課程設計者：臺師大科技系 PecuLab 蔡芸琤
第一堂課：教育數據載入與初步視覺化
目標：學會從 Google Sheets 中載入教育數據，並進行初步的資料視覺化。
內容：
使用 Google Colab 進行身份驗證並從 Google Sheets 中讀取數據。
將數據載入 Pandas DataFrame。
使用 matplotlib 繪製白板使用量的折線圖，分析每個平台在不同日期的使用情況。
透過資料的時間戳，將日期轉換為具體的星期幾。
實作：繪製「金門縣白板使用情況」折線圖。
第二堂課：數據清理與處理
目標：學習如何使用 pandas 清理數據，並準備進行進一步的分析。
內容：
使用 pandas 清理數據（處理缺失值、異常值，進行數據類型轉換）。
將字串數據轉換為適當的數字類型，並處理日期數據。
使用 plotly 繪製箱形圖來展示學生回答次數的分佈情況。
實作：對學生回答數據進行清理，並繪製箱形圖展示各個學生的回答數據分佈。
第三堂課：時間序列分析與可視化
目標：學習如何處理和可視化時間序列數據。
內容：
使用 pandas 將時間戳轉換為日期格式，並分析時間序列數據。
繪製 Plotly 的時間序列折線圖，展示學生行為隨時間變化的趨勢。
實作：基於學生回答的時間戳數據，繪製每位學生在不同時間的行為趨勢圖。
第四堂課：多維數據的可視化
目標：學習如何使用 plotly 視覺化多維數據。
內容：
使用 pandas 和 plotly，將數據分組並進行多維數據分析。
使用 plotly 繪製堆疊柱狀圖和分面圖，對比不同平台上的使用情況（如 Windows、Android、iOS）。
實作：使用多維數據，對比不同平台上的學生回答次數分佈情況。
第五堂課：資料關聯性與交互式可視化
目標：使用 plotly 繪製交互式圖表來展示數據中的關聯性。
內容：
使用 pandas 計算變量間的相關性。
使用 plotly 繪製散佈圖矩陣和相關性熱圖，找出學生日常行為之間的潛在關聯性。
實作：分析學生回答次數與學習時間的相關性，並繪製交互式熱圖來展示不同變量之間的關聯。
第六堂課：動態視覺化與報告生成
目標：使用 plotly 創建動態圖表，並生成視覺化報告。
內容：
使用 pandas 進行進一步數據處理，總結數據中的重要趨勢。
使用 plotly 的動態更新功能（如 sliders 和 animations）創建動態圖表。
實作：創建一個動態更新的數據視覺化，展示學生行為隨時間的變化，並撰寫數據分析報告。