教學大綱 Syllabus

科目名稱：資料分析基礎與策略

Course Name: Information Analysis
  • 學年學期：114-1 Fall Semester, 2025
  • 科目代碼：405008031 Course No.405008031

修別：必

Type of Credit: Required

3.0

學分數

Credit(s)

100

預收人數

Number of Students

課程資料Course Details
  • 開課單位：傳院一甲、傳院一乙、傳院一丙、傳院一丁 Course Department:Undeclared Major in College of Communication/B/1
  • 授課老師：鄭宇君 Instructor: CHENG YU-CHUNG
  • 先修科目：無Prerequisite(N/A)
  • 上課時間：五234 Session: fri09-12

課程簡介Course Description

114-1「資料分析基礎與策略」授課大綱

教師：江靜之、許志堅、鄭宇君

時間：週五09:10-12:00

教室：傳播學院劇場

課程類別：傳院大一（必修）

 

課程簡介

本課程是傳播學院大學部一年級必修課程，主要目的在提供當代社會媒體公民和傳播專業人員關於資料分析的基礎知識與分析策略。傳播工作核心知識為資料分析的基礎概念與策略，包括社會科學方法基本概念、提問與資訊蒐集、資料分析、資料查核和呈現。

本課為傳院大一必修課，由各位老師根據專長分別主講不同單元，課程內容包括講授、來賓講座、期末考。

課程結構主要分為以下四個單元，由四位老師分別授課：

●單元1：探究與思考問題基礎（江靜之老師）

●單元2：量化資料分析基礎    專家演講—輔大新聞系陳鴻嘉老師

●單元3：結構化資料的處理（許志堅老師）

●單元4：厚數據的處理（鄭宇君老師）

本課程為傳院必修課， 合班授課，統一在劇場上課，只接受本院含雙主修輔系同學修課。第一、二階選課期間，請同學自行登記選課。本課程加簽處理一律由不分系系辦負責，且僅限本院含雙主修輔系學生。欲加簽本課之同學，請在加退選時間內，至大一大二不分系系辦找周亞青助教登記加簽，系辦會依四班修課人數平約分派加簽同學到各班 。必修本課程的學生如未選課，可能影響分流評比。

 

本課程訊息公告在數位平台Moodle，請同學務必把Moodle預設電郵改為常收信之電子郵件。

 

 

核心能力分析圖 Core Competence Analysis Chart

能力項目說明

    課程目標與學習成效Course Objectives & Learning Outcomes

    本課程的教學策略，包括：（1）用心想：系統化地認識當代社會各種資訊蒐集與資料分析之基礎知識；（2）動手做：應用當代資訊科技和社會網絡，實際體驗當代社會人們如何進行資料分析；（3）往前看：透過實務研究，期能掌握資料分析與應用的能力和策略。本院大學部新聞、廣告、和廣電三系，雖然分別指向事實資訊、勸服資訊、娛樂訊息處理的專業，但是在不分系階段，同學必須瞭解和具備資訊蒐集和資料分析的基本能力。因此，本課程安排四次的產業界講座，以使同學瞭解資料分析與應用在傳播產業的各種前端應用。

     

     

    每周課程進度與作業要求 Course Schedule & Requirements

         

     

    • 每周課程進度與作業要求   

     

    大一 「資料分析基礎與策略」 周五234

    上課地點

    第1週 9/5 課程介紹

    傳院劇場

    第2週 9/12【探究與思考問題基礎-江靜之】

    傳院劇場

    第3週 9/19【探究與思考問題基礎-江靜之】

    傳院劇場

    第4週  9/26 演講一  透過 UX 研究之眼，洞察使用者的世界（陳美伶）

    傳院劇場

    第5週 10/3 【量化資料分析基礎】陳鴻嘉

    個人作業1: 問卷調查資料分析

    傳院劇場

    自備筆電

    第6週 10/10   國慶日放假

    放假

    第7週 10/17【量化資料分析基礎】陳鴻嘉

    個人作業1繳交與檢討

    傳院劇場

    自備筆電

    第8週 10/24  臺灣光復暨金門古寧頭大捷紀念日補假

    放假

    第9週 10/31演講二  Google 數位行銷工具 (Google 蔡璞玥 ) 

    傳院劇場

    第10週 11/7【結構化資料處理-許志堅】

    傳院劇場

    第11週 11/14  演講三  Spreadsheet操作與樞紐分析    (報導者 簡毅慧) 

    同學事先看Excel基礎操作影片 現場講解進階操作

    個人作業2: Netflix每月數據分析

    傳院劇場 / 自備筆電


     

    第12週 11/21   【結構化資料處理-許志堅】 

    傳院劇場

    第13週 11/28   【厚數據的處理-鄭宇君】

    個人作業2繳交與檢討

    傳院劇場

    第14週 12/5      【厚數據的處理-鄭宇君】

    傳院劇場

    第15週 12/12   【生成式AI與資料分析的運用-鄭宇君】

     

