前言¶
这是一份面向教育学研究者、硕博研究生与高校教师的学术资源导航。
做这份导航，起因是自己在读研时深刻感受到：教育学的优质资源极其分散。想找一个规范的国际调查数据集，要在 OECD、IEA、World Bank 之间辗转；想系统学习 HLM 多层模型，发现中文资料零散、英文教程又不知从何入手；想用 NVivo 做质性编码，只能摸索着看官方文档……
这种"资源明明存在，却找不到"的感觉，浪费了研究者大量本可用于思考的时间。
这份导航，就是为了解决这个问题。
这份导航包含什么¶
本站目前涵盖以下五个方向（如果你有其他好的建议，或者想加入贡献者行列，欢迎提出）：
- 数据库与数据： 国内外教育学公开数据集、文献数据库与教育统计数据来源，包括 CEPS、CFPS、PISA、TIMSS、TALIS、ERIC 等。
- 政策文献： 国内教育法律法规与政策文件获取渠道、UNESCO/OECD/World Bank 重要政策报告索引、比较教育政策分析资源。
- 学术书单： 教育学理论经典、研究方法必读书目（量化/质性/混合）、比较教育与教育技术学推荐阅读，附获取建议。
- 数据分析工具： R、Python、SPSS、HLM、Mplus、NVivo、ATLAS.ti、Zotero 等研究工具的使用入口与学习资源。
- 视频与课程： 研究方法专题讲座、Coursera/中国大学MOOC 教育学课程推荐、AERA 等国际学术会议录像获取渠道。
关于数据使用的一点说明¶
使用公开数据集时，最容易踩的坑有两个：
第一是忽略抽样权重。PISA、CEPS 这类大规模调查都采用了复杂抽样设计，如果直接把样本当作简单随机样本来分析，标准误会被严重低估，显著性检验结果完全不可信。R 的 intsvy 包和 IEA 的 IDB Analyzer 软件是处理这类数据的正确工具，详见统计软件页面。
第二是数据引用格式。学位论文和期刊投稿时，数据来源的引用方式有固定格式要求，不同数据集要求不同。各数据集的引用格式在国际数据库页面中有说明。
关于研究方法学习¶
研究方法是很多教育学研究生最头疼的模块——课上学的是原理，实际操作时却不知道从哪一步开始。
这里有一个实用的建议：先确定研究问题类型，再选方法。量化还是质性，并不是"偏好"问题，而是由研究问题的性质决定的。如果你想回答"有多少""有什么关系""影响有多大"这类问题，通常需要量化方法；如果你想回答"为什么""怎么发生的""是什么意义"这类问题，质性方法更合适；两类问题都有时，可以考虑混合设计。
具体的方法学习资源整理在研究方法书单和研究方法视频讲座页面。
如何使用这份导航¶
导航以侧边栏分类组织，每个二级页面都尽量做到"能直接用"：数据库页面给出直接访问链接和数据申请流程，工具页面给出安装方式和学习资源，书单页面注明获取渠道。
所有外部链接均指向原始来源，点击后在新标签页打开。由于网络资源时常变动，如发现失效链接，欢迎反馈。
近期更新¶
| 资源 | 分类 | 说明 |
|---|---|---|
| PISA 2022 完整数据集 | 数据库 | OECD 发布，含81个国家/地区学生数据 |
| 《教育强国建设规划纲要（2024-2035）》 | 政策文献 | 国内最新教育政策顶层设计文件 |
| Research Design 第5版（Creswell） | 学术书单 | 混合研究方法权威教材最新版 |
| NVivo 15 功能更新 | 数据分析工具 | AI 辅助质性编码功能介绍 |
| AERA 2025 年会主题报告录像 | 视频课程 | 核心议题在线回放渠道 |
贡献与反馈¶
一个人的视野终究有限，这份导航在某些领域（如职业教育、教育史、特殊教育）的覆盖还不够全面，在高级分析方法的资源整理上也有待补充。
如果你对某个领域有深入了解，或者发现了很好的资源，欢迎提出建议或加入贡献。