臺灣博碩士論文加值系統

中國大陸高等教育近年來發展快速，有些學校的水準已超越台灣的大學，其教育策略及發展過程有很多地方值得台灣教育決策單位關注與學習。
本研究以2005年網大網站(www.netbig.com)對各大學評價排行前100名大學為調查資料。資料分為有六大構面及16項子因素，本研究擬以：學術資源、學生情況、教師資源、物資資源四大構面為投入因素；學術成果、學術聲譽兩大構面為產出因素。
採取三階段研究法，第一階段採用資料包絡分析法探討中國大陸各大學之經營績效，第二階段使用迴歸分析法預測2005年學術聲譽及學術成果之分數，最後第三階段使用類神經網路觀點來預測模擬2005年分數。結果發現，類神經網路在預測表現上比迴歸更準確且穩定。目前尚無將上列三種方法結合在一起探討大學辦學績效之研究，本研究此項創新的研究成果將可對學術界及教育界提供新的研究方向及決策思考準則。

Recently, the higher education had the effective development in China, and some universities have got the higher rank than Taiwan. The education strategy and development process have become a benchmark for Taiwan decision making department.
The data are based on the top100 universities in China, which evaluated by www.netbig.com in 2005. The study was come out by researching for the six subject academic resource, student situation, professor resource, materials resource, and the other16 factors which belonged to the same data basis. The six subjects were divided into two dimensions. The first dimension is defined as input factors: academic resource, student situation, professor resource, and materials resource. The other dimension is defined as academic result and academic reputation.
There are three steps research method as below：First of all, evaluate the management of China universities by the Data Envelopment Analysis. Secondly, to find out the key points by well using the pre-phase effectiveness which adopt from Neural Network. And found that the predicted of Artificial Neural Network was being accurately and steadily finally.
The study is trying to combine the above three steps concepts which have never been used to do the university management evaluation basis, and hope the innovation research result could be a reference and guideline for our education institutes.

摘 要 I
ABSTRACT II
致 謝 III
目錄 IV
表目錄 VI
圖目錄 VII
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第三節 研究範圍 4
第四節 研究流程 5
第二章 文獻探討 6
第一節 學校效能理論與研究 6
第二節 資料包絡分析法 10
第三節 類神經網路 12
第三章 研究方法 16
第一節 研究架構 16
第二節 資料來源與研究樣本 17
第三節 研究變數 18
第四節 研究方法 20
第四章 實證結果分析 34
第一節 資料包絡分析法績效評估 34
第二節 迴歸分析 47
第三節 類神經網路分析 50
第四節 迴歸分析與類神經網路解釋/預測能力比較 54
第五節 相對效率與絕對效率分析 56


第五章 結論與建議 65
第一節 研究結論 65
第二節 管理意涵 67
第三節 研究貢獻 69
第四節 未來研究方向與建議 70
參考文獻 72

中文部份
1.王文英(1999)。運用類神經網路建構臺灣上市公司財務危機預警模型。私立實踐大學企業管理研究所碩士論文。
2.吳清山(1989)。國民小學管理模式與學校校能關係之研究。國立政治大學教育研究所博士論文。
3.吳清基(1994)。職業教育現況與展望。中國工業職業教育學會年刊，12期1頁。
4.吳萬益、林清河(2002)。行銷研究。臺北市：華泰，511頁。
5.林浩明(2002)。資料包絡分析法之應用－以某國立工業高職各科之綜合績效評估為例。私立大葉大學工業工程研究所碩士論文。
6.林麗能(1995)。非營利組織的績效評估－以職業學校為例。商業職業教育季刊，58期，25-30頁。
7.林建良(2002)。台灣汽車業經營與競爭關鍵成功因素之研究-國際分工、策略聯盟及競爭優勢之觀點。國立台北大學合作經濟學研究所碩士論文。
8.施並洲(1999)。類神經網路、案例推例法、灰色關聯分析於財務危機之應用。國立中央大學工業管理研究所碩士論文。
9.孫恬琳(2004)。應用資料探勘技術於汽車保險購買行為之研究。國立中正大學企業管理研究所碩士論文。
10.張竺雲(1986)。組織社會學。臺北市：三民。
11.張潤書(1990)。行政學。臺北市：三民。
12.郭軍宏(1995)。應用類神經網路與傳統數量方法在短期需求預測之研究-以某物流公司為例。國立中央大學資訊管理研究所碩士論文。

