《新媒体数据分析与应用》教案

并逐步向下扩展，即把一个已知问题当成树干，然后开始考虑与这个问题相关的因素。

每想到一点，就给这个树干（也就是问题）加一个树枝，并标明这个“树枝”代表什么问题。

一个大的树枝上还可以有小的树枝，依此类推，将每个问题都细化到最小的程度，形成一棵“树”，最终找出与问题相关的所有因素。

逻辑树分析法的基本框架如下图所示。

新媒体运营者在运用逻辑树分析法时，需要遵循以下3个原则。

● 一致性● 关联性● 穷尽化四、用户行为理论用户行为是指用户为获取、使用商品或服务所采取的各种行动。

在获取、使用某件商品或某项服务时，用户需要先对商品或服务有一个认知、熟悉的过程，然后试用，再决定是否继续使用或消费，最终成为忠诚用户。

用户行为轨迹如下图所示。

新媒体运营者在开展数据分析时，可以根据用户行为轨迹梳理、归纳出用户可能出现的行为，并梳理出与这些行为相关的数据指标，从而建立符合业务需求的数据分析指标体系。

五、4P营销理论4P营销理论被归纳为4个基本策略的组合，即产品（Product）、价格（Price）、渠道（Place）、促销（Promotion），由于这4个词的英文单词开头都是P，所以简称“4P”。

用4P营销理论从管理决策的角度来分析商品的市场营销问题，其分析内容包括产品、价格、渠道和促销4个要素。

● 产品● 价格● 渠道● 促销适用对象：工商企业管理、市场营销、连锁经营、商务管理、财务会计等经管类学生。

二、课程性质和教学目的、教学基本要求《现代企业管理》是面向经济与管理类各专业的一门重要的专业基础课程。

课程定位于为财会类、经济管理类、工商企业管理类各专业课程的学习奠定扎实的理论基础，给学生系统、全面地讲解现代企业管理学的基本概念、基本理论和基本的分析方法。

针对财经大类不同专业的培养目标，这门课程起到帮助学生了解现代企业中重要的基本概念和基本理论，熟悉企业管理中的基本问题的解决思路，了解社会发展的趋势，学会理论联系实际，并能以企业管理学中的相关理论认识、分析和解决现实的企业管理问题。

《新媒体数据分析与应用（微课版）》-教学大纲及教案一、课程简介1. 课程目标通过本课程的学习，使学生掌握新媒体数据分析的基本概念、方法和技术，提高学生在实际工作中运用新媒体数据分析的能力，为企业和个人提供有效的决策支持。

2. 课程内容本课程主要包括新媒体数据分析的基本概念、数据收集与处理、数据分析方法、数据可视化以及新媒体数据分析在实际应用中的案例分析等。

3. 适用对象本课程适用于新媒体运营人员、市场分析师、企业管理人员及相关专业的学生和从业者。

二、教学安排1. 课时本课程共计32课时，每课时45分钟。

2. 教学方式采用线上微课教学，结合案例分析、互动讨论和实践操作等多种教学手段。

3. 教学进度第1-4周：新媒体数据分析的基本概念与方法第5-8周：数据收集与处理技术第9-12周：数据分析方法与应用第13-16周：数据可视化与展示第17-20周：新媒体数据分析案例分析与实践三、教学目标1. 知识目标使学生掌握新媒体数据分析的基本概念、方法和技术，了解相关软件工具的使用。

