應用漸進式因果規則探勘分析學生學習歷程與就業表現

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：48

、訪客IP：18.221.142.39

姓名

林良翰(Liang-Han Lin) 查詢紙本館藏

畢業系所

資訊工程學系

論文名稱

應用漸進式因果規則探勘分析學生學習歷程與就業表現
(Employing Incremental Causal Rule Mining On Students’ Learning Portfolio And Employment Performance)

相關論文

★ 應用自組織映射圖網路及倒傳遞網路於探勘通信資料庫之潛在用戶	★ 基於社群網路特徵之企業電子郵件分類
★ 行動網路用戶時序行為分析	★ 社群網路中多階層影響力傳播探勘之研究
★ 以點對點技術為基礎之整合性資訊管理及分析系統	★ 在分散式雲端平台上對不同巨量天文應用之資料區域性適用策略研究
★ 應用資料倉儲技術探索點對點網路環境知識之研究	★ 從交易資料庫中以自我推導方式探勘具有多層次FP-tree
★ 建構儲存體容量被動遷徙政策於生命週期管理系統之研究	★ 應用服務探勘於發現複合服務之研究
★ 利用權重字尾樹中頻繁事件序改善入侵偵測系統	★ 有效率的處理在資料倉儲上連續的聚合查詢
★ 入侵偵測系統：使用以函數為基礎的系統呼叫序列	★ 有效率的在資料方體上進行多維度及多層次的關聯規則探勘
★ 在網路學習上的社群關聯及權重之課程建議	★ 在社群網路服務中找出不活躍的使用者

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)

本研究提供漸進式因果規則分析的演算法，並於本校校務資料倉儲環境中驗證，確認得到良好的效能。
過去五年來，本國政府及許多學校開始注重於校務研究，其目的為更好的去評斷及改善學校自身經營與教學績效，讓學校的決策者透過科學化的研究去協助學校進行策畫改善、透過資料蒐集、分析、解讀來提升學校辦學品質及學校發展。
校務資料涵蓋的範圍相當廣泛，包括學生、教職員、教務、學務等學校有關的資源，本校校務研究單位雖已蒐集、整理各個單位的資料並進行整合，但仍有未被發掘的資訊尚待進行分析及利用。本研究以學生為主題切入，進行探索性數據分析，從學生的背景、學習歷程、畢業後狀況等的資料中分析學生發展趨勢，由不同面向挖掘具有因果關係的資料組合，提供校務人員多元化的分析議題、決策支援。
此外，由於校務資料是會不斷新增的，新資料加入也會影響分析結果的正確性和適用性，為了更符合實務上的運用，本研究納入漸進式挖掘的系統架構，使得在資料在大量累進的情況下能有效率地提供決策者資料異動後因果規則的分析結果，進一步也大幅減輕系統常態維護與週期性分析的負擔。

摘要(英)

In recent years, due to the rapid development of university education, many schools have begun to develop institutional research for the purpose of better evaluating and improving the school’s own operation and teaching performance, so that school decision makers can help schools to improve their planning through scientific research, and improve the quality of school operations and school development through data collection, analysis, and interpretation.
The institutional research data covers a wide range of school-related resources, including students, staff, teaching and academic affairs. Although the institutional research office has collected, organized, and integrated data from various offices, there is still unexplored information that has yet to be analyzed and utilized. Our research use students as the theme to conduct exploratory data analysis and analyze the development trend of students from their background, learning history, and post-graduation status, etc. Our research explore the combination of data that have causality from different aspects to provide institutional research office with diversified analysis issues and decision support.
In addition, since school data are constantly added, the addition of new data will affect the accuracy and applicability of the analysis results. In order to be more practical, our research design a incremental mining system framework, hoping to quickly provide decision makers with causal rule analysis results even when data are continuously added, and to reduce the possible loss caused by analysis delay.

關鍵字(中)

★ 校務研究
★ 資料探勘
★ 關聯規則探勘
★ 漸進式因果規則探勘

關鍵字(英)

★ Institutional Research
★ Data Mining
★ Association Rule Mining
★ Incremental Causal Rule Mining

論文目次

摘要 1
ABSTRACT 2
誌謝 4
目錄 5
圖目錄 6
一、緒論 7
1-1. 研究背景及動機 7
1-2. 研究目的 8
二、文獻探討 11
2-1. 校務研究之源起 11
2-2. 關聯規則 11
2-3. 因果規則 12
2-4. 漸進式探勘 13
2-5. 隊列研究 13
2-6. 勝算比 14
三、研究設計之系統架構與流程 16
3-1. 系統流程 16
3-2. 資料來源與資料前處理 16
3-3. 應用漸進式探勘尋找因果規則 17
四、研究方法 18
4-1. 資料前處理 18
4-2. 引入關聯規則探勘查找因果規則候選 18
4-3. 漸進式因果規則驗證 18
五、實驗結果 26
5-1. 實驗環境 26
5-2. 實驗資料集與執行時間 26
5-3. 因果規則討論 29
5-4. 引入信賴度的影響 31
六、結論 33
七、參考文獻 34

參考文獻

[1] J. L. &. M. J. R. Saupe. 1970. The nature and role of institutional research: Memo to a college or university. Tallahassee, FL: Association for Institutional Research.
[2] http://www.tair.tw
[3] http://www.tair.tw/Media/Default/Seminar/1061124-25/1125.05-%E8%98%87%E6%9C%A8%E6%98%A5%E4%B8%BB%E4%BB%BB.pdf
[4] https://ir.ncu.edu.tw/index.php/zh/research/newsletter/170-201806
[5] J. W. Tukey. 1977. Exploratory Data Analysis. Addison-Wesley. ISBN 978-0-201-07616-5.
[6] J. Pearl. 2009. Causal inference in statistics: An overview. Statistics surveys 3: 96 –146.
[7] Qiankun Zhao, Sourav S. Bhowmick. 2003. Association Rule Mining: A Survey, Technical Report, CAIS, Nanyang Technological University, Singapore.
[8] S. Shah, N. C. Chauhan, and S. D. Bhanderi. 2012. Incremental Mining of Association Rules: A Survey.
[9] J. L. Saupe. 1990. The functions of institutional research (2nd ed.). Tallahassece,FL: Association for Institutional Research.
[10] https://www.edu.tw/News_Content.aspx?n=D33B55D537402BAA&s=333F49BA4480CC5B.
[11] https://www.airweb.org/.
[12] R. Agrawal, T. Imielinski, and A. Swami. 1993. Mining association rules between sets of items in large databases. In Proceedings of the ACM SIGMOD International Conference on Management of Data (SIGMOD’93). 207–216.
[13] Jiuyong Li. 2015. From observational studies to causal rule mining. ACM Trans. Intell. Syst.Technol. 7, 2, Article 14 (November 2015), 27 pages.
[14] W. K. Wannasiri Thurachon. 2021. Incremental Association Rule Mining With a Fast Incremental Updating Frequent Pattern Growth Algorithm .IEEE Access, vol. 9, pp. 55726-55741.
[15] J. W. Song and K. C. Chung. 2010. Observational studies: Cohort and case-control studies. Plastic and Reconstructive Surgery 126, 6, 2234–2242.
[16] https://health99.hpa.gov.tw/news/10682.
[17] J. M. B. a. D. G. Altman. 2000, "The odds ratio", BMJ, vol. 320, p. 1468.

指導教授

蔡孟峰(Meng-Feng Tsai)

審核日期

2022-7-7

推文