臺灣博碩士論文加值系統

摘要
本研究目的有二：(1) 發展探勘教育性資料的工具。(2) 找出適合分析教育性資料的資料探勘技術。
研究中所開發的教育資料探勘工具共分為三個模組：(1)warehousing module (2)discovery module (3) visualization module。Warehousing module針對模擬大學學力測驗及某國中三年段考成績做資料處理，Discovery module針對warehousing module所儲存的資料並以ART演算法做教育資料探勘，Visualization module針對探勘結果以簡易操作介面提供分析。研究分為四個階段，第一階段以兩種原始資料作為測試，第二階段以兩種資料經過前置處理並加以測試前置轉換的分數門檻，第三階段反覆測試各種資料探勘結果，最後以visualization module提供的工具加以分析探勘結果。
本研究有兩點發現：(1)ART1是適合教育資料探勘的探勘理論。(2)國中分數普遍偏高，英文科與社會科是學生較易得高分的科目。本研究並提出五點建議：(1)在測試資料希望能加入學生基本資料的探勘。(2)提供更多的warehousing 理論中的功能。(3)進一步測試其他理論作為探勘理論。(4)進一步提供自動化分析探勘結果的功能(5)增加資料的廣度或深度或是以目前網路學習網站所儲存的資料作為教育資料探勘的輸入資料。
關鍵字：資料探勘，教育資料探勘，資料倉儲，調適性共振理論，ART1，ART2

目錄
第一章緒論……………………………………………………………………1
第一節研究背景.……………………………………………………...…1
第二節研究目的…………………………………………………………3
第三節研究範圍及限制…………………………………………………3
第二章技術探討………………………………………………………………4
第一節資料倉儲技術……………………………………………………6
第二節類神經網路演算法………………………………………………8
第三章教育資料探勘工具的設計…………………………………………..17
第一節 資料處理………………………………………………………..17
第二節 教育資料探勘工具的模組……………………………………..22
第三節 實驗方法與步驟………………………………………………..31
第四章測試結果探討………………………………………………………..41
第一節 資料分析與分類………………………………………………..41
第二節 群組屬性分析…………………………………………………..44
第三節 學生路徑訊息分析……………………………………………..50
第五章 結論與建議…………………………………………………………..53
第一節實驗結論………………………………………………………..53
第二節建議……………………………………………………………..55
參考資料………………………………………………………………………57
ii
圖目錄
圖3.1 資料設定介面…………………………………………………………19
圖3.2 資料產生器所產生之資料檔…………………………………………20
圖3.3 資料檔案內容…………………………………………………………20
圖3.4 以逗號隔開的純文字檔案……………………………………………21
圖3.5 學生三年段考資料檔案內容…………………………………………21
圖3.6 minetool 模組運作流程圖……………….……………………………22
圖3.7 星狀結構設計圖(dimensional modeling schema)… …………………23
圖3.8 warehousing module 功能選單.…………………….…………………23
圖3.9 ART1 圖層設計 ………………………………………………………25
圖3.10 discovery module 功能表…………………………….………………26
圖3.12 學生路徑 ……………………………………………………………26
圖3.13 呈現模組功能表 ……………………………………………………27
圖3.14 分類結果 ……………………………………………………………27
圖3.15 學生路徑 ……………………………………………………………28
圖3.16 追蹤結果顯示 ………………………………………………………29
圖3.17 學生路徑與追蹤 ……………………………………………………30
圖3.18 以門檻60 分做前置轉換分類的結果………………………………31
圖3.19 以門檻75 分做前置轉換分類的結果………………………………32
圖3.20 以門檻90 分做前置轉換分類的結果………………………………32
圖4.1 群組0 顯示範例………………………………………………………44
圖4.2 群組1 顯示範例………………………………………………………44
圖4.3 群組2 顯示範例………………………………………………………45
圖4.4 群組3 顯示範例………………………………………………………45
圖4.5 群組4 顯示範例………………………………………………………46
iii
圖4.6 群組5 顯示範例………………………………………………………47
圖4.7 群組6 顯示範例………………………………………………………47
圖4.8 群組7 顯示範例………………………………………………………48
圖4.9 學生路徑………………………………………………………………50
圖4.10 學生路徑 ……………………………………………………………50
圖4.11 一直處於0 群組範例……………………………………………….51
圖4.12 一直處於7 群組範例……………………………………………….51
圖4.13 每下愈況學生範例………………………………………………….52
圖4.14 某群組附近跳蕩學生範例………………………………………….52
圖4.15 後來竄升學生範例………………………………………………….52
iv
表目錄
表4-1 群組歸納表………………………………………………………………49

參考資料
[1] W.H.Inmon. Building the Data Warehouse. New York: John Wily & Sons, 1996.
[2] James A. Freeman/David M. Skapura, Neural Networks Algorithms, Applications,
and Programming Techniques. Addison-Wesley, 1992.
[3]Jiawei Han, Micheline Kamber, Data Mining Concepts and Techniques. San
Francisco: Morgan Kaufmann, 2001.
[4]Robert Groth, Data Mining: Building Competitive Advantage, Prentice Hall, 2000.
[5]IAN H. , Data Mining: practical machine learning tools and techniques with JAVA
implements, San Francisco: Morgan Kaufmann, 2000.
[6]葉怡成, 類神經網路模式應用與實作,儒林, 1993 。