跳到主要內容

臺灣博碩士論文加值系統

(34.200.248.66) 您好!臺灣時間:2024/03/29 08:59
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:楊竣傑
研究生(外文):Chun-Chieh Yang
論文名稱:線上學習之使用意願因素探勘
論文名稱(外文):A Study on Mining the Factors of Users' Willingness for Online Learning
指導教授:廖鴻圖廖鴻圖引用關係方孝華方孝華引用關係
指導教授(外文):Horng-Twu LiawHsiao-Hua Fang
學位類別:碩士
校院名稱:世新大學
系所名稱:資訊傳播學研究所(含碩專班)
學門:傳播學門
學類:一般大眾傳播學類
論文種類:學術論文
論文出版年:2011
畢業學年度:99
語文別:中文
論文頁數:87
中文關鍵詞:線上學習資料探勘類神經網路決策樹
外文關鍵詞:Online LearningData MiningNeural NetworkDecision Tree
相關次數:
  • 被引用被引用:0
  • 點閱點閱:425
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
台灣數位學習市場狀況,以個人消費者市場所占的比重最大,其比例高達67.58%,然而民眾在使用線上學習的比例,根據台灣網路資訊中心在2010年的調查報告中指出,僅9%網民正在使用「線上學習及網路教學」,僅有21%網民曾使用過「線上學習及網路教學」,由此可見線上學習的市場在台灣的發展性仍然很大。
本研究使用資料探勘中的類神網路及決策樹來建置預測線上學習的使用意願的模型,由中央研究院調查研究專題中心取得個人/家戶數位落差調查資料,利用調查的數據來訓練及測試模型,並比較二個方法的預測評估效能,從中選出較佳的預測方法且選出最佳的預測模型,最後由挑選的預測模型中,以變數重要性的大小選出數個影響線上學習使用意願的重要因素。
研究結果顯示,在預測能力的評估效能的比較上,類神經網路優於決策樹。分析類神網路所建置模組的相對變數重要性發現:個人職務、網路購物的付款方式、族群等因素對於線上學習的使用意願有較大的影響。
With the proportion to the consumption on individual market that has been up to 67.58% is regarded as the most prominent domain in Online Learning market in Taiwan; however, according to current report of Taiwan Network Information Center pointed out that there are merely 9% of public using Online Learning and network teaching of 2010 to the public use of e-learning while there are 21% users did put to use the service before, which obviously indicated the fact that the development of Online Learning in Taiwan is still full of potential prospect.
The research adopted the neural network and the decision tree from Data Mining to estimate the model of users’ volition for using Online Learning services. The survey information concerning to the difference or the gap of each individual/family was retrieved from the research project center of Academia Sinica, the statistic would be used to train and test the model we’d given, subsequently we comparing the two approaches on the evaluation of its efficiency. In addition to selecting the best way of its predicting and the best predict model, we further picked up several crucial factors influencing the volition of Online Learning in accordance with the significance of the variables from the selected predict model.
The result of this thesis indicates that neural network is superior to decision tree in the comparison to the evaluation of the predicating ability. A significant finding from the variables of the set model of neural network is: individual career, the way of paying on Internet shopping, the type of groups of users are all considered the determining factors of a great influence on predicting the users’ volition in using the Online Learning service.