2. 技能目标培养学生具备新媒体数据收集、处理、分析和可视化的能力，提高学生在实际工作中运用新媒体数据分析解决问题的能力。

3. 素质目标培养学生的创新思维、团队协作能力和终身学习的意识，提高学生在竞争激烈的新媒体行业中的竞争力。

四、教学方法1. 讲授法：讲解新媒体数据分析的基本概念、方法和技术，引导学生掌握相关知识。

2. 案例分析法：通过分析实际案例，使学生了解新媒体数据分析在实际应用中的重要作用。

3. 实践操作法：引导学生利用相关软件工具进行数据收集、处理、分析和可视化，提高学生的实际操作能力。

4. 小组讨论法：组织学生进行小组讨论，培养学生的团队协作能力和创新思维。

五、教学评价1. 平时成绩：包括课堂表现、作业完成情况、实践操作等，占总评的40%。

2. 考试成绩：包括理论知识考试和实际操作考试，占总评的60%。

3. 综合素质评价：包括团队协作、创新思维、终身学习等方面，占总评的20%。

《新媒体数据分析与应用（微课版）》-教案第一章：新媒体与数据分析概述1.1 新媒体的概念与特点1.2 数据分析的基本概念1.3 新媒体数据分析的重要性1.4 微课在新媒体数据分析中的应用第二章：新媒体数据分析工具与技术2.1 新媒体数据分析工具的分类2.2 常用的新媒体数据分析工具介绍2.3 新媒体数据分析技术概述2.4 微课在新媒体数据分析工具与技术中的应用第三章：新媒体数据分析方法与流程3.1 新媒体数据分析的方法概述3.2 数据收集与清洗3.3 数据分析与解读3.4 数据可视化与展示3.5 微课在新媒体数据分析方法与流程中的应用第四章：新媒体用户行为分析4.1 新媒体用户行为概述4.2 用户行为数据的收集与分析4.3 用户画像的构建与应用4.4 微课在新媒体用户行为分析中的应用第五章：新媒体内容分析5.1 新媒体内容概述5.2 内容分析的方法与流程5.3 热门话题与关键词分析5.4 微课在新媒体内容分析中的应用第六章：新媒体营销分析6.1 新媒体营销概述6.2 营销数据的收集与分析6.3 新媒体营销策略的优化6.4 微课在新媒体营销分析中的应用第七章：新媒体舆情分析7.1 舆情分析的基本概念7.2 新媒体舆情数据收集与处理7.3 舆情分析的方法与流程7.4 微课在新媒体舆情分析中的应用第八章：新媒体广告效果分析8.1 广告效果分析的基本概念8.2 广告数据的收集与分析8.3 广告效果评估的方法与流程8.4 微课在新媒体广告效果分析中的应用第九章：新媒体数据可视化9.1 数据可视化的基本概念9.2 数据可视化工具与技术9.3 新媒体数据可视化案例分析9.4 微课在新媒体数据可视化的应用第十章：新媒体数据分析案例解析10.1 案例选择与分析方法10.2 案例数据分析与解读10.3 案例中的问题与解决策略10.4 微课在新媒体数据分析案例解析中的应用第十一章：新媒体数据驱动决策11.1 数据驱动决策的理念11.2 新媒体数据的收集与整合11.3 数据驱动的决策制定过程11.4 微课在新媒体数据驱动决策中的应用第十二章：新媒体数据分析伦理与法律问题12.1 新媒体数据分析的伦理问题12.2 个人隐私保护与数据安全12.3 法律法规在新媒体数据分析中的应用12.4 微课在新媒体数据分析伦理与法律问题教育中的应用第十三章：新媒体数据分析创新应用13.1 新媒体数据分析的新趋势13.2 大数据与在新媒体数据分析中的应用13.3 新媒体数据分析的创新案例解析13.4 微课在新媒体数据分析创新应用中的推广第十四章：新媒体数据分析实践项目14.1 实践项目的设计与目标14.2 实践项目的实施步骤与方法14.3 实践项目的成果评估与反馈14.4 微课在新媒体数据分析实践项目中的应用第十五章：新媒体数据分析教学资源与工具15.1 新媒体数据分析教学资源的选择与整合15.2 教学工具与平台的选择与应用15.3 教学资源的评估与更新15.4 微课在新媒体数据分析教学资源与工具中的应用重点和难点解析本文教案《新媒体数据分析与应用（微课版）》共包含十五个章节，涵盖了新媒体与数据分析概述、数据分析工具与技术、数据分析方法与流程、用户行为分析、内容分析、营销分析、舆情分析、广告效果分析、数据可视化、数据驱动决策、数据分析伦理与法律问题、数据分析创新应用、数据分析实践项目和教学资源与工具等方面。

《新媒体数据分析与应用（微课版）》-教学大纲及教案一、课程简介1.1 课程背景随着互联网和移动设备的普及，新媒体已经成为人们获取和传播信息的重要渠道。

在这个过程中，数据分析能力变得越来越重要。

本课程旨在帮助学生掌握新媒体数据分析的基本概念、方法和技巧，以便更好地应用于实际工作和生活。

1.2 课程目标通过本课程的学习，学生将能够：（1）理解新媒体数据分析的基本概念和意义；（2）掌握新媒体数据分析的基本方法和技巧；（3）能够运用数据分析工具对新媒体数据进行有效分析；（4）能够根据分析结果提出相应的策略和建议。

