(3.238.96.184) 您好!臺灣時間:2021/05/08 03:44
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:吳佩芬
研究生(外文):Pei Fen Wu
論文名稱:資料探勘技術應用於學生輔導決策支援系統之建構
論文名稱(外文):Using Data Mining Technology to Build a Student Counseling Support System
指導教授:黃承龍黃承龍引用關係楊俊傑楊俊傑引用關係
指導教授(外文):Cheng-Lung HuangJun-Jie Yang
學位類別:碩士
校院名稱:華梵大學
系所名稱:資訊管理學系碩士班
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:70
中文關鍵詞:輔導案例式推理關聯法則決策樹支援向量機
外文關鍵詞:decision support systemcounselingcase-based reasoningdecision treesupport vector machine
相關次數:
  • 被引用被引用:1
  • 點閱點閱:356
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
中小學重視學生之訓輔工作,建立學生之輔導資料,然而目前輔導資訊之電腦化程度並不高,往往只能依賴導師個人或輔導人員之經驗傳承,這種做法顯得沒有效率也缺乏傳承性。因此,本研究整合學生的學籍資料系統、成績處理系統及輔導資料,提出一個「學生輔導決策支援系統」架構,學生的輔導案例經由專家的評估建置成案例知識庫,並利用案例式推理(Case-based Reasoning)來提供新進導師 及輔導相關教師做為一般輔導狀況參考。架構中也提出運用資料探勘技術來分析、判斷、預測,找出輔導資料與學習成效之關聯模型,例如,以Apriori 演算法為基礎的關聯法則(Association rule)、利用決策樹(Decision tree)方式訓練資料組(Training set)建立決策樹模組和以Radial basis function (RBF)為核心函數(Kernel function)的支援向量機(Support Vector Machine),以期能利用資料探勘技術分析出影響學生學習的可能狀況,有助於教師做好班級經營。
The high, middle and elementary schools pay great attention to student counseling, and build up counseling information of students. But currently, this counseling information is not highly computerized. This research proposes a student counseling support system which combines students’ counseling information and study achievement records. The proposed system have the advantages of counseling knowledge sharing, study achievement prediction, and counseling knowledge discovering from data base.
This study built a data base of students’ counseling information and study achievements. The data mining tools were adopted in this research, including case-based reasoning, decision tree, association rule mining (Apriori algorithm), and support vector machine. Based on the proposed system, the counseling related teachers, especially new teaches can retrieve useful information using case-based reasoning from the previous sample cases which is the experiences of other teachers. The association rule mining helps teachers analyze the relationship among various counseling information. The classification model built by the decision tree and support vector helps teachers predict the student’s study achievement. A prototype system was also built to demonstrate the proposed ideas.
一、緒 論 1
1.1 研究背景與動機 1
1.2 研究目的 3
1.3 研究限制與範圍 3
1.4 研究架構 4
二、文獻探討 7
2.1教育部教訓輔三合一 7
2.2資料探勘 9
2.3案例式推理 (CASE-BASED REASONING, CBR) 10
2.4關聯法則 15
2.5決策樹 17
2.6 支援向量機 23
三、系統架構 26
四、雛形系統實例展示 30
4.1資料庫系統建立 30
4.2利用案例庫推理(CBR)做輔導案例查詢 41
4.3輔導與成績分析-關聯法則 49
4.4、輔導與成績分析-決策樹 52
4.5、輔導與成績分析-支援向量機 55
五、評估與結論 57
5.1 專家評估 57
5.2 結論 59
5.3 建議 60
六、參考文獻 62
表 錄
表4-1、學生基本資料屬性表 31
表4-2、學生成績資料屬性表 32
表4-3、學生輔導資料屬性表 33
表4-4、案例處理知識庫資料屬性表 38
表4-5、虛擬整合資料分類變數表 39
表4-6、擷取Apriori關聯法則工具_語文類執行結果 50
表4-7、學生成績和輔導資料關聯規則總表 51
表4-8、決策樹分析軟體之決策規則列表 53

圖 錄
圖1-1 研究架構流程圖 6
圖2-2 A. Aamodt, E. Plaza (1994); Case-Based Reasoning 11
圖2-3 案例推演架構 (本研究整理) 14
圖2-4 訓練資料S所得之決策樹 20
圖3-1 學生輔導決策支援雛形系統架構圖 28
圖4-1 本研究所有相關資料庫屬性圖 30
圖4-2 語意變數之權重模糊尺度(資料來源:本研究) 42
圖4-3 關鍵字查詢 (資料來源:本研究) 46
圖4-4 選擇式選單查詢 (資料來源:本研究) 46
圖4-5 權重選擇(資料來源:本研究) 47
圖4-6 知識庫符合條件之前5筆(資料來源:本研究) 48
圖4-5 F-score高低展示圖 56
1.王建華,資料挖掘技術再技職院校中途離校生輔導之應用--以醒吾技術學院為例,國防管理學院國防資訊研究所,2003。
2.王澤瑜,台南市國民小學推展建立學生輔導新體制-教學、訓導、輔導三合一整合實驗方案實施現況之研究,國立中山大學教育研究所碩士論文, 2004。
3.吳武典、陳秀蓉。教師領導行為與學生期待、學業成就及生活適應。師大教育心理學報,11,87-103,民67。
4.教育部,建立學生輔導新體制—教學、訓導、輔導三合一整合實驗方案,學生輔導,58期,頁10-16,87年A。
5.教育部輔導網路,http://www.guide.edu.tw/ ,2000
6.廖聖傑,從學習歷程檔案建構決策樹以支援網路教學,國立中山大學資訊管理學系研究所, 2002。
7.劉學禮,四位青少年的中輟過程- 一位國中教師的觀察與經歷,銘傳大學教育研究所碩士論文,2004。
8.鄭崇趁,學生輔導通訊-教訓輔三合一的主要精神與實施策略,2000,66,14-25
9.謝秋珠,國中中輟復學生需求與輔導策略之研究,國立臺灣師範大學公民教育與活動領導學系碩士論文,2003。
10.Aamodt and Plaza, Agnar Aamodt and Enric Plaza, “Case-base Reasoning: Foundation Issues, Methodological Variations, and System Approach”, AI Communication, IOS press. Vol. 7, No. 1, 1994, pp. 39-59.
11.Agrawal, R., Imielinski T. & Swami, A., Mining Association Rules Between Sets of Items in Large Data bases. In proceedings Of the ACM SIGMOD Conference on Management of Data, