高等教育招生決策支援系統建構之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：14

、訪客IP：3.129.13.201

姓名

張博凱(Po-Kai Chang) 查詢紙本館藏

畢業系所

資訊管理學系

論文名稱

高等教育招生決策支援系統建構之研究
(Development of enrollment decision support system in higher education)

相關論文

★ 運用資料探勘法探討台灣老年人口全民健保醫療資源利用之研究	★ 運用地理資訊系統與資料探勘技術於基層診所選址分析與研究─以台北市為例
★ 以醫師觀點探討看診輔助系統建置之研究	★ 以創新抗拒觀點探討消費者對客服機器人使用意圖之研究
★ 以資料挖礦法挖掘多屬性序列式資料規則之研究	★ 以延伸型Petri nets模式描述流程管理四個維度之研究
★ 檢驗奇摩拍賣平台消費者跨商品類別的再購行為	★ 網路拍賣頁面相關的服務品質對賣家經營績效之影響
★ 多重商品類別的線上再購行為預測模型	★ 以奇摩拍賣與露天拍賣消費行為的實徵資料預測買家流失
★ 以使用與滿足理論與科技接受模式探討人機介面對網購意願之影響	★ 整合網路口碑之個人化醫療院所推薦系統-以牙醫診所為例
★ 網路口碑影響智慧型手機銷售量的時間動態分析	★ 運用資料探勘技術於建置招生決策支援系統之研究
★ 評估臨床決策支援系統對候診時間與醫病關係之影響	★ 以社會網路分析觀點探討巨量資料在健康保健領域之研究發展

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

招生為高教機構培育人才之關鍵，如何遴選有潛力之優秀學生成為重要研究議題。本研究運用資料探勘決策樹之J48演算法分析台灣某研究所2008-2012入學共247位學生歷史資料(個人資料、入學考成績、甄試成績、修課成績、畢業成績)，並依分析結果建立學業成績預測模型與招生決策支援系統。研究結果顯示甄試生入學後學業表現較考試生優秀，而男性在入學考試上有較佳表現，女性則在甄試上表現較佳; 私立大學畢業生在入學後的學業表現優秀的機會較國立大學畢業生高。本研究共建立十組學業成績預測模型，其準確率介於23%-67%，預測效果最佳的自變項組合為學生基本資料加上其修課成績。本研究依據預測模型建立招生決策支援系統，使用者可使用此系統輸入資料學生資料，系統會預測輸入學生之未來學業表現，系統功能包括選擇預測功能、輸入資料、學生表現預測、輸出結果、維護系統等五步驟。整體而言，學生的個人資料、考試與甄試成績對其畢業成績之預測正確率不高，顯示目前高教招生制度仍有改善空間。綜言之，現行高教招生制度下，招生過程中成績優異的學生入學後不必然會有同等優秀表現。本研究結果可協助高教機構改善其招生策略。

摘要(英)

Student enrollment is an important task for educational institutions in higher education. This study used J48 algorithm to analyze 247 students who enrolled at a university of northern Taiwan between 2008 and 2012. Based on the results, this study built student academic performance prediction models and an enrollment decision support system. The results showed that the students being recruited via the recommendation route performed better than those being recruited via the entrance examination. Moreover, the results also suggested that male had a better performance in entrance examination, while female performed better in recommendation route. This study established ten decision tree models in predicting student academic performance, with success rate between 23% and 67%. The most effective combination of predictor variables is the student demographics and the student grades. This study then used the prediction models to build an enrollment decision support system. One can use the system to predict a student’s academic performance. In conclusion, the personal information and enrollment data of students may not predict academic performance of students correctly. The result suggested that the current enrollment policies and procedures still has room to improve. Overall, the students, who performed excellent in recommendation route or entrance examination, may not perform as well as they previously did after admission. The results can help educational institutions improve their recruiting strategies.

關鍵字(中)

★ 高等教育
★ 招生
★ 資料探勘
★ 決策支援系統

關鍵字(英)