二、教学内容2.1 课程概述本课程共分为十五个章节，内容涵盖了新媒体数据分析的基本概念、方法和技巧。

课程内容安排如下：第一章：新媒体与数据分析简介第二章：新媒体数据分析的基本概念第三章：新媒体数据分析的方法与技巧第四章：新媒体数据分析的工具与软件第五章：新媒体数据的收集与整理2.2 教学重点与难点教学重点：（1）新媒体数据分析的基本概念；（2）新媒体数据分析的方法与技巧；（3）新媒体数据分析的工具与软件；（4）新媒体数据的收集与整理。

教学难点：（1）新媒体数据分析的方法与技巧；（2）新媒体数据分析的工具与软件的使用；（3）根据分析结果提出相应的策略和建议。

三、教学方法与手段3.1 教学方法本课程采用讲授、案例分析、小组讨论、实践操作等多种教学方法，以提高学生的学习兴趣和参与度。

3.2 教学手段（1）教材：《新媒体数据分析与应用（微课版）》；（2）微课视频：辅助学生理解和掌握课程内容；（3）案例分析：帮助学生将理论知识应用于实际情境中；（4）实践操作：培养学生动手操作和实际应用能力。

四、课程考核与评价4.1 课程考核方式课程考核采用平时成绩和期末考试成绩相结合的方式进行。

其中，平时成绩占40%，期末考试成绩占60%。

4.2 评价标准（1）平时成绩：包括课堂参与、案例分析、实践操作等方面；（2）期末考试成绩：包括理论知识、数据分析技能等方面。

《新媒体数据分析与应用》课程教学大纲一、课程信息英文名称：New Media Data Analysis and Application课程编码：KY1810C07授课语言：汉语授课方式：讲授课程类别：学科基础课程性质：专业必修课学分：2学分学时：32学时适用对象：网络与新媒体、新闻学、传播学、广告学全校公选、广告、传播、营销、新媒体、数字设计、互联网+先修课程：新闻学概论、新闻采访与写作、高级语言程序设计开课院系：文学院二、课程简介1.本课程的性质、培养目标性质：学科平台专业必修课培养目标：新媒体数据分析与应用是网络与新媒体、新闻学、传播学、广告学全校公选、广告、传播、营销、新媒体、数字设计、互联网+等专业开设的一门重要的专业核心课程。

本课程主要讲授新媒体数据分析的基本概念，原理、方法和技术，具体包括：数据的预处理、分类预测、关联挖掘、聚类分析等内容。

通过学习，使学生理解新媒体数据分析的基本流程，掌握新媒体数据分析的基本理论和技术，熟悉新媒体数据分析成果的表达；掌握新媒体数据分析的基本方法，能熟练地应用数据挖掘技术对现实数据进行有效的分析，能够结合SPSS Modeler软件从大量统计数据中获取有价值的信息。

2.主要内容、授课方式主要内容：本课程系统讲解了新媒体数据分析的概念、方法、工具、数据指标及关键流程，介绍了微信公众号、微博、今日头条三大新媒体平台的数据分析技巧，还针对广告投放和活动策划这两大新媒体工作场景的数据分析过程进行了讲解。

旨在培养应用实操型人才，在理论介绍的基础上更侧重实战训练，精心设计了大量的“课堂讨论”和“实战训练”环节，提高读者的数据分析和运用能力，有利于读者更好地在工作中学以致用。

授课方式：讲授法3.预期学习效果通过本课程学习，使学生了解现代数据分析和知识挖掘方法的思想与技术，了解数据分析的基本理论，掌握重要的数据分析方法，掌握如何利用SPSS Modeler实现数据分析和挖掘，并使学生具有进一步学习的基础与能力。

《新媒体数据分析与应用》课程教学大纲一、说明（一）课程定义新媒体数据分析与应用是XXXXXXX专业开设的一门重要的专业核心课程。

本课程主要讲授新媒体数据分析的基本概念，原理、方法和技术，具体包括：数据的预处理、分类预测、关联挖掘、聚类分析等内容。

通过学习，使学生理解新媒体数据分析的基本流程，掌握新媒体数据分析的基本理论和技术，熟悉新媒体数据分析成果的表达；掌握新媒体数据分析的基本方法，能熟练地应用数据挖掘技术对现实数据进行有效的分析，能够结合SPSS Modeler 软件从大量统计数据中获取有价值的信息。

（二）编写依据根据《XXXXX学院XXXXX专业本科人才培养方案》（XXXX版）编写。

（三）目的任务通过本课程学习，使学生了解现代数据分析和知识挖掘方法的思想与技术，了解数据分析的基本理论，掌握重要的数据分析方法，掌握如何利用SPSS Modeler实现数据分析和挖掘，并使学生具有进一步学习的基础与能力。

（四）学时数与学分数：本课程理论36学时，实践/实验36学时，共72学时，4学分。

（五）适用对象：XXXX专业，二年级学生。

（六）课程编码：KY1810C07二、教学内容与学时分配三、教学内容与知识点第一章数据分析和Modeler使用概述第一节数据分析的产生背景知识点：数据库与数据仓库的定义、人工智能与机器学习的定义、统计学的定义第二节什么是数据分析知识点：数据分析的定义、数据挖掘的定义、知识发现的定义第三节Modeler软件概述知识点：Modeler的数据流、窗口、数据流的基本管理第二章数据读入和数据集成第一节变量类型知识点：整数型、实数型、字符串型、时间型、日期型、时间戳型第二节读入数据知识点：读文本文件、读Excel电子表格、读SPSS格式文件、读数据库文件第三节生成实验方案知识点：挖掘实验数据中的规律性、探索影响实验结果的决定因素第四节数据集成知识点：数据的纵向合并、数据的横向合并、数据源替换第三章数据质量的评估和调整第一节数据质量的评估和调整知识点：数据的基本特征与质量评价报告、离群点和极端值的调整、数据质量管理第二节数据的分类汇总知识点：单变量分类汇总、多重分类汇总第三节变量变换知识点：CLEM表达式、变量值的重新计算、变量类别值的调整第四节数据精简知识点：随机抽样、根据条件选取样本、样本的平衡处理第四章基本分析和数据精简第一节数值型变量的基本分析知识点：计算基本描述统计量、绘制散点图、绘制线图第二节两分类型变量相关性的研究知识点：两分类型变量相关性的图形分析、两分类型变量相关性的数值分析第三节特征选择知识点：特征选择的一般方法、特征选择的应用示例第四节因子分析知识点：因子分析的定义、因子提取和因子载荷矩阵的求解、因子的命名第五章决策树和人工神经网络第一节决策树算法概述知识点：决策树的定义、决策树的几何理解、决策树的核心问题第二节Modeler的C5.0算法及应用知识点：信息熵和信息增益、C5.0决策法的生长算法、修剪算法、基本应用示例第三节人工神经网络算法概述知识点：人工神经网络的概念和种类、人工神经网络建议的一般步骤第四节Modeler的BP反向传播网络的应用知识点：基本操作、结果说明、网络中的隐节点和输出节点第六章支持向量机和贝叶斯网络第一节支持向量分类的基本思路知识点：支持向量机的概念、支持向量分类的数据和目标、支持向量分类的思路第二节支持向量机的应用知识点：确定超平面、基本操作、结果解读第三节贝叶斯方法基础知识点：贝叶斯概率和贝叶斯公式、朴素贝叶斯分类法第四节贝叶斯网络的应用知识点：基本操作、结果解读、马尔科夫毯网络的案例、TAN贝叶斯网络的案例第七章聚类分析第一节聚类分析的一般问题知识点：聚类分析的提出、聚类分析的算法第二节Moderler的K-Means聚类及应用知识点：K-Means对“亲疏程度”的测度、K-Means聚类过程、应用示例第三节Modeler的两步聚类及应用知识点：两步聚类对“亲疏程度”的测度、两步聚类过程、聚类数目的确定第四节基于聚类分析的离群点探索知识点：多维空间基于聚类的离群点诊断方法、应用示例第八章关联分析第一节简单关联规则及其有效性知识点：简单关联规则的基本概念、简单关联规则的有效性和实用性第二节Modeler的Apriori算法及应用知识点：频繁项集、依据频繁项集产生简单关联规则、Apriori算法的应用示例第三节Modeler的序列关联及应用知识点：序列关联中的基本概念、Sequence算法、序列关联的时间约束四、考核（一）考核的形式：平时考核、平时实践考核与期末综合测试相结合。

《新媒体数据分析与应用》课程简介课程名称：新媒体数据分析与应用英文名称：New Media Data Analysis and Application课程编号：课程类别：专业必修课总学时：80（理论48，实践32）学分：4课程说明：随着新媒体技术的发展和应用范围的不断扩大，新媒体数据分析与应用也越来越受到关注，其在数据新闻可视化、新媒体运营、网络舆情分析等方面都有广泛应用。

对于数据新闻可视化，在融媒体环境下新闻内容的写作和表达需要更加具有亲和力、吸引力和感染力的方式，数据新闻可视化能够更好地支持专题新闻深度报道与分析、支持数据新闻可视化实践、支持新媒体环境下新闻内容交互设计，使新闻内容的表达更易于理解，并提高用户的阅读兴趣。

