本书通过案例分析, 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。

第1章 绪论\t1
1.1 大数据时代\t1
1.1.1 人类活动大数据\t1
1.1.2 智慧城市大数据\t2
1.1.3 体育大数据\t3
1.1.4 健康大数据\t3
1.2 大数据的本质\t4
1.2.1 规模（Volume）\t4
1.2.2 多样（Variety）\t5
1.2.3 价值（Value）\t5
1.2.4 高速（Velocity）\t5
1.3 教育大数据\t6
第2章 外语教学理论与 方法研究综述\t9
2.1 传统外语教学理论与方法\t9
2.1.1 传统外语教学理论\t10
2.1.2 传统外语教学方法\t13
2.2 计算机辅助外语教学理论与方法\t16
2.2.1 计算机辅助外语教学理论\t17
2.2.2 计算机辅助外语教学工具\t19
2.2.3 计算机辅助外语教学方法\t20
2.3 “互联网+”时代外语教学理论与方法\t21
2.3.1 “互联网+”时代外语教学理论\t21
2.3.2 “互联网+”时代外语教学方法\t22
2.3.3 从“互联网+”到大数据\t26
第3章 大数据在外语教学过程中的应用\t27
3.1 教学的准备环节\t28
3.1.1 大数据服务教材编写、评估\t28
3.1.2 大数据服务教学大纲的设计\t29
3.2 教学的实施过程\t30
3.2.1 基于语料库的数据驱动学习与外语教学素材\t31
3.2.2 数据驱动学习与构建主义外语教学\t33
第4章 大数据在外语在线学习效果评价中的应用\t37
4.1 在线学习效果预测研究现状\t37
4.1.1 在线学习的产生和发展\t37
4.1.2 国内外研究现状\t40
4.2 理论基础与相关模型\t42
4.2.1 基于学习效果预测的教学技术\t43
4.2.2 表征学习\t44
4.2.3 Hawkes过程\t45
4.2.4 深度学习模型\t48
4.3 基于学生行为数据的新型Hawkes过程研究\t51
4.3.1 学习行为序列\t52
4.3.2 表征学习行为\t53
4.3.3 新型Hawkes过程提出\t54
4.3.4 新型Hawkes过程实现\t57
4.4 学习效果预测模型EduHawkes\t62
4.4.1 量化学习效果\t62
4.4.2 学习效果预测\t63
4.4.3 数据集\t67
4.4.4 实验\t69
第5章 外语教学数据采集\t77
5.1 外语教学数据采集方法\t77
5.1.1 社会调查法\t77
5.1.2 开放数据源中获取\t80
5.1.3 设备数据采集\t80
5.1.4 数据交易平台\t81
5.1.5 数据报采集\t82
5.1.6 网络数据爬虫采集\t82
5.1.7 日志采集\t83
5.1.8 离线采集\t84
5.1.9 实时采集\t85
5.1.10 埋点采集\t85
5.2 外语教学数据采集技术\t87
5.2.1 分层数据采集\t87
5.2.2 分层管道模型\t88
5.2.3 分层采集进程监控\t89
5.2.4 分组的双层哈希负载均衡方法\t90
5.3 外语教学数据采集方法及模型\t92
5.3.1 教学情境问题\t92
5.3.2 教学数据采集技术\t93
5.3.3 数据采集模型建立\t94
5.4 外语教学数据采集软件\t97
5.4.1 Flume\t97
5.4.2 Logstash\t98
5.4.3 Filebeat\t99
5.4.4 八爪鱼采集器\t100
5.4.5 ParseHub\t100
第6章 外语教学数据处理\t101
6.1 外语教学数据处理方法\t101
6.1.1 数据清理\t101
6.1.2 数据集成\t103
6.1.3 数据规约\t104
6.1.4 数据变换\t106
6.1.5 相似性度量\t107
6.2 线上学习分析数据处理\t108
6.2.1 构建模型\t108
6.2.2 数据处理方法\t110
6.3 外语教学数据处理框架\t114
6.3.1 实时流数据处理框架\t114
6.3.2 实时数据查询处理框架\t117
6.3.3 数据导入导出批处理框架\t118
第7章 外语教学数据分析\t121
7.1 外语教学数据分析框架\t121
7.2 外语教学数据分析的流程\t122
7.3 外语教学数据分析的方法\t123
7.3.1 统计分析方法\t123
7.3.2 数据挖掘方法\t125
7.3.3 其他数据分析方法\t128
7.4 外语教学数据分析使用工具\t135
7.4.1 微软数据分析工具\t135
7.4.2 数理统计工具\t136
7.4.3 BI工具\t138
7.4.4 数据库工具\t140
7.4.5 编程工具\t141
7.4.6 其他软件\t143
7.5 外语教学数据分析相关算法\t143
7.5.1 C4.5决策树算法\t143
7.5.2 朴素贝叶斯算法\t144
7.5.3 SVM支持向量机算法\t144
7.5.4 KNN\t145
7.5.5 K-Means聚类算法\t145
7.5.6 CART算法\t146
7.5.7 AdaBoost自适应提升算法\t147
7.5.8 Apriori关联规则算法\t148
7.5.9 EM聚类算法\t148
7.5.10 PageRank算法\t149
第8章 外语教学数据可视化\t151
8.1 外语教学数据可视化的基本模型\t151
8.1.1 数据可视化过程\t151
8.1.2 基本模型\t152
8.2 外语教学数据可视化主要技术\t153
8.2.1 基于图表的可视化技术\t153
8.2.2 面向像素可视化技术\t153
8.2.3 基于层次的数据可视化技术\t154
8.2.4 其他数据可视化技术\t155
8.2.5 数据可视化技术的发展方向\t155
8.2.6 数据可视化在应用中的注意点\t156
8.3 外语教学数据可视化工具\t157
8.3.1 常用工具\t157
8.3.2 零编程工具\t158
8.3.3 开发工具\t159
8.4 外语教学数据可视化的图表\t165
8.4.1 条形图（柱形图）\t165
8.4.2 饼图\t165
8.4.3 折线图\t166
8.4.4 散点图\t166
8.4.5 气泡图\t167
8.4.6 树形图\t167
8.4.7 极坐标图\t168
8.4.8 区域地图（散点图）\t168
8.4.9 漏斗图\t169
8.4.10 鱼眼/笛卡儿变形图\t170
第9章 数据安全和隐私保护\t171
9.1 数据安全风险\t171
9.2 管理措施\t172
9.2.1 建立管理制度\t172
9.2.2 信息采集告知-同意原则\t172
9.2.3 单独同意原则\t173
9.2.4 最小化原则\t173
9.3 技术措施\t174
9.3.1 数据加密\t174
9.3.2 数据脱敏\t174
9.3.3 数据脱敏方式\t175
9.3.4 访问控制\t176
参考文献\t177