★ Higher education
★ Data mining
★ Decision Support System

論文目次

摘要 i
Abstract ii
目錄 iii
圖目錄 v
表目錄 vii
第一章、緒論 1
1.1 研究背景 1
1.2 研究動機與問題 2
1.3 研究目的 2
1.4 研究假設 3
1.5 論文架構 4
第二章、文獻探討 5
2.1 高等教育招生遴選 5
2.2 學業表現預測 7
2.2.1 一般學業表現預測 7
2.2.2 高等教育學業表現預測 8
2.3 資料探勘 – 預測模型建置 10
2.3.1 分類演算法 10
2.3.2 資料探勘工具介紹 11
2.3.3 應用資料探勘於決策支援系統 11
第三章、研究方法 13
3.1 研究流程圖 13
3.2 資料蒐集 13
3.3 預測模型建置 24
3.4 決策系統建置 27
3.5 決策支援系統操作步驟介紹 29
步驟一：選擇預測功能 29
步驟二：輸入資料 29
步驟三：學生表現預測 29
步驟四：輸出結果 29
步驟五：維護系統 30
第四章、研究結果 31
4.1 資料描述 31
4.1.1 資料合併 32
4.2 資料探勘 38
4.2.1 預測學生畢業平均成績 38
4.2.2 預測學生綜合排名百分比 42
4.2.3 入學考試成績與畢業平均成績關聯 43
4.2.4 入學考試成績與畢業平均成績關聯 46
第五章、系統展示 48
5.1 遴選系統關鍵人員 48
5.2 系統架構以及情境說明 48
5.3 系統操作步驟 49
5.4 歷史分析結果顯示 51
5.5 系統維護 52
第六章、討論與結論 55
6.1 重要結果與討論 55
6.2 相關討論 56
6.3 研究貢獻 57
6.4 研究限制 57
6.5 未來建議 58
6.6 實務應用 58
參考文獻 60