对于新媒体运营，通过新媒体数据分析能够更好的洞察运营质量、预测运营方向、控制运营成本、评价营销方案，从而使运营推广更具针对性，运营效果更具可控性。

对于网络舆情，通过新媒体数据的获取与分析能够对舆情热度、倾向性进行分析，并预测舆情演化方向。

新媒体数据分析与应用有助于培养学生新媒体数据分析与应用的能力，提升学生从事新闻工作的综合素质。

本课程目标是培养学生掌握丰富新媒体数据分析与可视化知识和专业可视化技能，正确树立多学科知识学习理念和职业价值观，为新闻从业工作提供专业技能支持。

通过课程学习了解新媒体数据分析的基本理论知识，掌握新媒体数据获取、新媒体数据预处理、新媒体数据分析、新媒体数据可视化的理论及实践技能，在此基础上能够完成数据新闻的制作、新媒体运营分析及报告撰写、网络舆情分析及报告撰写。

课程内容主要包括新媒体数据分析概述、新媒体数据获取、新媒体数据预处理、新媒体数据分析、新媒体数据可视化、数据新闻制作、数据营销推广、网络舆情分析等方面的内容。

先修课程：新闻学概论、新闻采访与写作、高级语言程序设计。

课程教材：段峰峰.新媒体数据分析与应用.人民邮电出版社,2020.参考教材：勾俊伟,哈默,谢雄.新媒体数据分析概念、工具、方法.人民邮电出版社,2017.吴翌琳,房祥忠主编.大数据探索性分析.中国人民大学出版社，2016.沈浩,王涛,韩朝阳,李健著.触手可及的大数据分析工具：Tableau案例集.电子工业出版社,2015.樊重俊,刘臣,霍良安编著.大数据分析与应用.立信会计出版社，2016.Pam Baker著,Bob Gourley编，于楠译. 大数据策略如何成功使用大数据与10个行业案例分享.清华大学出版社,2016.授课专业：网络与新媒体、新闻学、传播学、广告学授课时间：第1-16周总学时：80学时，其中理论48学时，实践32学时教学大纲一、课程基本信息课程名称：新媒体数据分析与应用英文名称：New Media Data Analysis and Application课程性质：专业必修课总学时：80（理论48，实践32）学分：4课程目标：本课程目标是在“新文科”背景下培养学生掌握丰富新媒体数据分析与可视化知识和专业可视化技能，正确树立多学科知识学习理念和职业价值观，为新闻从业工作提供专业技能支持。

《新媒体数据分析与应用（微课版）》-教学大纲及教案第一章：新媒体概述1.1 新媒体的概念与特点1.2 新媒体的发展历程1.3 新媒体的类型与分类1.4 新媒体的应用领域第二章：新媒体数据分析基础2.1 数据的概念与类型2.2 数据采集与处理方法2.3 数据分析的基本方法2.4 数据可视化与展示第三章：新媒体运营数据解析3.1 新媒体运营数据的重要性3.2 用户数据分析与挖掘3.3 内容数据分析与优化3.4 营销效果分析与评估第四章：新媒体营销策略与应用4.1 新媒体营销的基本原则4.2 新媒体营销的核心策略4.3 新媒体营销案例分析4.4 新媒体营销工具与平台第五章：新媒体数据分析案例实战5.1 案例一：微博数据分析与应用5.2 案例二：公众号数据分析与应用5.3 案例三：抖音短视频数据分析与应用5.4 案例四：网络直播数据分析与应用教学大纲：1. 课程目标：使学生了解新媒体的概念、特点和应用领域，掌握新媒体数据分析的基础知识，学会运用新媒体营销策略提升新媒体运营效果。

