臺灣博碩士論文加值系統

摘 要
由於時代變遷、社會多元化、學校、家庭生活壓力及個人因素等原因，學生偏差行為的發生率始終無法降低，而偏差行為一旦發生，對團體或個人所造成的衝擊及事後付出的代價，可能很難彌補，本研究藉由資訊科技—基因演算法（Genetic algorithm, GA）結合決策樹（Decision trees, DT）的優勢，預測學生是否具有偏差行為傾向，經實驗結果顯示，在116個屬性中，性別、上學是否遲到以及是否與父親發生衝突等3個屬性是辨別學生有無偏差行為傾向的重要指標，雖然在可能有一部分影響因子未被列入問項的情形下，預測學生是否具有偏差行為傾向的平均正確率仍達86 %。
本研究提供教育輔導相關人員一個嶄新的想法，預測學生偏差行為傾向的方法不僅止於傳統統計的處理方式而已，以GA/DT為基的知識學習機制同樣能夠提供更豐富、清楚且細緻的法則預測學生偏差行為傾向於何種類型，提供相關教育機構人員參考運用，如果能將法則中潛在的影響因素透過圓熟的輔導專業從旁引領學生協助加以改善，及配合預防性輔導措施，應可有效減少學生偏差行為的發生率，協助有限的輔導人力在面對數千名學生時，輔導工作仍能發揮良好成效。

關鍵字：偏差行為（Deviant behavior）、基因演算法（Genetic algorithm）、
決策樹（Decision trees）

Abstract
Because of the changes of the times, the multiple-society, the pressure of school, family, and individual factor, etc., many students' deviant behaviors take place more often. Once students' deviant behaviors happen, it may be difficult to compensate the great impact on individual or group. This research by utilizing superior information technology that uses a hybrid Genetic algorithm (GA) & Decision trees (DT) approach, to predict if the student has a tendency toward deviance. The experimental results demonstrated：in 116 attributes, gender, whether there is go to school late is as well as has the conflict with his father etc are the criteria to distinct if the student has a tendency toward deviant behavior, Although there are partly affected facts under included in the asked items (attributes) of the questionnaire survey project, evaluated the averaged accurate rates of this research predicting whether students have a tendency toward deviance is still reaches 86%.
If so, This research provides an new idea to educational counseling personnel, the method of forecasts the student deviation behavior tendency not only by the traditional statistics approach, but also the hybrid GA/DT-based knowledge learning mechanism similarly can provide more richer, clear and fine rule to forecast the student deviation behavior is what kind of type, as to the utilization for the correlation educational personnel, Besides, if can skillfully improve the latent influence factor in the rule about the student , simultaneously coordinate use the methods of counseling and guidance to prevent that from happening. In this way, we should be possible effectively to reduce the formation rate of the student deviation behavior, and help limited tutor manpower to effectively exert the approaches to guidance when they do confront over thousands of students, the counseling work still could display the good result.
Keywords：Deviant behavior, Genetic algorithm, Decision trees

目錄
頁次
誌謝……..…………………………..…………………………………… I
摘要………………………………..…………………………….……….II
Abstract…………………………………..……………………………. .III
目錄………………………………….…………………………………..IV
表錄………………….…………………………………………………..V
圖錄……………………………………………………………………..VI
一、緒論…………….………………………………………………….. 1
1.1研究背景與目的……………...…………..……………………….1
1.2研究對象與限制…………………………………………………..5
1.3研究流程…………………………………………………………..7
二、文獻回顧……………………………………………………………9
2.1偏差行為之定義與分類…………………………………………..9
2.2預測偏差行為的文獻……………………………………………..14
2.3基因演算法………………………………………………………19
2.3.1GA演化的一般過程…………………………………………19
2.3.2GA演算法之主要步驟…………………....…………………21
2.4決策樹…………………………………………………………....22
2.5屬性篩選技術…………………………………………………....27
三、研究方法…………………………………………………………..29
3.1研究架構與內容…………………………………………………29
3.2研究變數…………………………………………………………30
3.3資料前處理………………………………………………………34
3.4整合式GA/DT...…………………………………………………34
3.4.1 GA最佳化模組……………………………………………...35
3.4.1.1 GA染色體表示……….………………………………36
3.4.1.2最初母體及釐訂函數……………….………………...37
3.4.1.3基因運算………………………………………………38
3.4.1.4產生新母體…………………………………………....38
3.4.1.5終止條件………………………………………………39
3.4.2 DT學習/評估模組….……………………………………….39
四、研究結果分析……………………………………............................41
4.1GA/DT之參數設定………………….……………………………41
4.2GA/DT之實驗結果…….…………………………………………42
4.3實驗結果比較…………..……………………………………...…48
五、結論與建議…………………….………………………………….….51
參考文獻………………………………………………………..………...54附錄一 導師問卷內容…………………………………………………...59
附錄二 學生問卷內容…………………………………..……………… 60
附錄三 實驗結果數據………………………………………………….. 67

