運用資料探勘技術建構國小高年級學生學業成就之預測模式

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：24

、訪客IP：18.225.209.95

姓名

宋青和(Song Chingho) 查詢紙本館藏

畢業系所

資訊管理學系在職專班

論文名稱

運用資料探勘技術建構國小高年級學生學業成就之預測模式
(A Research of Data Mining Applied to the Predictive Model of Academic Achievement for Senior Students in Elementary Schools)

相關論文

★ 零售業商業智慧之探討	★ 有線電話通話異常偵測系統之建置
★ 資料探勘技術運用於在學成績與學測成果分析 -以高職餐飲管理科為例	★ 利用資料採礦技術提昇財富管理效益 -以個案銀行為主
★ 晶圓製造良率模式之評比與分析－以國內某DRAM廠為例	★ 商業智慧分析運用於學生成績之研究
★ 應用資料探勘技術建立機車貸款風險評估模式之研究－以A公司為例	★ 績效指標評估研究應用於提升研發設計品質保證
★ 基於文字履歷及人格特質應用機械學習改善錄用品質	★ 以關係基因演算法為基礎之一般性架構解決包含限制處理之集合切割問題
★ 關聯式資料庫之廣義知識探勘	★ 考量屬性值取得延遲的決策樹建構
★ 從序列資料中找尋偏好圖的方法 - 應用於群體排名問題	★ 利用分割式分群演算法找共識群解群體決策問題
★ 以新奇的方法有序共識群應用於群體決策問題	★ 利用社群網路中的互動資訊進行社群探勘

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]

至系統瀏覽論文 ( 永不開放)

摘要(中)

資料探勘(Data Mining)是一門整合不同領域的研究方法，包含資料庫方法、機器學習、統計以及人工智慧等領域。運用此技術，能從大量資料中找出隱藏的知識，來幫助企業歸納與分析資料，並做為判斷與決策之輔助工具。
本研究主要目的是運用資料探勘技術建構國小高年級學生學業成就之預測模式，研究過程中以數學和國語學業成就為輸出變數，以SQL Server 2008為建立預測模型之工具，使用決策樹、類神經網路以及線性迴歸等演算法建立預測模型，在進行變數篩選時，亦利用SPSS進行輸入變數的篩選，以比較不同的篩選方式所得到的結果。評估各個預測模型的預測結果後，發現三種演算法所建立的預測模型，在相同的變數篩選方式下，預測結果並無顯著差異，影響預測結果的關鍵在於輸入變數的篩選方式。
學業成就預測模型可預測學生未來學業成就發展趨勢，學生家長及老師可依據預測模型的結果，及早採取因應措施；學校管理階層進行教學規畫及學生編班時，可依據預測模型的結果，進行適當的調配，提高學生學業成就。

摘要(英)

Data mining integrate different fields of study, including data warehousing, machine learning, statistics and artificial intelligence. Using this technique, the hidden knowledge could be found from large amounts of data, and help companies to summarize and analyze data. The results of data analysis can be helpful when making decisions.
In this study, we build the predictive model of academic achievement for senior students in elementary schools by Microsoft SQL Server 2008. The algorithms for the predictive model contain decision trees, artificial neural networks and linear regression. In order to compare the forecasted results, this study adopts Microsoft SQL Server 2008 and SPSS Statistics 17.0 to find out input variables. According to the results, we find out no matter what algorithm is used, the forecasted results do not have significant difference. The key factors that influence the forecasted results are the method of finding out input variables.
The predictive model can predict the stream of academic achievement for senior students in elementary schools. The parents of the students or the teachers can do some promotion activities according to the forecasted results. The forecasted results also serve as references for school managers or administrators while making decisions in their favor.

關鍵字(中)

★ 學業成就
★ 資料探勘

關鍵字(英)