2. 课程内容：包括新媒体概述、新媒体数据分析基础、新媒体运营数据解析、新媒体营销策略与应用、新媒体数据分析案例实战等五个方面。

3. 教学方法：采用理论讲解、案例分析、实践操作相结合的教学方法，引导学生主动探究、互动交流。

4. 教学评价：通过课堂讨论、作业完成情况、实践操作成果等评估学生的学习效果。

教学资源：教材《新媒体数据分析与应用（微课版）》、PPT、网络资源、实践操作软件等。

教学课时：共计32课时，每课时45分钟。

教学安排：1. 第一章：4课时2. 第二章：3课时3. 第三章：4课时4. 第四章：4课时5. 第五章：5课时第六章：社交媒体数据分析6.1 社交媒体的概念与特点6.2 社交媒体数据分析的重要性6.3 社交媒体数据分析的方法与技巧6.4 社交媒体数据应用案例分析第七章：内容营销数据分析7.1 内容营销的概念与策略7.2 内容营销数据分析的关键指标7.3 内容营销数据挖掘与分析7.4 内容营销案例解析与优化建议第八章：电商数据分析8.1 电商数据分析的意义与目标8.2 电商数据采集与处理方法8.3 电商数据分析的关键指标与工具8.4 电商营销策略优化与案例分析第九章：大数据在新媒体中的应用9.1 大数据的定义与特征9.2 大数据在新媒体领域的应用场景9.3 大数据分析技术与工具9.4 大数据在新媒体营销中的战略布局第十章：新媒体数据分析的未来发展10.1 新媒体数据分析的趋势与挑战10.2 新媒体数据分析行业的发展前景10.3 新媒体数据分析的创新应用10.4 学生实践项目展示与讨论教学大纲（续）：6. 课程评价：通过小组讨论、数据分析报告、实践项目等多元化评价方式，全面评估学生的学习成果。

《新媒体数据分析与应用》课程标准教案一、课程定位本课程是依照高等职业教育培养目标与企业实际需求设置的面向新媒体数据分析岗位的综合性实训课程，主要面向高等职业院校电子商务、网络营销与直播电商、市场营销等专业的学生，以及运营各类新媒体账号的个人或机构、从事新媒体行业的数据分析师，以实现技能提升和知识更新。

通过本课程的讲解、演练和实践，能够使学生快速掌握新媒体数据的收集、处理、分析与应用的方法与技巧。

本课程主要是强化学生新媒体数据分析的理念与运用各种工具进行新媒体数据分析的能力，为其将来从事数据分析相关工作打下坚实的基础。

本课程以培养应用型人才为出发点，系统地讲解了新媒体数据分析的基本理论，新媒体数据的收集、处理、分析及可视化的应用技能，新媒体数据分析报告的写作方法，以及短视频、直播、微信公众号、微博、今日头条等主流新媒体平台账号运营数据分析与应用的方法。

本课程纵向与《新媒体运营》《新媒体营销》等课程前后衔接，横向与《商务数据分析与应用》《商务数据可视化》等课程有机结合。

二、课程设计思路（一）设计理念在课程设计上，本课程根据数据分析相关岗位的任职要求，改变了传统的课程体系和教学方法，形成了以就业为导向，以案例为主导，重在培养学生的职业能力和职业素养，突出应用性与操作性，通过目标驱动充分发挥学生的主体作用，让学生在完成目标任务的过程中领悟相关理论知识，发展职业能力，并提升职业素养。

（二）课程设计思路1．教学内容设计本课程在内容设计上遵循“理论够用即可，重在实践应用”的原则，弱化理论知识占比，将新媒体数据的收集、新媒体数据的处理、新媒体数据的分析、新媒体数据分析报告的写作、短视频运营数据分析与应用、直播运营数据分析与应用、微信公众号运营数据分析与应用等作为重点内容，以适应工作岗位实践能力需求，达到职业技能培养的最终目标。

2．教学模式设计本课程采取“目标驱动，学做合一”的教学模式，以新媒体数据分析与应用为教学目标引领整个教学过程，培养学生企业所需的职业能力和职业素养。

《新媒体数据分析与应用（微课版）》-教案章节一：新媒体与数据分析概述1.1 教学目标了解新媒体的概念及其发展历程。

理解数据分析在新媒体领域的应用重要性。

掌握新媒体数据分析的基本流程与方法。

1.2 教学内容新媒体简介：社交媒体、自媒体、内容平台等。

数据分析概念：数据挖掘、数据可视化等。

新媒体数据分析案例分析。

1.3 教学方法讲授与互动：讲解新媒体与数据分析的基本概念，引导学生参与讨论。

案例分析：分析经典的新媒体数据分析案例，引导学生理解实际应用。

章节二：新媒体数据分析工具2.1 教学目标掌握常用的新媒体数据分析工具及其特点。

学会使用新媒体数据分析工具进行数据收集与分析。

2.2 教学内容数据分析工具介绍：微博数据中心、指数、百度指数等。

工具使用演示：以实际操作演示如何使用数据分析工具。

工具使用练习：学生自行尝试使用数据分析工具进行数据收集与分析。

演示与练习：教师进行工具使用演示，学生跟随练习。

分组讨论：学生分组尝试使用不同数据分析工具，进行讨论与分享。

章节三：新媒体数据可视化3.1 教学目标理解数据可视化的概念及其在新媒体领域的应用。

掌握新媒体数据可视化工具及其使用方法。

3.2 教学内容数据可视化概念：数据可视化的类型、原则等。

数据可视化工具介绍：Tableau、Excel等。

数据可视化案例分析：分析经典的新媒体数据可视化案例。

3.3 教学方法讲授与互动：讲解数据可视化的概念与原则，引导学生参与讨论。

工具演示与练习：教师进行数据可视化工具的演示，学生跟随练习。

章节四：新媒体用户画像分析4.1 教学目标理解用户画像的概念及其在新媒体领域的应用。

掌握新媒体用户画像分析的方法与工具。

4.2 教学内容用户画像概念：用户画像的定义、构成要素等。

用户画像分析方法：用户行为分析、用户兴趣分析等。

用户画像工具介绍：用户画像分析工具、社交媒体分析工具等。

讲授与互动：讲解用户画像的概念与分析方法，引导学生参与讨论。

工具演示与练习：教师进行用户画像分析工具的演示，学生跟随练习。

《新媒体数据分析与应用》教学大纲《新媒体数据分析与应用》课程简介课程名称：新媒体数据分析与应用英文名称：New Media Data Analysis and Application课程编号：课程类别：专业必修课总学时：80（理论48，实践32）学分：4课程说明：随着新媒体技术的发展和应用范围的不断扩大，新媒体数据分析与应用也越来越受到关注，其在数据新闻可视化、新媒体运营、网络舆情分析等方面都有广泛应用。

对于数据新闻可视化，在融媒体环境下新闻内容的写作和表达需要更加具有亲和力、吸引力和感染力的方式，数据新闻可视化能够更好地支持专题新闻深度报道与分析、支持数据新闻可视化实践、支持新媒体环境下新闻内容交互设计，使新闻内容的表达更易于理解，并提高用户的阅读兴趣。

对于新媒体运营，通过新媒体数据分析能够更好的洞察运营质量、预测运营方向、控制运营成本、评价营销方案，从而使运营推广更具针对性，运营效果更具可控性。

对于网络舆情，通过新媒体数据的获取与分析能够对舆情热度、倾向性进行分析，并预测舆情演化方向。

新媒体数据分析与应用有助于培养学生新媒体数据分析与应用的能力，提升学生从事新闻工作的综合素质。

本课程目标是培养学生掌握丰富新媒体数据分析与可视化知识和专业可视化技能，正确树立多学科知识学习理念和职业价值观，为新闻从业工作提供专业技能支持。

通过课程学习了解新媒体数据分析的基本理论知识，掌握新媒体数据获取、新媒体数据预处理、新媒体数据分析、新媒体数据可视化的理论及实践技能，在此基础上能够完成数据新闻的制作、新媒体运营分析及报告撰写、网络舆情分析及报告撰写。

课程内容主要包括新媒体数据分析概述、新媒体数据获取、新媒体数据预处理、新媒体数据分析、新媒体数据可视化、数据新闻制作、数据营销推广、网络舆情分析等方面的内容。

先修课程：新闻学概论、新闻采访与写作、高级语言程序设计。

课程教材：段峰峰.新媒体数据分析与应用.人民邮电出版社,2020.参考教材：勾俊伟,哈默,谢雄.新媒体数据分析概念、工具、方法.人民邮电出版社,2017.吴翌琳,房祥忠主编.大数据探索性分析.中国人民大学出版社，2016.沈浩,王涛,韩朝阳,李健著.触手可及的大数据分析工具：Tableau案例集.电子工业出版社,2015.樊重俊,刘臣,霍良安编著.大数据分析与应用.立信会计出版社，2016.Pam Baker著,Bob Gourley编，于楠译. 大数据策略如何成功使用大数据与10个行业案例分享.清华大学出版社,2016.授课专业：网络与新媒体、新闻学、传播学、广告学授课时间：第1-16周总学时：80学时，其中理论48学时，实践32学时教学大纲一、课程基本信息课程名称：新媒体数据分析与应用英文名称：New Media Data Analysis and Application课程性质：专业必修课总学时：80（理论48，实践32）学分：4课程目标：本课程目标是在“新文科”背景下培养学生掌握丰富新媒体数据分析与可视化知识和专业可视化技能，正确树立多学科知识学习理念和职业价值观，为新闻从业工作提供专业技能支持。