    演講四  天下資料新聞團隊 ( 天下雜誌 史書華) 

                             

    傳院劇場

    第16週 12/19   期末考     

    分班教室

     

    ※每週學習投入時數：課堂3小時，課程前後各3小時


     

    授課方式Teaching Approach

    60%

    講述 Lecture

    20%

    討論 Discussion

    0%

    小組活動 Group activity

    20%

    數位學習 E-learning

    0%

    其他： Others:

    評量工具與策略、評分標準成效Evaluation Criteria

    評量工具與策略、評分標準成效

    1. 課堂平時小考：30%

    2. 個人作業二次：20%  每個作業佔10%

    3. 期末考：50% 

    • 課堂平時小考與期末考：各班統一題目、各項分數標準、分布、平均等各班均會進行統一後給予成績。

     

    【注意事項】

    1. 課堂平時小考：本課程共分為四個單元，每單元課程會進行隨堂小考，不接受事假補考，缺席課堂小考者成績以0分計算。若有校級公假或無法抗力之理由需請假（包括校級公假、喪假、重病假應取得公立醫院證明），請於事前用電郵向各班老師請假獲准，當天突發狀況應於當天上課前以電郵向各班老師告知，則該次小考得以豁免，由其他單元小考之平均分數替代之。
    2. 個人作業：本課有二次個人回家作業，每個作業佔學期總分10分，請自行完成並於指定時間前將操作截圖上傳，作業不得抄襲或使用他人作業截圖上傳，有違者該次作業以0分計算。
    3. 期末考：期末考不舉行補考，無故缺席者期末考成績以0分計算，請同學務必準時參與考試。若因以下特殊因素得進行額外補考，並需於期末考試前告知老師請假事由並得到老師許可得以補考，臨時病假需在考試當天上午九點前email告知老師。依照學校規定，重病假應檢附公立醫院無法參加考試證明、喪假應檢附證明，於期末考舉行後一個禮拜內聯絡教師進行補考，補考題目另以申論題形式測驗。期末考當日無法以事假事由缺考。期末考若無故缺考會導致學期成績不及格。


     

    • 課程結構

    單元

    課程內容

    探究與思考問題基礎

          訪談資料分析基礎與策略之前，我們須先確認並設定資料分析之目的，包含為誰、為何而做，以及將以何種方式(文類)呈現，該方式(文類)對資料型態、品質之要求與標準等。再依此目的，提問最適與最佳問題，進而學習解決問題的方法。基此，本單元主要教授：

     
    1. 界定對象，設目的: 討論主要傳播文類，如新聞、廣告、娛樂影像作品等，背後預設的閱聽人，以及相對而來的文類特性、資料分析目的與品質評估標準。學習如何奠基於前述知識之上，設定資料分析之目的與策略。
     
    1. 問對問題，尋方法:了解量/質化資料背後預設的世界觀與知識觀以能提問適當的好問題，再依此選擇適當的資料蒐集與分析方法。
     
    • 單元指定閱讀（考試範圍）
    1. 羅耀宗、蔡宏明譯(2011)。《問對問題，找答案》。台北: 城邦文化。
    2. 林俊宏譯（2021）。《你問對問題了嗎？》。台北市：遠見天下文化。

    量化資料分析基礎
    1. 量化資料與知識的探尋：

    人類知識與事實尋求、演繹與歸納理論的建構

    1. 尋求事實的方法
    1. 資料處理目的：探索、描述、解釋
    1. 因果關係、分析單位、時間面向（長、短期）
    • 單元指定閱讀（考試範圍）
    1. Babbie, E. (2014). The practice of Social Research 14th (chapter 1). Cengage Learning. 

    [也可參考翻譯版]林秀雲（譯）（2014）。社會科學研究方法（第一章）。台北市：雙葉書廊。

    結構化資料的處理

    不同領域的原始資料態樣各自不同，取得方法也不盡相同，原始資料無法直接取用和加值， 因此需要進行清理，變成結構化的資料。

    在本單元中涵蓋結構化資料的清理和運算工作。倘若資料未經整理，資料分析與挖掘將會缺乏正確的基礎， 而且分析出的結果也是沒有價值的。

    1. 結構化和非結構化資料有何不同？ 
    2. 結構化資料包含哪些類型？資料類型如何轉換？如何把非結構化的資料變成結構化資料？
    3. 資料清理與整合：結構化資料中如何篩選？如何切割？如何刪除特定資料？如何合併資料以達成一致？
    4. 資料描述：如何使用運算公式或函數從事資料運算？（總和/平均值/最大值/最小值/標準差如何運算？） 
    5. 資料探索：如何描述兩組資訊的關係？（樞紐分析是什麼？如何進行樞紐分析？）
    6. 資料視覺化