摘要 I
Abstract II
誌謝 III
目錄 IV
圖目錄 VI
表目錄 VII
第一章 緒論…………………1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究範圍 3
1.4 研究限制 3
1.5 研究程序 3
1.6 論文架構 4
第二章 文獻探討…………………5
2.1 線上學習市場使用意向 5
2.2 消費者選擇數位學習之價值認知 9
2.3 應用資料探勘技術於電腦教育中心開發潛在顧客 14
2.4 公務人員線上學習使用意向之因素 17
2.5 線上學習使用者意向與行為分析 20
2.6 小結 24
第三章 相關理論與技術…………………25
3.1 線上學習 25
3.1.1線上學習的定義 25
3.1.2線上學習之模式 27
3.1.3線上學習之特徵 28
3.2資料探勘 29
3.2.1資料探勘的流程 30
3.2.2資料探勘適用功能 32
3.2.3類神經網路 34
3.2.4決策樹 40
第四章 研究方法…………………45
4.1研究架構 45
4.2研究資料 46
4.3分析工具 52
4.4預測模型的建置 53
第五章 資料分析方法與結果…………………55
5.1預測準確度的評估方法 55
5.2類神經網路型的結果 56
5.3決策樹模型的結果 62
5.4小結 67
第六章 結論與未來研究…………………71
6.1結論 71
6.2未來研究 75
參考文獻…………………76
[1] 「2011年臺灣寬頻網路使用狀況調查」,台灣網路資訊中心,2011年,網址:http://www.twnic.net.tw/download/200307/1101d.pdf,擷取時間:2011年6月6日。
[2] 「2010年臺灣寬頻網路使用狀況調查」,台灣網路資訊中心,2010年,網址: http://www.twnic.net.tw/download/200307/1001e.pdf,擷取時間:2011年3月20日。
[3]「98年度個人/家戶數位落差調查」,行政院研考會,2009年,網址:http://srda.sinica.edu.tw,擷取時間:2011年3月16日。
[4]「國內外數位學習產業現狀與產值調查分析報告」,經濟部工業局,2010年,網址:http://www.epark.org.tw/images/20110105155118image_6.pdf,擷取時間:2011年3月22日。。
[5]尹相志,「SQL資料探礦聖經」,學貫行銷股份有限公司,2006年。
[6]田巧華,「線上學習使用者意向與行為分析之研究:以資管系學生為例」,南台科技大學資訊管理學系碩士論文,2010年。
[7] 吳濟安,「數位學習與公務人力資源發展之初探-以我國政府六大數位學習網為例」,競爭力評論,第9期,第84-103頁,2006年。
[8] 李佳怡,「利用決策樹、邏輯斯迴歸及類神經網路複合模型分析公開微陣列資料集乳癌復發基因及其效能之探討」, 國防醫學院公共衛生學研究所碩士論文,2008年。
[9] 李宛儒,「影響醫院採用與應用e-Learning之關鍵因素—國內三級醫院之實證研究」,中正大學資訊管理學系碩士論文,2006年。
[10]林詩偉、蔡維倫、陳士杰,「應用群體啟發式演算法與 Ensemble 改進決策樹分類效能」,2008數位科技與創新管理研討會,2008年。
[11] 林鈺芳,「以類神經網路進行雙變量模糊時間序列股價預測」,逢甲大學企業管理所碩士論文,2005年。
[12] 林靜婉,「六種資料探勘技術在風險預測之比較」,中華大學資訊管理學系碩士論文,2006年。
[13]韋端、鄭宇庭、鄧家駒、匡宏波、謝邦昌,「Data Mining 概述─以Clementine7.0為例」,中華資料採礦協會,2003年。
[14] 馬振武,「基因演算法為基礎之決策樹於信用卡使用者之違約分類預測-以台灣某銀行信用卡為例」,華梵大學資訊管理學系碩士論文,2010年。
[15] 高銘襄,「影響公務人員線上學習使用意向之因素研究:以台北市政府教育局為例」,世新大學行政管理學系碩士論文,2009年。
[16] 張惟智,「運用資料探勘分類模型對腹主動脈瘤術後併發症之探討與研究」,台北護理學院資訊管理學系碩士論文,2009年。
[17] 張斐章,張麗秋,「類神經網路導論原理與應用」,滄海書局,2010年。
[18]張誌銘,「數位學習產品之產品特性對消費者知覺及產品滿意度之研究—以階梯數位學院為例」,政治大學企業管理學系碩士論文,2006年。
[19]許意絃,「輔助冠狀動脈心臟病診斷之邏輯斯?歸、決策樹、類神經網路及複合分析模型效能比較」,國防醫學院公共衛生學研究所碩士論文,2007年。
[20]陳佳賢,「遠距訓練在企業運用可行性之探討」,東華大學國際企業學系碩士論文,2001年。
[21]「創市際月刊報告書」,創市際市場研究顧問,2010年。網址: http://www.scribd.com/doc/47709310/創市際月刊報告書-201012,擷取時間:2011年4月23日。
[22]彭文正譯,Berry, M. J. and Linoff, G. S.著,「資料採礦-顧客關係管理暨電子行銷之應用」,台北,數博網資訊,2001年。
[23]曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯,「資料採礦」,旗標出版股份有限公司,2005年。
[24]游玉梅,「公部門的學習革命-線上學習概說」,人事月刊,第34卷,第3 期,第32-45頁,2002年。
[25] 黃立維,「結合資料採礦技術於建構建築業財務危機預警與關鍵因素分析模型之研究」,雲林科技大學營建工程學系碩士論文,2008年。
[26] 楊淑斐,「線上學習市場使用意向模式建構與比較分析之研究」,南台科技大學資訊管理學系碩士論文,2002年。
[27] 葉怡成,「類神經網路模式應用與實作」,儒林圖書有限公司,2004年。
[28]葉倩,「應用資料探勘技術於電腦教育中心開發潛在顧客之研究」,世新大資訊傳播學系碩士論文,2010年。
[29]鄒明城、孫志鴻,「預測型模式在空間資料探勘之比較與整合研究」,地理學報,第38期,第93-109頁,2004年。
[30]廖述賢,溫志皓,「資料採礦與商業智慧」,雙葉書廊有限公司,2009年。
[31]廖述賢,「資訊管理」,雙葉書廊有限公司,2007年。
[32]廖肇弘,「建置有效的線上學習系統」,管理雜誌,第321期,第112-115頁,2001年。
[33]鄭鈺如,「消費者選擇數位學習之價值認知結構」,成功大學企業管理學系碩士論文,2006年。
[34]盧瑜芬,「使用三種資料探勘演算法-類神經網路、邏輯斯迴歸及決策樹-預測乳癌患者存活情形之效能比較」,國防醫學院公共衛生學研究所碩士論文,2006年。
[35] 顏春煌,「數位學習:觀念、方法、實務、設計與實作」,台北,碁峰資訊股份有限公司,2010年。
[36]龔仁文,「台灣數位內容產業發展現況與趨勢」,經濟部數位內容產業辦公室,2010年,網址:www.connecttaiwan.org/activities/III_VP_Geary.pdf,擷取時間:2011年4月20日。
[37] Cross J., and Hamilton I., “The DNA of e-Learning:Beyond e-Learning”, 2002, available at: http://internettime.com/Learning/articles/DNA.pdf, accessed 25 June 2011.
[38] Curt, H., “The Devil’s in The Detail Techniques, Tool, and Application for Database Mining and Knowledge Discovery-Part 1”, Intelligent Software Strategies, Vol. 6, No. 9, pp. 1-15, 1995.
[39] Han, J., and Kamber, M., “Data Mining Concepts and Techniques”, New York Morgan Kaufmann Publishe, 2001.
[40] Hastie, T., Friedmanand, J., and Tibshirani, R., “The Element of Statistical Learning”, Springer Verlag, 2001.
[41] Hui, S. C., and Jha, G., “Data Mining for Customer Service Support”, Information & Management, Vol. 38, No. 1, pp. 1-13, 2000.
[42] Krivda, Cheryl D., “Booming Business Intelligence”, Midrange Systems, Vol. 8, No. 12, pp. 32-34, 1995.
[43] Rosenberg, M. J., “E-Learning: Strages for Deliverning Knowledge in ther Digital Age”, New York: McGraw-Hill, 2001.
[44] Shaw, M. J., Subramaniam, C., Tan, G. W. and Welge, M. E., “Knowledge Management and Data Mining for Marketing”, Decision Support Systems, Vol. 31, No. 1, pp. 127-137, 2001.
[45] Urdan, Trace A. and Cornelia C. Weggen., “Corporate E-Learning Exploring a New Frontier”, San Francisco WR Hambrecht, 2000.
電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top