《新媒体数据分析与应用》课程教学大纲一、说明（一）课程定义新媒体数据分析与应用是XXXXXXX专业开设的一门重要的专业核心课程。

本课程主要讲授新媒体数据分析的基本概念，原理、方法和技术，具体包括：数据的预处理、分类预测、关联挖掘、聚类分析等内容。

通过学习，使学生理解新媒体数据分析的基本流程，掌握新媒体数据分析的基本理论和技术，熟悉新媒体数据分析成果的表达；掌握新媒体数据分析的基本方法，能熟练地应用数据挖掘技术对现实数据进行有效的分析，能够结合SPSS Modeler 软件从大量统计数据中获取有价值的信息。

（二）编写依据根据《XXXXX学院XXXXX专业本科人才培养方案》（XXXX版）编写。

（三）目的任务通过本课程学习，使学生了解现代数据分析和知识挖掘方法的思想与技术，了解数据分析的基本理论，掌握重要的数据分析方法，掌握如何利用SPSS Modeler实现数据分析和挖掘，并使学生具有进一步学习的基础与能力。

（四）学时数与学分数：本课程理论36学时，实践/实验36学时，共72学时，4学分。

（五）适用对象：XXXX专业，二年级学生。

（六）课程编码：KY1810C07二、教学内容与学时分配三、教学内容与知识点第一章数据分析和Modeler使用概述第一节数据分析的产生背景知识点：数据库与数据仓库的定义、人工智能与机器学习的定义、统计学的定义第二节什么是数据分析知识点：数据分析的定义、数据挖掘的定义、知识发现的定义第三节Modeler软件概述知识点：Modeler的数据流、窗口、数据流的基本管理第二章数据读入和数据集成第一节变量类型知识点：整数型、实数型、字符串型、时间型、日期型、时间戳型第二节读入数据知识点：读文本文件、读Excel电子表格、读SPSS格式文件、读数据库文件第三节生成实验方案知识点：挖掘实验数据中的规律性、探索影响实验结果的决定因素第四节数据集成知识点：数据的纵向合并、数据的横向合并、数据源替换第三章数据质量的评估和调整第一节数据质量的评估和调整知识点：数据的基本特征与质量评价报告、离群点和极端值的调整、数据质量管理第二节数据的分类汇总知识点：单变量分类汇总、多重分类汇总第三节变量变换知识点：CLEM表达式、变量值的重新计算、变量类别值的调整第四节数据精简知识点：随机抽样、根据条件选取样本、样本的平衡处理第四章基本分析和数据精简第一节数值型变量的基本分析知识点：计算基本描述统计量、绘制散点图、绘制线图第二节两分类型变量相关性的研究知识点：两分类型变量相关性的图形分析、两分类型变量相关性的数值分析第三节特征选择知识点：特征选择的一般方法、特征选择的应用示例第四节因子分析知识点：因子分析的定义、因子提取和因子载荷矩阵的求解、因子的命名第五章决策树和人工神经网络第一节决策树算法概述知识点：决策树的定义、决策树的几何理解、决策树的核心问题第二节Modeler的C5.0算法及应用知识点：信息熵和信息增益、C5.0决策法的生长算法、修剪算法、基本应用示例第三节人工神经网络算法概述知识点：人工神经网络的概念和种类、人工神经网络建议的一般步骤第四节Modeler的BP反向传播网络的应用知识点：基本操作、结果说明、网络中的隐节点和输出节点第六章支持向量机和贝叶斯网络第一节支持向量分类的基本思路知识点：支持向量机的概念、支持向量分类的数据和目标、支持向量分类的思路第二节支持向量机的应用知识点：确定超平面、基本操作、结果解读第三节贝叶斯方法基础知识点：贝叶斯概率和贝叶斯公式、朴素贝叶斯分类法第四节贝叶斯网络的应用知识点：基本操作、结果解读、马尔科夫毯网络的案例、TAN贝叶斯网络的案例第七章聚类分析第一节聚类分析的一般问题知识点：聚类分析的提出、聚类分析的算法第二节Moderler的K-Means聚类及应用知识点：K-Means对“亲疏程度”的测度、K-Means聚类过程、应用示例第三节Modeler的两步聚类及应用知识点：两步聚类对“亲疏程度”的测度、两步聚类过程、聚类数目的确定第四节基于聚类分析的离群点探索知识点：多维空间基于聚类的离群点诊断方法、应用示例第八章关联分析第一节简单关联规则及其有效性知识点：简单关联规则的基本概念、简单关联规则的有效性和实用性第二节Modeler的Apriori算法及应用知识点：频繁项集、依据频繁项集产生简单关联规则、Apriori算法的应用示例第三节Modeler的序列关联及应用知识点：序列关联中的基本概念、Sequence算法、序列关联的时间约束四、考核（一）考核的形式：平时考核、平时实践考核与期末综合测试相结合。