臺灣博碩士論文加值系統

李克特量表的設計讓受訪者在數個選項中僅能勾選一個選項，且以等距的整數數值量化資料，過於簡化也可能造成資料難以精準地反映受訪者潛在的模糊感受。部份研究者證實以模糊語意變數來衡量感受強度是可行的方式，但模糊語意變數的隸屬度函數的定義方式上仍然相當地分歧，甚至多數研究者仍以等級區間的模糊數來定義各語意變數，因此如何將語意變數與隸屬度函數作一整合性架構，值得進一步深入研究。
本研究以模糊邏輯思維來改良傳統之李克特量表，允許受訪者在數個選項中填寫隸屬度，再計算模糊計分值。利用模糊語意問卷進行資料蒐集，並嘗試以模楜理論之模糊集群分析來設計演算法，利用模糊C平均分類法(FCM)求出各語意的群落中心值來進行參數化，找出較為貼近受試者心理潛在特質的語意模糊數隸屬度函數。
基於模糊問卷的填答方式特殊，且為配合本研究的資料處理過程，本研究設計了模糊語意問卷網路系統來進行資料蒐集與語意變數參數化。透過本系統的實際施測與運作，可以迅速且確實的得到各題各語意措辭的語意變數參數化的結果，資料分析結果顯示與等級區間的模糊數有所差異，也為不同題目的各語意措辭分別建構其相對應之模糊數，提供實證研究者在進行模糊統計分析時，定義模糊語意變數的參考依據。

The design of Likert Scale use checklist for answering, and ask the subject to choose only one best answer for each item. And the quantification of the data is equal interval of integer. The problem is that the data about fuzzy feeling of the subject is simplified and inaccurate enough. Therefore, some scholars try to introduce membership functions of Fuzzy theory into linguistic variables of Questionnaire. However, most scholar construct the membership function with criteria evaluation is still ignores many indicators. How to membership function combine linguistic variables is a research direction in depth.
In this study, uses the concept of fuzzy theory to improve the Likert Scale. The way is that Subjects can make several answers for each item, and must give each answer a percentage. And use fuzzy clustering of Fuzzy theory to design a algorithm to construct membership function of linguistic variables that fit feeling of Subjects.
Thinking about the answer of Fuzzy Questionnaire make easily error and the data processing of this research is complicated. Therefore, in the study, design a “Fuzzy Linguistic Questionnaire Network System”. This system is implemented to quickly and certainly get the result of linguistic variables parameterize of each question of each linguistic term. The result show different form membership function with criteria evaluation and construct a membership function conform to each linguistic term.

目　錄
中文摘要i
英文摘要ii
目錄 iii
圖目錄 iv
表目錄 v
第一章　緒論 1
第一節　研究動機 1
　第二節　研究目的 2
　第三節　名詞釋義 3
第二章　文獻探討 4
　第一節　模糊理論 4
　第二節　問卷形式與量化 8
　第三節　集群分析 15
第三章　研究方法與設計 19
　第一節　研究架構及步驟 19
　第二節　研究工具 20
　第三節　模糊語意之計分方式 22
　第四節　模糊語意群落中心之演算法 23
　第五節　模糊語意變數之參數化 27
第四章　研究結果與分析 28
　第一節　模糊語意變數參數化演算流程 28
　第二節　系統功能分析及執行結果 31
第五章　結論與建議 41
參考文獻 42