參考文獻
[1]曾意芳，「逾九成青少年處壓力中」，中央日報網路版，民國88年12月27日http://www.cdn.com.tw/live/1999/12/27/text/881227e3.htm。
[2]中華民國教育統計年刊，教育部統計處，民國89年～94年出版。
[3]林家興，「學校輔導工作的四個困境與突破」，學生輔導，第50期， 第112-115頁，民國86年5月。
[4]張明嬌，「我對輔導工作的看法」，諮商與輔導，民國89年5月。
[5]楊瑞珠、連廷嘉，「台灣都會區高危險群青少年流行率之調查研究」，屏東師院學報，台灣屏東，第二十期，第105-140頁，民國93年。
[6]曲冠勇，「營造健康校園—防制暴力策進作為，教育部軍訓處統計報告」ppt第9張及第13張【線上資料】，來源：http://csrc.edu.tw/校安相關研習活動/教育部營造健康校園—防制暴力，民國94年6月。
[7]麥可，斐瑞（Michael J.A. Berry）、戈登，林諾夫（Gordon S. Linoff） 著，資料採礦(初版)，彭文正譯，數博網資訊股份有限公司，第 119-120頁及第305頁，民國93年。
[8]張苙雲，「第一波(2001)學生資料限制使用版電子檔」。台灣教育長期追蹤資料庫，中央研究院調查研究專題中心管理、釋出，民國92年。
[9]吳武典，特殊教育的理念與做法，心理出版社，台北，民國76年。
[10]穆仁和，「偏差行為成因及類型—理論篇」，扶幼季刊，第一一四期，民國89年。
[11]大美百科全書年鑑，光復書局，台北市，民國82年。
[12]楊國樞，「社會變遷中的青少年問題：家庭與社區環境對國中學生 問題行為的影響」，中央研究院民族學研究所，台北，民國67年。
[13]吳嫦娥，「個人特質與社區因素影響少年犯罪之研究－以台北市加蚋及大龍峒兩區塊為例」，台北市少年輔導委員會，台北，民國86年。
[14]許春金，「少年偏差行為早年預測之研究」，行政院青年輔導委員會委託研究報告，第157-188頁，民國88年。
[15]劉峻誠，「青少年家庭依附、就學經驗與偏差行為相關性之研究- 以南投縣為例」，南華大學教育社會學研究所碩士論文，嘉義，民國92年。
[16]林文修，「演化式類神經網路為基底的企業危機診斷模型：智慧資本之應用」，國立中央大學資訊管理學系博士論文，第49頁，中壢，民國89年7月。
[17]蘇朝墩，品質工程，中華民國品質學會發行，第314頁。
[18]蔣定安，「資料發掘在信用卡之應用」，第十一屆全國資訊管理學術研討會，民國89年。
[19]連惟謙，「應用資料分析技術進行顧客流失與顧客價值之研究」，中原大學資訊管理學系碩士論文，第68、126～127、145～146頁，中壢，民國93年6月。
[20]謝儒誠，「資料探勘運用於文件自動分群之研究」，中央警察大學資訊管理研究所碩士論文，桃園，民國91年。
[21]吳淑美，「子宮肌瘤婦女面臨子宮全切除術之決策樹模式初探」，國立台灣大學醫學院護理學研究所碩士論文，台北，民國90年。
[22]蔡家昌，「應用決策樹歸納法探討台灣行動電話市場區隔」，國立台北大學統計學系碩士論文，台北，民國91年。
[23]薛友仁，「整合機器學習方法於決策樹為基智慧型排程系統之研 究」，國立交通大學工業工程與管理學系博士論文，台北，民國90年。
[24]張春興，心理學，東華書局，第49頁，民國74年。
[25]陳玫伶，「臺灣學校社會工作之專業實踐及其影響因素」，暨南國際大學社會政策與社會工作學系碩士學位論文，第23頁，南投，民國89年。
[26]Goldberg, D.E., “Genetic Algorithms in search, optimization, and machine learning,” Addison-Wesley,（MA:）, Boston 1989.
[27]Kim, Y.H.,“Psychological constructs to predicting smoking behavior among Korean secondary school students,”Preventive Medicine 38, pp.620-627, 2004.
[28]Durkheim, E.,“The rules of sociological method and selected texts on sociology and its method,”New York: Free Press., 1982.
[29]Becker, H.S.,“The outsiders,”Glencoe, IL: Free Press., 1996.
[30]Osgood, D.W., Wilson, J.K., O'Malley, P.M., Bachman, J.G., Johnston, L.D.,“Routine Activities and Individual Deviant Behavior ,”「American Sociological Review, Vol. 61, No. 4 ,. pp. 635-655, Aug 1996.
[31]Janosz, M., LeBlanc, M., Boulerice, B., and Tremblay, R.E. “Disentangling the weight of school dropout predictors: A test on two longitudinal samples. Journal of Youth and Adolescence,” New York 997.Vol.26, Iss. 6; pp.733, 30, Dec 1997.