    厚數據的處理

    厚數據意指以人為本的質性研究調查，以結合大數據分析，以洞察引導創新，有效完成資料的轉譯與呈現，本單元將聚焦於以下重點

    1. 田野調查技巧
    2. 質性訪談
    3. 脈絡訪查與記錄
    4. 洞察與轉譯
    5. 理解與呈現
    • 單元指定閱讀（考試範圍）
    1. 宋世祥（2011）：《百工裡的人類學家》，果力文化。第一部分導論及個案一（pp.1-53）
    2. 宋世祥（2020）：《厚數據的創新課》，果力文化。
    • 單元延伸閱讀
    1. 林俊宏譯（2016）：《我們是誰?大數據下的人類行為觀察》，臺北市：馬可波羅。（原書：Rudder, C. [2014]. Dataclysm: Who we are (When we think no one’s looking.s）

     

    指定/參考書目Textbook & References

    參考資料

      1. 林俊宏譯（2021）。《你問對問題了嗎？》。台北市：遠見天下文化。（原書：Thomas WeDell-Wedellsborg (2020). What’s your problem: To solve your toughest problems, change the problem you solve. Harvard Business Review Press）
      2. 徐瑞廷（2021）。《BCG問題解決力：一生受用的策略顧問思考法》。台北市：時報出版。
      3. 吳莉君、陳依亭（2021）。《設計思考改造世界》。台北市：聯經出版。（Tim Brown, (2021). Change by design: How design thinking transforms organizations and inspires innovation. C. Fletcher & Company, LLC）
      4. 林方繁譯（2018）：《真確：扭轉十大直覺偏誤，發現事情比你想的美好》，臺北市：先覺。（原書：Hans Rosling & Ola Rosling [2018]. Factfulness: The reasons we’re wrong about the world and why things are better than you think.）
      5. 賴盈滿譯（2011）：《資訊：一段歷史、一個理論、一股洪流》，臺北市：衛城出版。（原書：GleickJames [2011]. Information: A History, a Theory, a Flood, New York: Vintage）
      6. 宋瑛堂譯（2013）：《搜尋引擎沒告訴你的事》，臺北市：左岸文化。（原書：Pariser, Eli [2011]. The Filter Bubble: What the Internet Is Hiding from You，New York: Pariser, Tantor Media Inc.）
      7. 王友龍（2016）：《圖解資料學》，臺北市：臉譜出版社。
      8. 李宇美譯（2011）：〈承諾、工具、默契〉，《鄉民都來了：無組織的組織力量》第11章，頁229-255，臺北市：貓頭鷹。（原書：Shirky, Clay [2008]. Here comes everybody: The power of organization without organizations, New York: Clay Shirky）
      9. 顏志龍、鄭中平（2019）：《給論文寫作者的統計指南：傻瓜也會跑統計》，臺北市：五南。
      10. 朱柔若譯（1996）：《社會科學研究方法與資料分析》，臺北市：楊智文化事業股份有限公司。( Herzog, T. (1996). Research Methods and Data Analysis in the Social Sciences.)
      11. 潘明宏譯( 1998) ：《社會科學研究方法(上下) 》，臺北市：韋伯文化事業出版社。
      12. 邱泯科、陳佳穎、蔡毓智、姜馨彥譯（2004）：《研究方法:基礎理論與技巧》，臺北市：雙葉書廊有限公司。
      13. 陳孟君譯（1996）：《量化的反思:重探社會研究的邏輯》，臺北市：巨流圖書公司。
      14. 王叢桂、羅國英著（1992）：《社會研究的資料處理》，臺北市：黎明文化事業公司。
      15. 宋世祥（2011）：《百工裡的人類學家》，臺北市：果力文
      16. 宋世祥（2020）：《厚數據的創新課》，臺北市：果力文化
      17. 林俊宏譯（2016）：《我們是誰?大數據下的人類行為觀察》，臺北市：馬可波羅。（原書：Rudder, C. [2014]. Dataclysm: Who we are (When we think no one’s looking.s）

    已申請之圖書館指定參考書目 圖書館指定參考書查詢 |相關處理要點

    維護智慧財產權，務必使用正版書籍。 Respect Copyright.

    本課程可否使用生成式AI工具Course Policies on the Use of Generative AI Tools

    有條件開放使用:在教師說明下使用 Conditional Permitted to Use

    課程相關連結Course Related Links

    
            
    
        
    
        
    
        
    
            
    
                
                
    
                
    課程附件Course Attachments
    
            
    
            
    
                
                
      
                
    
            
    
        
    
    
    
    
    
        
    
            
            
               
                
                
    
                    課程進行中，使用智慧型手機、平板等隨身設備
                    To Use Smart Devices During the Class
                
    
                
    
                        
                            需經教師同意始得使用
                        
                        Approval
                
    
            
    
        
    
    
    
    
    
    
        
        
    
            
    列印