★ Academic Achievement
★ Data Mining

論文目次

摘要...... I
ABSTRACT...... II
誌謝...... III
目錄...... IV
圖目錄...... VI
表目錄... ...VIII
第一章緒論...... 1
1-1 研究背景與動機 ......1
1-2 研究目的...... 2
1-3 研究架構...... 2
第二章文獻探討...... 4
2-1資料探勘...... 4
2-1-1 資料探勘之定義...... 4
2-1-2 資料探勘之流程...... 6
2-1-3 資料探勘之功能...... 7
2-2 資料探勘演算法...... 9
2-2-1 決策樹...... 9
2-2-2 類神經網路...... 11
2-2-3 迴歸分析...... 13
2-3有關學業成就預測之研究...... 14
第三章研究方法...... 15
3-1 研究流程...... 15
3-2 資料前置處理...... 16
3-2-1 資料擷取與資料清理...... 16
3-2-2 資料轉換...... 19
3-3探勘工具介紹...... 21
3-4 變數篩選...... 22
3-5 預測模型的建立 ......28
第四章實證評估...... 31
4-1預測準確率計算方式...... 31
4-2 決策樹分析（數學預測模型）...... 32
4-2-1 預測模型1...... 32
4-2-2預測模型2...... 33
4-2-3 預測模型3...... 35
4-2-4 預測模型4...... 36
4-3 類神經網路分析（數學預測模型）...... 37
4-3-1 預測模型5...... 37
4-3-2 預測模型6...... 38
4-3-3 預測模型7...... 39
4-3-4 預測模型8...... 40
4-4 線性迴歸分析（數學預測模型）...... 42
4-4-1 預測模型9...... 42
4-4-2 預測模型10...... 43
4-4-3 預測模型11...... 44
4-4-4 預測模型12...... 46
4-5 決策樹分析（國語預測模型）...... 47
4-5-1 預測模型13...... 47
4-5-2 預測模型14...... 49
4-5-3 預測模型15...... 50
4-5-4 預測模型16...... 52
4-6 類神經網路分析（國語預測模型）...... 53
4-6-1 預測模型17...... 53
4-6-2 預測模型18...... 54
4-6-3 預測模型19...... 55
4-6-4 預測模型20...... 56
4-7 線性迴歸分析（國語預測模型）... 57
4-7-1 預測模型21...... 57
4-7-2 預測模型22...... 58
4-7-3 預測模型23...... 60
4-7-4 預測模型24...... 61
4-8 探勘結果比較...... 62
4-8-1 綜合評估...... 62
4-8-2 預測值絕對誤差比較...... 65
第五章結論與建議...... 74
5-1 研究結論...... 74
5-2 研究建議...... 74
5-3 研究限制...... 75
5-4 未來研究方向...... 76
參考文獻及書目...... 77

參考文獻

1. 王進德、蕭大全，類神經網路與模糊控制理論入門，全華科技圖書股份有限公司，2002年。
2. 尹相志，SQL Server 2008 Data Mining 資料採礦，悅知文化，2009年。
3. 宋珮怡，「我國大學學科能力測驗成績之預測建模研究」，輔仁大學應用統計學研究所碩士論文，2006年。
4. 林家聖，「利用模糊類神經網路模型進行學習成效預估」，中原大學資訊工程學系碩士論文，2005年。
5. 李豪剛，「運用資料探勘技術於台灣鋼筋混凝土橋梁構件劣化因子之研究」，國立中央大學營建管理研究所碩士論文，2007年。
6. 范郁達，「資料探勘技術運用於在學成績與學測成果分析-以高職餐飲管理科為例」，國立中央大學資訊管理學系碩士論文，2004年。
7. 秦夢群、賴文堅，九年一貫課程實施政策與問題之分析教育政策論壇，第九卷第二期，2006年。
8. 陳伯璋，九年一貫新課程綱要修訂的背景及內涵，教育研究資訊，7（1），1-13，1999年。
9. 陳順宇，迴歸分析，第三版，華泰書局，2000年。
10. 曾憲政，九年一貫課程需要完善的配套措施，教育研究資訊，7（1），39-45，1999年。
11. 彭重恩，「高中學生生活科技及數理成績與大學學科能力測驗數理科成績之相關研究」，國立臺灣師範大學工業科技教育學系碩士論文， 2005年。
12. 黃俊英，多變量分析，第七版，中國經濟企業研究所，2000年。
13. 黃俊文，「國小學生資訊素養分類模型之比較 -以自強國小為例」，銘傳大學資訊管理學系碩士論文， 2005 年。
14. 葉怡成，類神經網路模式應用與實作，第八版，儒林圖書有限公司，2004年。
15. 劉娟藺，「資料探勘技術萃取影響學業成就因素之研究」，國立東華大學教育研究所碩士論文，2009年。
16. 蔡瑞煌，類神經網路概論，第七章，三民書局，1995年。
17. 賴美雪，「國小高年級學生的自我概念對學業成就之影響」，靜宜大學青少年兒童福利學系碩士論文，2009年。
18. 謝邦昌，資料採礦與商業智慧：SQL SERVER 2005，鼎茂圖書出版股份有限公司，2005年。
19. Berson, A., Smith, S. and Thearling, K. Building Data Mining Application for CRM, New York,McGraw-Hill Inc(2001).
20. Fayyad, U. M., Piatesky-Shapiro, G. and Smyth, P. From Data Mining to Knowledge Discovery:An Overview” Advances in knowledge Discovery and Data Mining, MIT Press(1996).
21. Han, J., & Kamber, M. (2000), Data Mining: Concepts and Techniques. Amsterdam:Morgan Kaufumann.
22. Hastie, T. J. Friedman, and R. Tibshirani, “The elements of statistical learning” ,Springer-Verlag, New York, 2001.
23. Kleissner, C., “Data Mining for the Enterprise,” Proceedings of the 31st Annual Hawaii International Conference On System Sciences, pp. 295-304, July 1998.
24. Peacock, P. R.“Data mining in marketing: Part I＂, MarketingManagement, Vol.6, No.4, pp.818, 1998.

指導教授

陳彥良(Yen-Liang Chen)

審核日期

2010-7-12

推文