R語言學習筆記：從統計入門到AI應用
作　　者╱
 林松柏
出版社別╱
 五南
出版日期╱
2025/10/01   (1版 1刷)
  
即日起五南舊官網僅提供書籍查詢，如欲購書，請至五南新官網 https://www.wunan.com.tw/
I  S  B  N ╱
 978-626-423-710-9
書　　號╱
 1H1U
頁　　數╱
 224
開　　數╱
 20K
定　　價╱
 550


一本最實用的R語言實務書！
依自己的工作情境與學習需求，找到解題的線索與實作的方法。


AI時代來臨，更要學會靈活運用現有的工具，來解決日常實務的問題。這不只是一本介紹統計與程式語言的工具書，更是一部從問題出發、引導思考、強調實作與應用的實務書。本書每個章節都是從生活情境取材，以生動有趣的小故事帶入主題，讀者不僅可以了解統計與資料分析的實用性，也能學習如何搭配R語言將這些問題具體化、可視化、程式化地解決。

本書精彩內容包含：R語言操作到統計分析、資料視覺化、資料採礦分析、文字探勘以及機器學習的廣度與深度。讀者可以依據自身的需求閱讀相關的章節，或者統合問題，綜合本書各方面的主題進行跨領域的資料處理。一起來發覺問題，培養研究與判斷能力，讓數字說故事！

林松柏
現職：
國立曁南國際大學教育政策與行政學系教授
學歷：
國立曁南國際大學教育政策與行政研究所博士
經歷：
國立曁南國際大學教務處副教務長、教學發展中心主任
國立曁南國際大學校務研究中心分析組組長
國立曁南國際大學學務處生輔組組長、校安中心主任
專長：
教育政策分析、計量研究方法、教育資料採礦

序
校園情境出場人物簡介

第1 章　統計分析：打開理解資料的第一扇門
1.1 什麼是描述性統計：讓數字說出故事的起點
1.2 相關與迴歸：不是你以為的那種「關係」
1.3 到底差多少才算「有差」：從區間估計到假設檢定
1.4 不只兩組怎麼比：ANOVA 的魔法
1.5 別把分類變項當成數字用：卡方檢定的出場時機
1.6 策略有效嗎：共變數分析的神助手登場

第2 章　統計資料視覺化：讓資料說故事
2.1 類別變數：從長條到比率，讓分類資料更清楚
2.2 連續與混合變數：用圖形掌握變數的分布與關係
2.3 莖葉圖：兼具統計與細節的圖示工具
2.4 雷達圖：一張圖比出學生多面向的輪廓

第3 章　資料視覺化的進階分析
3.1 社會網絡圖：誰和誰最常互動？
3.2 複選題分析圖示：從勾選項目畫出「關聯地圖」
3.3 互動式圖示：點出資料的關鍵視角
3.4 GIS 地圖圖示：地圖上的統計故事
3.5 GIS 進階圖示：搭配地形圖檔案呈現在地學習

第4 章　資料採礦分析：發覺藏在資料裡的祕密
4.1 監督式學習：讓資料幫你做決定
4.2 非監督式：沒有答案的探索也可以有規律
4.3 異常值分析：發現數據裡的特別人物

第5 章　網路爬蟲與文字探勘：從資料抓取到語意洞察
5.1 網路爬蟲：不用手動複製也能大量擷取資料
5.2 文字探勘起手式：讓文字自己說話
5.3 字詞進階整理：讓關鍵詞說話更清楚
5.4 文字探勘的視覺化：讓關鍵詞圖像化
5.5 結構化資料擷取與視覺化：將數字轉譯為故事
5.6 輿情分析：讀懂文字呈現的情緒

第6 章　文本機器學習：讓電腦看懂人類用詞並做出判斷
6.1 監督式學習：主題辨識
6.2 監督式學習：文本評分
6.3 非監督式學習：讓電腦自己發現主題
論文統計分析：
SPSS、Am
os與JASP
的運用
社會科學的文本
分析：R的應用
管理學質性與量
化混合研究方法
概論
如何撰寫文獻回
顧：給社會與行
為科學領域學生
的寫作指南
整合分析軟體C
MA：簡介與操
作實務
Python量
化研究實作：D
eepnote
雲端平台應用


第5章 網路爬蟲與文字探勘：從資料抓取到語意洞察

把「文字」變成「資料」的魔法術
校園情境開場：數字懂了，那文字呢？

又是一個午後，小政坐在辦公室裡，眼神空洞地望著電腦畫面，一動也不動。阿育老師路過，發現這熟悉的場景。

阿育老師：「小政啊，又在研究資料嗎？怎麼這次看起來更沮喪了？」

小政轉過頭，有點無奈地說：「老師，我學了好多統計分析的方法，也跑了好多R語法，但這些都適用在數字資料。現在我在整理教學平台上的留言，有學生的反饋、家長的回應，我很想知道他們在想什麼⋯⋯ 」