參考文獻

參考文獻
[1]. 楊朝祥. 2009, 台灣高等教育的挑戰, 超越與卓越. 教育資料集刊第四十四輯教育資料集刊第四十四輯教育資料集刊第四十四輯:1-28.
[2]. Delors J. 1998, Learning: The treasure within: Unesco.
[3]. Cheng Z, Caverlee J, Lee K. 2010, You are where you tweet: A content-based approach to geo-locating Twitter users. International Conference on Information and Knowledge Management, Proceedings, 2010. 759-68.
[4]. Schafer JB, Konstan JA, Riedl J. 2001, E-commerce recommendation applications. Data Mining and Knowledge Discovery;5(1-2):115-53.
[5]. Quackenbush J. 2002, Microarray data normalization and transformation. Nature Genetics;32(5 SUPPL. DEC.):496-501.
[6]. Friedman J, Hastie T, Tibshirani R. 2000, Additive logistic regression: A statistical view of boosting. Annals of Statistics;28(2):337-407.
[7]. Sievers F, Wilm A, Dineen D, Gibson TJ, Karplus K, Li W, et al. 2011, Fast, scalable generation of high-quality protein multiple sequence alignments using Clustal Omega. Molecular Systems Biology;7.
[8]. Romero C, Ventura S. 2007, Educational data mining: A survey from 1995 to 2005. Expert Systems with Applications;33(1):135-46.
[9]. Romero C, Ventura S. 2010, Educational data mining: A review of the state of the art. IEEE Transactions on Systems, Man and Cybernetics Part C: Applications and Reviews;40(6):601-18.
[10]. Ahmed ABED, Elaraby IS. 2014, Data Mining: A prediction for Student′s Performance Using Classification Method. World Journal of Computer Application and Technology;2(2):43-7.
[11]. Li Y-l, Li S-b. 2016, 美國高等教育國際化政策的歷史變遷及啟示. 高教探索(1):27-32.
[12]. 美國國際教育協會. 2014, 2014美國門戶開放報告.
[13]. 迪恩斯企業. 2016, 美國碩士申請.
[14]. 方水鳳, 姜華. 2015, 你是未來的精英嗎?——美國高校招生標准對學生未來預測. 現代大學教育(6):13-20.
[15]. 周滿生. 2005, 中國高等教育發展與改革的政策措施. 中國高教研究;5(5).
[16]. 姚金琢. 2003, 高校試行自主招生制度有關問題的探討. 中國高教研究.
[17]. 鄧溪瑤, 喬天一, 于曉磊, 陳虎, 盧曉東, 黄曉婷. 2014, 高校分省招生計劃的效率判據——學生群體學業表現地域差異大數據研究
中国高教研究(12):23-7.
[18]. 張宜君, 林宗弘. 2013, 高等教育擴張與階級不平等: 以台灣高等教育改革為例. 論文發表於 [2013 台灣社會學年會: 台灣社會的再轉型], 台北: 台灣社會學會.
[19]. 洪于婷. 2014, 家庭結構對學生學習表現之影響.
[20]. 傅淑蓉. 2014, 家庭社會資本對子女多元學習影響之研究-以新北市國三學生為例.
[21]. Hsieh Y-C, Hu B. 2006, Assessment of admission criteria: Predicting hotel management students′ academic performance. Journal of teaching in travel & tourism;5(4):1-14.
[22]. Kappe R, van der Flier H. 2012, Predicting academic success in higher education: what’s more important than being smart? European Journal of Psychology of Education;27(4):605-19.
[23]. Kovacic Z. 2010, Early prediction of student success: Mining students′ enrolment data.
[24]. Geiser S, Santelices MV. 2007, Validity of High-School Grades in Predicting Student Success beyond the Freshman Year: High-School Record vs. Standardized Tests as Indicators of Four-Year College Outcomes. Research & Occasional Paper Series: CSHE. 6.07. Center for Studies in Higher Education.
[25]. Test A. 2007, Standardized tests predict graduate students’ success.
[26]. Hoschl C, Kozeny J. 1997, Predicting academic performance of medical students: The first three years. American Journal of Psychiatry;154(6):87.
[27]. 王培倫. 2003, 星座對於消費者在購物傾向上之影響-以大台北地區大學生為例.
[28]. 黃怡瑜. 2011, 星座、人格特質、工作特性、工作適應性與工作表現關聯性之研究-以國際觀光旅館業員工為例. 明新科技大學.
[29]. Fayyad UM, Piatetsky-Shapiro G, Smyth P. 1996, Knowledge Discovery and Data Mining: Towards a Unifying Framework. KDD, 1996. 82-8.
[30]. 林傑斌, 劉明德, 統計學, 陳湘, 統計學. 2002, 資料採掘與 OLAP 理論與實務: 文魁資訊.
[31]. Berry MJ, Linoff G. 1997, Data mining techniques: for marketing, sales, and customer support: John Wiley & Sons, Inc.
[32]. Hazen GB, Pellissier JM. 1996, Recursive utility for stochastic trees. Operations Research;44(5):788-809.
[33]. Chang K, Wu C-H. 1997, Decision tree generation using fuzzy measure theory. Journal of the Chinese Institute of Industrial Engineers;14(2):115-22.
[34]. Quinlan JR. 1987, Generating Production Rules from Decision Trees. IJCAI, 1987. Citeseer: 304-7.
[35]. Tong W, Hong H, Fang H, Xie Q, Perkins R. 2003, Decision forest: combining the predictions of multiple independent decision tree models. Journal of Chemical Information and Computer Sciences;43(2):525-31.
[36]. Steinfort DP, Liew D, Conron M, Hutchinson AF, Irving LB. 2010, Cost-benefit of minimally invasive staging of non-small cell lung cancer: a decision tree sensitivity analysis. Journal of Thoracic Oncology;5(10):1564-70.
[37]. Wu X, Kumar V, Quinlan JR, Ghosh J, Yang Q, Motoda H, et al. 2008, Top 10 algorithms in data mining. Knowledge and information systems;14(1):1-37.
[38]. Zhao Y, Zhang Y. 2008, Comparison of decision tree methods for finding active objects. Advances in Space Research;41(12):1955-9.
[39]. Lin Y-c. 2015, 運用資料探勘技術於建置招生決策支援系統之研究.
[40]. 孫元軍, 鄭新奇, 常偉倩. 2008, 基于 Weka 的城市建設用地结構特徵挖掘研究. 計算機工程與應用;44(27):231-5.
[41]. 劉曉華. 2007, 基于 WEKA 的數據挖掘技術在物流系统中的應用. 科技情报開發與經濟;17(22):189-91.
[42]. 黃銳, 閆雷. 2015, 利用 Weka 挖掘白血病與基因的關係. 中華醫學圖書情報雜誌(1):50-4.
[43]. 許淑禎. 2006, 核能電廠管制單位電廠視察員風險顯著性決策支援系統之探討. 中原大學資訊管理研究所學位論文:1-118.
[44]. Manual NI. 2000, IMC 0609. Significance Determination Process.
[45]. 宋怡貞. 2005, 知識型決策支援系統應用於家庭醫師疾病診斷與病患關係管理之研究. 淡江大學管理科學研究所碩士班學位論文:1-82.
[46]. Chae YM, Kim HS, Tark KC, Park HJ, Ho SH. 2003, Analysis of healthcare quality indicator using data mining and decision support system. Expert Systems with Applications;24(2):167-72.
[47]. 孫雲曉, 李文道, 趙霞. 2010, 拯救男孩: 作家出版社.
[48]. 田芳華, 傅祖壇. 2009, 大學多元入學制度: 學生家庭社經背景與學業成就之比較. 教育科學研究期刊.
[49]. 許燕, 錢筠. 1999, 大學生人格因素的性别差異研究. 心理學探新(4):21-5.
[50]. 顏博文. 2003, 應用資料探勘技術分析學生選課特性與學業表現. 中原大學資訊管理研究所學位論文:1-80.
[51]. 陳建丞. 2007, 甄選面談中外表與性別偏誤之探討: 結構式面談能消除它們嗎?
[52]. 李隆生, 詹秋貴, 鄧嘉宏. 2007, 全球化與高等教育. 全球化暨國際企業研討會. 台中縣.
[53]. 姜麗娟. 2005, 論全球化與跨國高等教育對高等教育國際化的新啟示. 中正教育研究;4(1):67-98.

指導教授

許文錦、許秉瑜(Wen-Chin Hsu Ping-Yu Hsu)

審核日期

2016-7-18

推文