王元仁（民89）：以模糊理論建構以技職為導向之課程單元評估模式。教育研究資訊，8（3），1-12。
王文俊（民86）：認識Fuzzy。台北市：全華科技圖書股份有限公司。
王信文（民85）：以模糊聚類分析法最佳化模糊系統及其應用。私立大葉大學電機工程研究所碩士論文。
王景南、王金城（民89）：籃球教練與團隊配適性之模糊統計分析。國立編譯館館刊，29（2），319-338。
王朝茂（民85）：教師信念態度量表。台北：心理出版社。
王鵬華、吳昭彥（民85）：模糊多準則決策應用在高等教育之選擇。高雄工學院學報，3，295-304。
吳光耀（民82）：乏晰聚類分析－以臺灣靈芝分類為例。國立清華大學工業工程研究所碩士論文。
吳柏林（民83）：模糊統計分析─問卷調查研究之新方向。國立政治大學研究通訊，2，65-80。
吳柏林（民85）：社會科學研究中的模糊邏輯與模糊統計分析。中國統計通訊，7(11），14-30。
吳柏林、楊文山（民86）：模糊統計在社會調查分析的應用。載於中央研究院中山人文社會科學研究所出版之社會科學計量方法發展與應用（pp.289-316）。
吳珮菁 （民88）：模糊統計分析在選情預測之應用。國立政治大學統計研究所碩士論文。
阮亨中，吳柏林（民89）：模糊數學與統計應用。台北：俊傑書局。
李名昌（民83）：交通違規記點點數配置與處罰措施之研究－模糊聚類分析之應用。警專學報，1(7)，257-277。
何偉雲（民84）：學生學習成就的模糊統計分析。國立屏東師範學院屏東師院學報，8，167-180。
何榮桂、籃如玉（民90）：乏晰語義辨別在職業認知輔導之應用。第五屆華人社會心理與教育測驗學術研討會論文。台北市：國立臺灣師範大學。
林志聰（民86）：模糊集群分析之研究－以台灣地區上市及上商銀企銀之經營績企銀之經營績效為例。國立成功大學統計研究所碩士論文。
林基興（民83）：模糊思考─模糊邏輯的新科學。台北市：全華科技圖書股份有限公司。
柯政秀（民83）：聚類式模糊迴歸分析。私立中原大學應用數學研究所碩士論文。
徐村和（民83）：大眾運輸系統營運計畫評估之研究－模糊積分綜合評估法之運用。中華民國運輸學會第九屆論文研討會論文集(pp.1-8)。
徐村和（民87）：模糊德菲層級分析法。模糊系統學刊，4（1），59-72。
徐村和、朱國明、詹惠君（民88）：廣告業服務接觸與顧客行為意圖關係之研究─模糊語意尺度之應用。東吳經濟商學學報，26，1-25。
許績興（民88）：以模糊理論建構同步工程環境之產品開發決策模式。元智大學工業工程研究所博士論文。
唐麗英、謝昆霖（民89）：應用模糊理論於等級類別變數之參數最佳化。Journal of the Chinese Institute of Industrial Engineers，17（4），423-435。
翁儷禎（民87）：評定量表標示語之心理量尺值研究：頻率及同意度詞。中華心理學刊，40(1)，73-86。
連經宇、陳彥仲（民88）：模糊語意變數法應用於住宅消費決策行為之初探研究。住宅學報，8，69-90。
張兆旭（民83）：Fuzzy淺談。台北市：松崗電腦圖書資料股份有限公司。
陳昭宏（民87）：以Fuzzy演算法分析評量用詞對問卷調查之影響。東方工商學報，21，76-82。
陳振東（民89）：考量決策者樂觀態度傾向的模糊多準則決策方法之研究。管理與系統，7(3)，379-394。
陳淑賢（民86）：群體決策在多項方案排序法之探討。臺中商專學報，29，33-46。
黃國亮（民84）：模糊理論應用於集群分析之探討。國立成功大學統計學研究所碩士論文。
黃孝雲（民88）：改良式調適性模糊集群分析法之研究。國立台中師範學教育測驗統計研究所碩士論文。
廖述健（民90）：模糊統計分析及其在社會調查之應用。國立政治大學統計研究所碩士論文。
楊敏生（民83）：模糊聚類分析之研究。行政院國家科學委員會專題研究計畫。
溫坤禮（民83）：利用模糊聚類分析做汽車自動辨識及監控之研究。建國學報，13，205-217。
蔡坤宏（民86）：順予尺度之等距假設對驗證性因素分析模式估計的影響。管理科學學報，387-402。
鄭勝元（民87）：模糊統計在社會調查之應用。國立政治大學統計研究所碩士論文。
劉大緯、王小璠（民87）：模糊資料之聚類分析。模糊系統學刊，4(2)，41-50。
劉豐瑞、唐廷俊、陳五洲、李允中（民88）：模糊多準則損益權衡分析應用於射箭運動員選材之研究。模糊系統學刊，5(1)，53-62。
藎壚（民80）：實用模糊數學。台北市：亞東書局。
Bezdek, J. C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. New York: Plenum.
Bollen, K. A., & Brab, K. H. (1981). Pearson’s R and Coarsely Categorized Measures. American Sociological Review, 46, 232-239.
Bradly, R. A., Katti, S. K., & Coons, I. J. (1962). Optimal Scaling for Ordered Categories. Psychometrika, 27, 355-374.
Chen, S. J., & Hwang, C. L. (1992). Fuzzy Multiple Attribute Decision Making Methods and Applications. Berlin : Springer-Verlag.
Devi, B. B., & Sarma, V. V. S. (1985). Estimation of Fuzzy Memberships from Histograms. Information Sciences, 35, 43-59.
Dunn, J. C. (1974). A fuzzy relative of the ISODATA process and its use in detecting compact, well-separated cluster. J. Cybernet, 3, 32-57.
Edwards, A. L. (1957). Techniques of attitude scale construction. New York: Irvington.
Klir, G. J., & Folger, T. A. (1988). Fuzzy sets, uncertainty and information. NJ: Prentice-Hall.
Klir, G.. J., & Yuan, B. (1995). Fuzzy sets, fuzzy logic, and fuzzy systems. NJ: World Scientic. Publishing Co. Pte. Ltd.
Law, C. K. (1996). Using fuzzy numbers in educational grading system. Fuzzy Sets and System, 83, 311-323.
Law, C. K. (1997). A fuzzy logical model to aggregate several heterogeneous educational grades from a reductionist grading scheme. Proceedings of 8 th International Conference on the Teaching of Mathematical Modeling and Applications.
Liang, G. S., & Wang, M. J. (1991). A fuzzy multicriteria decision making method for facility site selection. Internation Journal of Production Research, 29(11), 2313-2330.
Pryor, R. G. L., Hesketh, B., & Gleitzman, M. (1989). Making things clearer by making them fuzzy: counseling illustrations of a fuzzy graphic rating scale. The career development quarterly, 38, 136-146.
Ruspini, E. (1970). Numerical Methods for Fuzzy Clustering. Inf. Sci.,2, 319-350.
Olsson, U., Drasgow, F. & Dorans, N. J. (1982). The Polyserical Correlation Coefficient. Psychometrika, 47 337-347.
Wang, H., & Bell, P. M. (1996). Fuzzy clustering analysis and multifactorial evaluation for students’ imaginative power in physics problem solving. Fuzzy Sets and Systems, 78, 95-105.
Yen, C. L. (1996). Using fuzzy sets in developing mathematical learning progress indicator. The proceedings of National Science Council (part D), (6), 57-64.
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8, 338-353.
Zimmermann, H. J. (1991). Fuzzy set theory and its applications. London: Kluwer Academic Publishers.