[32]Cheung, Y.W., “Family, school, peer, and media predictors of adolescent deviant behavior in Hong Kong,”Journal of Youth and Adolescence. New York .Vol. 26, Iss. 5., pp.569, 28, Oct 1997.
[33]Quinlan, J.R., C4.5: Programs For Machine Learning, Morgan, San Mateo, CA, 1993.
[34]Esposito, F., Malerba, D., and Semeraro, G.,“A Further Study of Pruning Methods in Decision Tree Induction,” Proceedings of the Fifth International Workshop on Artificial Intelligence and Statistics, 1995, pp.211-218.
[35]Frank, E., “Pruning Decision Trees and Lists,” Department of Computer Science, University of Waikato, Hamilton, New Zealand, 2000.
[36]Fayyad, U., et al.“Automated Analysis of a Large Scale Sky Survey The SKICAT System,”Proc. Knowledge Discovery in Databases Workshop, Washington, D.C., 1993, pp.1-13.
[37]Windeatt, T. and Ardeshir, G., “An empirical comparison of pruning methods for ensemble classifiers,” Proceedings of the 4th International Conference on Advances in Intelligent Data Analysis, Vol.2189, 2001, pp.208-217.
[38]Zmijewski, M.E., “Methodological issues Related to the Estimation of financial Distress Prediction Models,” Supplement to Journal of Accounting Research, Vol.22, pp.59-82, 1984.
[39]Shiue, Y.R. and Guh, R.S.,“The optimization of attribute selection in decision tree-based production control systems”, Int J Adv Manuf Technol, pp.1–10, 2005.
[40]Verhulst, P.E., “Notice sur la loi que la population suit dans son accroissement,” Correspondences Mathematics Physique, Vol.10, pp.113-121, 1838.
[41]Chen, C.C. and Yih, Y.,“ Identifying attributes for knowledge-based development in dynamic scheduling environments,”International Journal of Production Research, 34, 1739-1755, 1996.
[42]Chen, C.C. and Yih, Y.,“Auto-bias selection for learning-based Scheduling systems. International Journal of Production Research,”37, 1987-2002, 1999.
[43] Cover, T.M., “The best two independent measurements are not the two best,”IEEE Transactions on Systems, Man, and Cybernetics, 4, 116-117, 1974.
[44] Siedlecki, W. and Sklansky, J.,“On Automatic feature selection,”76 International Journal of Pattern Recognition and Artificial Intelligence, 2, pp.197-220, 1988.
[45] Raymer, M.L., Punch, W.F., Goodman, E.D., Kuhn, L.A., and Jain, A.K.,“Dimensionality reduction using Genetic Algorithms,”IEEE Transactions on Evolutionary Computation, 4, pp.164-171, 2000.
[46]DeJong, K., “An analysis and behavior of a class of genetic adaptive systems” Dissertation, Department of Computer and Communication Sciences, University of Michigan, Ann Arbor, MI, 1975.