大的不同：規劃求解會直接給你明確的答案。在本單元中，處理資料類型為「連續」類型。

「規劃求解」是屬於「最佳化問題」領域中的技術。雖然同樣是處理數字，但「最佳化問題」並非「統計」，而跟「資料探勘」領域比較相近。在大部分資料探勘的工具裡，要解決的問題比較明確、使用者較難以自行控制。而許多資料探勘介紹的基因演算法(Genetic Algorithm, GA)又是「最佳化問題」中的進階技術，一般使用者難以輕易上手。所以我這個單元介紹的是「最佳化問題」中比較基礎的「規劃求解」。

「工廠在有限的物料跟時間內，要選擇生產多少產品，才能賺到最多利潤？」或者是「圖書館有10萬元經費，不同讀者想看不同類型的書，要怎麼買才能在有限經費內滿足讀者需求？」像是這些問題，都可以用規劃求解來找出答案。本單元利用Google試算表的Solver來實作規劃求解，學生不用自己動手算喔。這個單元包含了三個實作學習單，供同學邊看邊練習。

社會網絡分析之隨機圖模型 / Social Network Analysis: Random Graph Models

這是介紹「PAJEK 蜘蛛: 社會網絡分析技術」這本書中的第13章「隨機圖模型」的投影片。這本書使用社會網絡分析工具「pajek 蜘蛛」來分析研究者所蒐集的實測社群本身可能符合或不符合那些隨機圖模型(random graph models)。書中介紹的隨機圖模型包括伯努利隨機圖模型(Bernoulli random graph model)、條件統一隨機圖模型 (Conditional uniform random graph models)、小世界模型 (small world model)與優先連接模型 (scale free model)，它們有各自的假設背景、建構網絡的隨機過程以及展現出來結構特徵。本書以蒙特卡洛模擬(Monte Carlo simulation)來建構各個隨機圖模型的信賴區間，藉以判斷實測網路與這些隨機圖模型的異同。

社會網絡分析之塊模型 / Social Network Analysis: Block Modeling

這是介紹「PAJEK 蜘蛛: 社會網絡分析技術」這本書中第12章「塊模型」的投影片。這本書使用社會網絡分析工具「pajek 蜘蛛」來找出社群中人與人之間互動的共同模式，稱之為「塊」(block)。在塊模型中是以鄰接矩陣作為分析工具，而本章則介紹了塊模型的基本概念，全型塊(complete)、無型塊(null)、正則塊(regular)等塊的類型，並介紹核心──週邊架構(core-periphery structure)、與等級架構(hierarchical structure)等常見的塊模型。值得注意的是，蜘蛛的塊模型處理方式跟UCINet中塊模型的處理方式不同，我個人覺得蜘蛛的塊模型分析比較讓人容易理解。

資料的中心與離度 / Measures of Center and Spread

這是巨量資料探勘與統計應用課程的投影片「資料的中心與離度」。本單元是屬於系列課程中的「資料敘述級」，處理資料類型主要是「連續」類，但也其中的眾數也可以描述「類別」類型。

這個單元講述的是各位同學國中就學過的均值跟離度的算法，包括平均數、中位數、眾數、最大值、最小值、四分位數、變異數與標準差。這次我們的重點不在於計算，而是要瞭解均值跟離度如何有效地用於描述資料。跟以前大多著重在公式跟按計算機不同，現在我們就用Google試算表的函式計算均值跟離度即可。本單元包括了五個實作學習單，供同學邊看邊練習。

資訊視覺化：統計圖表 / Data Visualization: Statistical Charts and Diagrams

這是巨量資料探勘與統計應用課程的投影片「資訊視覺化：統計圖表」。本單元是屬於系列課程中的「資料敘述級」，處理資料類型包括了「類別」跟「連續」兩種。

本單元一開始講述了「資料敘述級」的分析步驟，而這個單元則是步驟中「將資料畫成圖」的一環。本單元跟同學介紹了資訊視覺化的概念、統計圖表及其繪製講述，然後各種資料類型可繪製的統計圖表。這個單元包含了四個實作內容。

資料的來源與形態 / Data Source and Format

這是巨量資料探勘與統計應用課程的投影片「資料的來源與形態」。本單元是屬於系列課程中的導論「資料處理」。本單元先定義資料的形態，包括非結構化資料跟結構化資料，再來講述如何從開放資料(open data)中取得資料來源，以及資料的各種格式。本單元也說明這系列課程所使用的Google試算表的主要操作方式，以及學生填寫和繳交學習單作業的程序。這個單元包含一個測驗、兩個實作內容。

數位繪圖開心畫：線稿、上色與遊戲 / Let's Draw on the Computer: Outline, Colour and Gamify

這是2017年我在國立空中大學數位故事研習社講的主題：「數位繪圖開心畫：線稿、上色與遊戲」。這次著重的是借助一些免安裝的免費工具來進行簡單的數位繪圖，是開心畫的課程。而趁著人工智慧風潮的盛行，課程中也加入了Google的AutoDraw繪製線稿、Python的PaintsChainer智慧上色等內容。最後再將成品做成滑塊拼圖遊戲，將繪製的成果分享給其他朋友。

從社交角度來看閱讀行為研究計劃 / Social Aspects of Reading Behavior Research

這是我在去年12月的時候到ASIS&T臺北分會論壇跟大家分享的投影片。投影片內容介紹了我想要研究的社交閱讀行為背景，以及我如何使用社交知覺、閱讀悅趣化來改善閱讀，並使用行為分析跟腦波來分析閱讀行為的研究計劃。

試算表應用實務 LibreOffice Calc (第四堂)：減肥紀錄表 & 訂購單 & 成績單 / LibreOffice Calc Tutorial (Lesson 4): Food record & Order & Grade Report

這是我在去年5月的時候到空中大學講授LibreOffice Calc的內容，這也是這一系列最後一堂課了。這堂課我借用了秋思blog中的減肥紀錄表，將它轉換成LibreOffice的格式，跟同學介紹如何使用一個綜合函式、圖表的複雜表格。此外也介紹了訂購單與成績單兩個例子，剛好用來練習函式計算。

試算表應用實務 LibreOffice Calc (第三堂)：社團登記卡與計帳表 / LibreOffice Calc Tutorial (Lesson 3): Address book & Accounting Table

這是我在去年5月的時候到空中大學教授的LibreOffice Calc投影片。繼第二堂課介紹表格使用，這堂課介紹的是學生社團會用到的社團登記卡，以及大多媽媽輩同學會使用的計帳表。這次在上課之前也宣導一下盜版軟體的議題。

試算表應用實務 LibreOffice Calc (第二堂)：收支平衡表與通訊錄 / LibreOffice Calc Tutorial (Lesson 2): Balance between income and expenses table & Address book

這是我在去年5月的時候到空中大學跟同學講授LibreOffice Calc的內容。繼前一篇的基礎介面認識之後，這一堂課也從我之前分享的LibreOffice Calc萬用表格作為例子，教授同學實際使用Calc的常見技巧。希望藉此能夠更貼近大家的使用情境，達到學以致用的效果。