参与的专题阅读，想要对个案进行研究，需要建构核心环节，诸如自始至终的数据，以及评价参与，从数据中寻找和推导影响因素，在评价中验证假设。
一．基础的数据分析和挖掘
读书活动，基于读书小组、大群及大课公布的信息，常见被使用到、识别到的，数据分析和挖掘的技术如下：
1.数据分析方面
日毕数据：作业提交时间、完成日毕情况
作业字数：提交作业的字数
复盘数据：当周复盘达成数据；
全面分享：分享的次数
2.挖掘技术
相关排名：群组日毕排名，作业字数排名
相关台账：每周日毕情况、日毕累计积分
作业推荐：组内优秀作业评选，以及次数，数据提纯
二、扩展的数据分析与挖掘
1.与预测相关的数据分析：
使用常见的模型，进行预测：这部分需要一定的实验，诸如，假设私下沟通队内成员，提醒阅读投入时间、提早答题、提高字数、提高质量，产生的结果；
潜在知识估值型：技能和概念知识，通过假设模型形成正确的评估，诸如读书中相关职业及领域经验的数据；
2.与关系挖掘相关可以做的工作：
关联规则挖掘：研究关联数据，诸如，投入时间与答题质量的关系；
相关性挖掘：研究与读书答题相关联的数据，诸如，当日的情绪状态；
序列模式挖掘：研究次序及重要程度相关数据，诸如，读书答题的个人流程，行动秩序步骤；
因果数据挖掘：设定研究数据，然后寻找其因果关联，诸如，阅读完书答题或者直接裸答；
3.与结构挖掘相关可以做的工作
聚类分析：密集型数据，以类别进行聚集，诸如日毕相关的未出现的数据，最晚提交时间、日毕提交时间变动频率；
因素分析：概念性数据，以一个切入点出发，诸如行动相关的数据；
社会分析：关注社会性学习、协作合作方面，对专题阅读的相关影响，诸如，同桌制对行动、作业的影响；
领域结构挖掘：把教育学或其他领域相关的概念，以新的维度，引入到当前的专题阅读数据挖掘中，诸如，写作（作业）的完成度分析，执行能力数据评估；
三.自我评价系统的构建
首先，活动中的表现评价，需要系统化思维构建，先思考阐述基本的原则：
1.自我接纳：自我评价的干扰项经常集中在是否肯面对真实，以及自我感知上的偏差，诸如自负或自我PUA，选择自我接纳，评价引导走向更好的自己，减少相关的抵抗；
2.客观持续：对于2阶段行动，需要使用一定时间进行持续地观测，以便进行相对客观的评价，需要数据的持续采集；
3.障碍干扰：有意识评论，需要识别到个人活动中的障碍，进行必要的评价后干扰。
4.关注转变：评价系统从短周期到长时间段进行个人表现观测，需要关注阶段性的转变，让评价变得有效，产生好的转变；
四.评价角度
三个全面以及其他相关活动表现，可以归纳至核心系统，即评价系统与行动、学习、复盘、社会系统进行对接，从核心系统的结果维度，进行有效评价：
1.行动系统评价维度
-稳定能力：稳定不被打扰的进行本期读书行动的表现；
-持续能力：能够不间断，进行本期读书行动；
-未来感知：能否提早完成，提前进行本期读书行动；
2.学习系统评价维度
-知识迁移：评价概念、知识的关联能力；
-执行到位：基于阅读内容，构建有意识、有效的教育模型体系；
3.复盘系统评价维度
-设定计划：学习的期待，结果相关构想；
-相关执行：针对目标进行的相关行动执行；
-分析比较：行动与目标的偏差；
-行动推导：总结分析后的，思想和行动上的推导演变；
4.社会学习评价维度
-交流协作：通过交流或协作，共同学习相关的评价；
五、评价方法
评价系统可以依照日>周>阶段，进行持续与周期性评价，具体方法为评价数据化，便于后续的数据统计与加工：
1.日记录评价：使用文字、视频等方式进行日情况的记录，以及相关评价；
2.周汇总统计：日记录汇总，数据整合，相关统计；
3.数据化评价：评价维度进行数据化设定
1）数据类型：减少数据类型，保留布尔、数值；
2）数据模拟：质量相关评价进行数据模拟打分，1~5或简单数值级别评定；
3）数据统计：相关数据的累计，图示图表化查看动态变化；
六、评价目标
关注评价的目标，部分与评价系统的构建原则相似或关联
1.干预与变化：基于转变的目标，使用评价系统对个人行为表现进行状态的识别，进而面向有效的矫正、干扰；
2.相关假设验证：面向综合理论，评价系统可根据表现结果，进行相关的试验，假设的验证；
3.实践相关理论：评价形成外部观察，动态引导促成内部动机的增强，进行目标理论实践；
评价面向认知模型、观察记录、解释/分析推理，相互连接，以达到评论系统的有效和得到可靠的结论。
综上，评价与数据提供重要的假设、分析的场景，以及行动的量与质的权衡，便于个案研究落地。
