基於勝算比探討學生背景與學習型態對就業表現的影響

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：17

、訪客IP：3.145.40.61

姓名

林亭延(Ting-Yan Lin) 查詢紙本館藏

畢業系所

資訊工程學系

論文名稱

基於勝算比探討學生背景與學習型態對就業表現的影響
(Exploring the Effect of Student’s Background and Learning Styles on Employment Performance Based on Odds Ratio)

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)

本研究旨在探討學生背景與學習型態對就業表現的關係，資料樣本以國立中央大學108年畢業生為研究對象。本研究採用實證資料，資料來源為國立中央大學校務資料倉儲，使用資料欄位包含學生背景資料、UCAN職業興趣診斷與畢業後一年調查問卷。並控制該年度的就業環境和薪資水平這兩項因素所造成的影響。在經資料前處理過後，無資料缺失者共217筆。
研究方法為先利用因果勝算比探勘找出資料之間可能蘊含的準因果規則，再透過敘述性統計說明樣本分佈情形，再藉由卡方分析驗證準因果規則是否存在統計相關性，最後使用路徑分析驗證準因果規則是否可能存在因果關係。本研究發現藉由統計方法可驗證因果勝算比探勘所得出之部份準因果規則可能存在因果關係。
在分析問題中，因果勝算比探勘與統計方法之間存在先天差異，這可能是導致兩者產生不同結果的原因。若將因果勝算比探勘作為探索資料間可能因果關係的第一步，而不是最終結論，並在後續研究中，使用統計驗證或其他方法來進一步探討。這種方法提供了對尚未研究的問題進行探索，或者探索現有問題中是否存在尚未考慮的因素的可能性。

摘要(英)

The purpose of this study is to investigate the relationship between student background, learning styles, and employment performance. The data sample consists of graduates of Nat-ional Central University in 2019. This study utilizes empirical data obtained from the univer-sity′s administrative data repository, including student’s background information, UCAN vo-cational interest diagnosis, and a post-graduation survey conducted one year after graduation. The study controls the impact of employment environment and salary level of that year. After data preprocessing, a total of 217 records with no missing data were included.
The research methodology involves first using causal odds ratio mining to identify pote-ntial quasi-causal rules within the data. Descriptive statistics are then employed to describe th-e distribute-on of the sample, followed by chi-square analysis for validating the statistical cor-relation of the quasi-causal rules. Finally, path analysis is used to verify whether causal relati-onships may exist among the identified quasi-causal rules. The study found that certain quasi-causal rules obtained through statistical methods can be validated to potentially indicate caus-al relationships.
In analyzing the issue, there are inherent differences between causal odds ratio mining and statistical methods, which may account for the divergent results obtained. If causal odds ratio mining is regarded as the first step in exploring possible relationships and causality bet-ween the data, rather than as final conclusions, and if statistical validation or other methods are subsequently employed for further investigation, this approach offers a means to explore unanswered questions or the possibility of unconsidered factors in existing problems.

關鍵字(中)

★ 校務研究
★ 學習型態
★ 因果勝算比探勘
★ 勝算比
★ 卡方分析
★ 路徑分析

關鍵字(英)

★ institutional research
★ learning style
★ causal odds ratio mining
★ odds ratio
★ chi-square test
★ path analysis

論文目次

摘要 i
Abstract ii
誌謝 iv
目錄 v
圖目錄 vii
表目錄 viii
一、緒論 1
1-1. 研究背景與動機 1
1-2. 研究目的 1
1-3. 研究範圍 2
1-4. 論文架構 2
二、文獻探討 4
2-1. Kolb經驗學習理論 4
2-2. 資料倉儲 6
2-3. 資料探勘 6
2-4. 路徑分析 9
三、研究方法 10
3-1. 系統架構與流程 10
3-2. 資料欄位選擇與資料前處理 10
3-3. 關聯規則與因果勝算比 17
3-4. 統計分析方法 18
3-5. 結果探討 19
四、分析 20
4-1. 分析平台 20
4-2. 準因果規則 20
4-3. 樣本特性分析 21
4-4. 學生背景、學習型態對平均每月收入差異分析 25
4-5. 偏最小平方法的結構方程模型 28
五、結論與未來展望 33
5-1. 研究結果討論 33
5-2. 研究結論 34
5-3. 研究限制 34
5-4. 未來展望 34
六、參考文獻 36

