臺灣博碩士論文加值系統

近年來民眾對醫療品質的要求日益提昇，政府亦為提昇護理學校教學品質，積極推動學校升格，所以落實護理教育，培養優秀護理人員，實為刻不容緩之事。在本論文中，將以某高級護理職業學校之畢業學生的學籍表為資料庫，依學生在各課程之學習成效，利用資料探勘之技術，實際探索高職護理課程之間，及班級任課教師之間的關聯性。希望瞭解過去學生在校學習模式，作為觀察在學學生學習行為模型，必要時可以進行補救教學；安排各班級課程任課老師之適切組合，以提昇學生學習成效。研究發現：多數學生在修業三年中，學期間之課程學習成效，沒有關聯性，反而在各學期中各課程有關聯；顯示高職護理課程之一貫性偏低。此外，研究也發現部分學生群的某些科目表現存在關聯性，可以針對此類型學生，實施適當的補救教學。

With the increasing demands on health and medical care from the public, to improve the quality of health care education is an important issue. In Taiwan, the system of advanced vocational education provides the major part of human resources on the market of nurse-practitioners. It is more than important to make sure that the education and training in these schools are of high quality. In this thesis, we study an advanced vocational college of health care. We try to explore the relations among courses and students’ background using the techniques and tools of data-mining. Techniques for finding association rules and sequential patterns are applied to explore the performance of students attending to different courses in each semester. The techniques for clustering are employed for finding the characteristics of students who have specific performance on specific courses. We expect the analytic results of this research can help similar colleges on course design and student counseling.

中文摘要 ……………………………………………………………………… i
英文摘要 ……………………………………………………………………… iii
誌謝 ……………………………………………………………………… v
表目錄 ……………………………………………………………………… viii
圖目錄 ……………………………………………………………………… ix
一、 緒 論 …………………………………………………………………… 1
1.1 研究背景 …………………………………………………………… 1
1.2 研究動機與目的 …………………………………………………… 4
1.3 研究架構 …………………………………………………………… 6
二、 背景知識與相關文獻 ……………………………………………………… 8
2.1 資料探勘 …………………………………………………………… 8
2.2 資料探勘在國內教育課程領域之應用 …………………………… 13
2.3 資料探勘與傳統統計之差異 ……………………………………… 14
三、 研究方法 …………………………………………………………………… 17
3.1 研究對象背景概述 ………………………………………………… 17
3.2 研究資料內容 ……………………………………………………… 21
3.3 研究流程 …………………………………………………………… 22
四、 資料分析與研究結果 ……………………………………………………… 29
4.1 研究工具與實驗環境 ……………………………………………… 29
4.2 資料前置處理 ……………………………………………………… 31
4.2.1 資料淨化 …………………………………………………………… 31
4.2.2 資料轉換 …………………………………………………………… 33
4.2.3 資料整合 …………………………………………………………… 35
4.2.4 資料再轉換 ………………………………………………………… 38
4.2.5 資料選擇 …………………………………………………………… 40
4.3 進行資料探勘 ……………………………………………………… 42
4.4 實驗一：學生學習成效 …………………………………………… 42
4.4.1 實驗A：整群學生學習成效 ……………………………………… 42
4.4.2 實驗B：進步群學生學習成效……………………………………… 45
4.4.3 實驗C：退步群學生的學習成效…………………………………… 49
4.5 實驗二：班級學習成效 …………………………………………… 52
4.6 實驗三：叢集分析 ………………………………………………… 53
五、 結論與建議 ………………………………………………………………… 62
5.1 研究結論 …………………………………………………………… 62
5.2 建議 ………………………………………………………………… 63
參考文獻 ………………………………………………………………………… 65

[1]. 行政院教育改革審議委員會編，『教育理念與地方教育實務研討會會議記錄』，台北：行政院教育改革審議委員會，1996。
[2]. 朱克剛，『一個支授研討式教學的雛形系統』，中原大學，碩士論文，1997。
[3]. 李隆盛，『職業學校課程綱要與學校本位課程發展模式』，教育研究月刊，第115期：70~80頁，2003。
[4]. 李隆盛等，『學校本位課程發展手冊』，台北：教育部，2003。
[5]. 何英奇，『教學評量的基本原則』，台北：心理出版社，1992。
[6]. 林傑斌，劉明德，陳湘，『資料採掘與OLAP理論與實務』，台北：文魁資訊股份有限公司，2002。
[7]. 林淑玉，『智慧型網路教學課程推薦與導航之研究』，真理大學，碩士論文，2002。
[8]. 邱永祥，『運用類神經網路與資料探勘技術於網路教學課程推薦之研究』，朝陽科技大學，碩士論文，2003。
[9]. 陳月枝，李選，張媚等，『護理學導論』，台北：匯華圖書股份有限公司，1999。
[10]. 教育部，『醫護類職業學校護理科課程標準暨設備標準』，台北：教育部，1998。
[11]. 教育部，『教育改革Why & How』，台北：教育部，2003。
[12]. 陳海雄，『技職體系一貫課程的高職教育』，教育研究月刊，第115期：25~31頁，2003。
[13]. 陳傳猷，『決策樹用於推廣教育課程之探討』，大葉大學，碩士論文，2002。
[14]. 楊琇媛，『利用資料倉儲與資料探勘技術於招生策略與學生特質分析之研究』，私立中原大學，碩士論文，2002。
[15]. 楊慕慈，『高職學生轉學轉科進路之規劃研究』，康寧學報，第一卷，第一期：19~23頁，1998。
[16]. 楊淦淼，『設計與建立在多層式服務架構上的資料挖掘系統-以學生課程管理為例』，逢甲大學，碩士論文，2002。
[17]. 蔡旻璇，『序列樣式分析應用於課程規劃支援系統』，靜宜大學，碩士論文，2002。
[18]. 樓玉玲，『以資料發掘分析政大通識課程』，國立政治大學，碩士論文，1998。
[19]. 臺北市政府，『臺北市國民中學學生成績評量辦法』，臺北市政府公報，第32期，2003。
[20]. 顏博文，『應用資料探勘技術分析學生選課特性與學業表現』，私立中原大學，碩士論文，2002。
[21]. 賴信良，『資料探勘在教育上的應用－以國小學童「體適能測驗」為例』，國立台北師範學院，碩士論文，2002。
[22]. 簡茂發，『多元化評量之理念與方法』，教師天地，99期：11~17頁，1999。
[23]. D. Hand, H. Mannila, P. Smyth, “Principles of Data Mining”, MIT Press, Cambridge, CA, 2001.
[24]. IBM Corp., “使用 Intelligent Miner for Data, V6.1”, International Business Machines Corporation, 1999.
[25]. Jiawei Ham, Micheline Kamber, “Data Mining：Concepts and Techniques”, Morgan Kaufmann Publishers, San Francisco, 2001.
[26]. Kleissner, C., “Data Mining for the Enterprise”. Thirty-First AnnualHawaii International Conference on System Sciences, 7, 295-304, 1998.
[27]. Pieter Adriaans, Dolf Zantinge, “Data Mining”, Addison Wesley Professional, San Francisco, 1996.
[28]. Witten, I.H. & Frank, E., “Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations”. San Francisco: Morgan Kaufmann Publishers, 2000.