小政：「但要打開網頁，一則一則看、一個一個點、滑鼠點到手酸⋯⋯資料量又這麼多，真的好累人⋯⋯ 」

阿育老師聽了，語重心長地點點頭：「這就是當老師的必經之路啊！我也是這樣走過來的，我們要關心學生、理解家長，每一則留言背後都是一段聲音、一個故事。雖然辛苦，但這是我們的責任，是教育專業的基本功。」

阿育老師正要對小政進行教師專業講座的開講時，Doctor S悄然登場。

Doctor S：「如果你們不想再一則一則點留言，不妨試試看文字探勘吧！」

概念導讀：什麼是文字探勘？
文字探勘(Text Mining)是指從非結構化文字資料（如留言、文章、對話紀錄）中，找出規律、關鍵詞、主題等有用資訊的技術。和統計分析處理結構化資料（如Excel表格）不同，文字探勘的挑戰在於：資料沒有欄位與標準格式，以及含有大量口語化內容。常見應用包括：關鍵詞抽取、文字分類、主題建模、情感分析等。現在教育現場的溝通越來越依賴平台系統，留言、問卷開放式回饋、課程評鑑意見等，其實都是一座等待被開採的資料寶庫。

為什麼教育工作者需要文字探勘？
傳統方式：
人工閱讀留言、逐字統計、主觀感受評估、忽略潛在聲音
文字探勘方式：
自動整理常見主題、自動萃取高頻詞、客觀量化語意特徵、發覺隱藏情感與需求

本章將從文字的取得、處理到分析進行全面教學，分為三大部分：
*網路爬蟲：讓R自動幫你蒐集留言或文章，不用再點滑鼠。
*文字探勘：斷詞、去除停用字、計算詞頻、找出重點字詞。
*視覺化呈現：製作詞雲、共現網絡圖、主題分布圖，一眼看出資料重點。

Doctor S的溫馨提醒
Doctor S：「別忘了，生成式AI之所以懂人類語言，正是因為背後進行了大量的文字探勘與語料分析。我們現在用的這些技術，其實就是AI世界的基本語言。」

5.1　網路爬蟲：不用手動複製也能大量擷取資料
校園情境開場：蒐集大家的聲音不能只靠滑鼠

這天早上，阿育老師拿著筆電走進辦公室，一臉認真地對小政說：「小政，最近學校正在進行教學品質提升計畫，我想請你幫忙上網蒐集學生和家長對課程的留言與建議，尤其是那個討論區，上面好多心得和問題，很有參考價值。」

小政一聽立刻點頭：「這個我知道，我可以用網路爬蟲(Web Scraping)來處理，不用一則一則手動複製。不過要先看懂網頁的原始碼，像是用什麼CSS class，才能知道要擷取的內容在哪裡。」

阿育老師聽得一頭霧水，猛點頭後突然問：「你說『爬蟲』？網頁上有蟲？是說有病毒嗎⋯⋯還是你在玩生物入侵的遊戲？」

小政忍不住笑出來，正要解釋時，Doctor S早就準備好登場了。

Doctor S：「老師別擔心，小政說的爬蟲，是一種自動化程式，可以模擬使用者上網行為，把網頁上的文字抓下來。這在教育資料蒐集上非常有用。」

Doctor S：「你們可以用R語言的 rvest 套件來寫，而且如果不會找CSS標籤，可以安裝一個叫做『SelectorGadget』的瀏覽器擴充工具，幫助你一鍵查出元素標籤喔！」

概念導讀：什麼是網路爬蟲(Web Scraping)？
在資訊爆炸的時代，許多有價值的資料存在於網頁中，例如論壇留言、新聞文章、產品評論等。若只靠人工一筆一筆複製，將耗費大量時間與心力。網路爬蟲是一種自動化技術，能快速擷取網站中規則性的內容，常用於新聞摘要、價格比對、留言分析等。在R語言中，可以使用rvest套件，模擬使用者進入網頁，然後擷取所需的文字內容。所有網頁背後都有「原始碼」，這些碼中包含標籤（如 <div>、<p> 等）與 class 名稱（如 .title、.comment），可以視為「要抓哪一塊」的指令。

這一節將介紹如何用R語言對網頁資料進行自動化擷取，這不只是技術應用，更是一種節省時間、擴大觀察範圍的研究手段。搭配文字探勘技術，更可以進一步理解背後的語意與趨勢。本節使用 rvest 套件來示範如何擷取文字資訊，包含：取得單一網頁的指定區塊文字、設計迴圈批次擷取多頁資料，以及累積並儲存所有爬取內容。