參考文獻

[1] 網路資料：410教改聯盟-文化部國家文化紀錄庫。
取自https://memory.culture.tw/Home/Detail?Id=312830&IndexCode=Culture_Event
[2] 網路資料：國家發展委員會-大專院校學校數。
取自https://www.ndc.gov.tw/Content_List.aspx?n=CD0C0A5FC08858C9
[3] 網路資料：110年人力運用統計調查結果。
取自https://www.dgbas.gov.tw/News_Content.aspx?n=3602&s=207928
[4] More,A.J., Adapting teaching to the learning styles of native Indian students. ERIC Document Reproduction Service No.ED 366 493, 1993.
[5] Kolb, David., Experiential Learning: Experience As The Source Of Learning And Development., Englewood Cliffs, N.J. :Prentice-Hall, 1996.
[6] Han, J., Kamber, M. & Pei, J., Data Mining Concepts and Techniques., 3rd edition., Morgan Kaufmann Publishers., 2012.
[7] Agrawal, R. and Srikant, R., “Fast Algorithms for Mining Association Rules in Large Databases”, Proceedings of the 20th International Conference on Very Large Data Bases, pp. 487-499, Santiago, Chile, September 1994.
[8] Han, J., Pei, J. & Yin, Y., “Mining Frequent Patterns Without Candidate Generation”, ACM International Conference on Management of Data and Symposium on Principles of Database Systems, pp. 1-12, New York, USA, June 2000.
[9] Messerli, F. H., “Chocolate consumption, cognitive function, and Nobel laureates”. The New England Journal of Medicine, Vol 367(16), pp. 1562-1564, 2010.
[10] J. W. Song and K. C. Chung., “Observational studies: Cohort and case-control studies”, Plastic and Reconstructive Surgery, Vol 126(6), pp. 2234–2242, 2010
[11] Bland, J. M., & Altman, D. G. 2000, “The odds ratio”, British Medical Journal, Vol. 320, pp. 1468, May 2000.
[12] Jiuyong Li, Thuc Duy Le, Lin Liu, Jixue Liu, Zhou Jin, Bingyu Sun, and Saisai Ma., “From Observational Studies to Causal Rule Mining”, ACM Transactions on Intelligent Systems and Technology, Vol 7(2), pp. 1-27, November 2015.
[13] Wright, S., “Correlation and Causation”, Journal of Agricultural Research, Vol 20, pp. 557-585, 1921.
[14] Atkinson, G., Murrell, P. H., & Winters, M. R., “Career Personality Types and Learning Styles. Psychological Reports”, Psychological Reports, Vol 66(1), pp. 160-162, 1990.
[15] Hair, J., Hult, G. T. M., Ringle, C. M., & Sarstedt, A primer on partial least squares structural equation modeling (PLS-SEM)., 2nd edition., SAGE Publications., 2016.
[16] Chin, Wynne & Marcoulides, G., The Partial Least Squares Approach to Structural Equation Modeling., Lawrence Erlbaum Associates Publishers., 1998.
[17] Cohen, J., Statistical power analysis for the behavioral sciences., Lawrence Erlbaum Associates Publishers., 1988.
[18] Baron, R. M., & Kenny, D. A., “The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations”, Journal of Personality and Social Psychology, Vol 51(6), pp. 1173-1182, 1986.
[19] Simpson, E. H., “The Interpretation of Interaction in Contingency Tables”, Journal of the Royal Statistical Society. Series B (Methodological), Vol 13(2), pp. 238-241, 1951.

指導教授

蔡孟峰(Meng-Feng Tsai)

審核日期

2023-7-10

推文