13.陳明璋(1979)。組織效能研究途徑及其衡量。中國行政，29期，48-71頁。
14.陳添財 (2001)。綜合高中學校校能評鑑指標建構之研究。國立台北科技大學技術及職業教育研究所碩士學位論文。
15.陳雪珍(1997)。台灣地區公立高級中學管理績效之探討與評估。淡江大學管理科學研究所碩士論文。
16.黃以宏(1997)。以類神經網路構建半導體廠生產績效預測模式。國立交通大學工業工程與管理學系碩士論文。
17.黃宗仁(2001)。利用類神經網路預測台中都會區臭氧趨勢之研究。國立中興大學環境工程研究所碩士論文。
18.黃昆輝、張德銳(2000)。教育大辭書（十）。臺北：文景，523-527頁。
19.黃政傑、李隆盛主編(1996)。技職教育概論。臺北：師大書苑。
20.黃清信(2001)。台灣省國立高級中等學校效率之評估－資料包絡分析法應用。國立中正大學國際經濟研究所碩士論文。
21.黃煥彰(1998)。提高台灣電子類股投資績效之研究：類神經網路結合技術指標。國立中興大學企業管理研究所碩士論文。
22.網站：網大網站www.netbig.com
23.劉明超(2000)。台灣地區高級職業學校教育管理效率評估之研究－DEA模式之應用分析。國立暨南國際大學教育政策與行政研究所碩士論文。
24.蔡素琴(1997)。學校組織結構與學校效能之理論分析。教育研究，5期， 203-220頁。
25.鄭友超(1993)。我國工業類科職業學校學校效能基本理論之探討。工業職業教育雙月刊，11(2)期，9-14頁。
26.鄭燕祥(1995)。教育的功能與效能（3版）。香港：廣角鏡。
27.盧俊全(2005)。資訊科技預算對於企業經營績效之影響:迴歸分析與類神經網路之解釋能力比較。國立中正大學資訊管理學系研究所碩士論文。
28.謝金青(1997)。國民小學學校效能評鑑指標與權重體系之建構。國立政治大學教育研究所博士論文。
29.羅文基(1989)。技職教育專題研究。高雄：復文。
30.蘇錦麗(1997)。高等教育評鑑－理論與實際。臺北市：五南。
英文部分
1.Altman, E. I., Macro, G. and Varetto, F. (1994). Corporate Distress Diagnosis: Comparisons Using Linear Discriminant Analysis and Neural Networks. Journal of Banking and Finance, 18(3), 505-529.
2.Barnard, C. I. (1976). The functions of executive. Cambridge. MA: Harvard University.
3.Bansal, A., Kauffman, R.J. and Weitz, R.B. (1993). Comparing the modeling performance of regression and neural networks as data quality varies: A business value pproach. Journal of Management Information Systems,10(1), 1.
4.Burrup, P. E., Brimley, V. Jr., and Garfield, R. R. (1999). Financing education in a climate of change (7th ed.). Boston：Allyn and Bacon.
5.Charnes, A., Cooper W.W, and Rhodes E. (1978). Measuring the Efficiency of Decision Making Units. European Journal of Operation Research, 2, 429-444.
6.Coombs, P. H. (1969). The world educational crisis: A system analysis. New York: Oxford university press.
7.Corne, S.A., Carver, S.J., Kunin, W.E., Lennon, J.J. and S van hees, W.W., (2004). Predicting Forest Attributes in Southeast Alaska Using Artificial Neural Networks. Forest Science. 50(2), 259.
8.Farrel, M.J. (1957). The Measurement of Productive Efficiency. Journal of the Royal Statistical Society, General 120(3), 253-281.
9.Hitt, M. A., Middlemist, R. D., and Mathis, R. L. (1986). Management: Concepts and effective practice. Saint Paul: West Publishing Company.
10.Hoy, W. K., and Miskel, C. G. (1987). Educational Administration: Theory, Research, and Practice. New York: Random House.
11.Judith C.M., and Murray, C.R. (1993). An application of the theory of neural computation to the prediction of workplace behavior: An illustration and assessment of network analysis. Personnel Psychology. Durham: Autumn. 46(3), 503.
12.Kirjavainen, T., and Loikkanen, H. A. (1998). Efficiency differences of Finnish.
13.Kuo, R. J. (2001). A Sales Forecasting System Based on Fuzzy Neural Network with Initial Weights Generated by Genetic Algorithm. European Journal of Operational Research, 129(3), 496-517.
14.Mondy, R. W., Sharplin, A., Holmes, R. E., and Flippo, D. (1986). Management: Concepts and practice. Boston: Allyn and Bacon.
15.Morris, W. (1970). The American heritage dictionary of the English. Language. Mei Ya Taiwan Edition.
16.Nguyen, N. and A. Cripps. (2001). Predicting Housing Value：A Comparison of Multiple Regression Analysis and Artificial Neural Networks. Journal of Real Estate Research, 22(3), 313-336.
17.Platt, H.D., and Platt, M.B. (1990). Development of a Class of Stable Predictive Variables: The Case of Bankruptcy Prediction. Journal of Business Finance and Accounting, 17(1), 31-39.
18.Scheerens, J. (1990). School effectiveness research and the development of process indicators of school functioning. School Effectiveness and School Improvement, 1(1), 73.
19.Steers, R. M. (1977). Organizational effectiveness: A behavioral view. CA: Goodyear.
20.West, P.M., Brockett, P.L. and Golden, L.L. (1997). A Comparative Analysis of Neural Networks and Statistical Methods for Predicting Consumer Choice; Marketing Science. Linthicum: Fall,16(4), 370.
21.Wilpen, G.L., Daniel, N., and Janusz, S. (1994). Comparative study of artificial neural network and statistical models for predicting student grade point averages. International Journal of Forecasting. Amsterdam, 10(1), 17.
22.Zhang, G., Hu, M. Y., Patuwo, P. E. and Indro, D. C. (1999). Artificial Neural Networks in Bankruptcy Prediction: General Framework and Cross-Validation Analysis. European Journal of Operational Research, 1(116), 16-32.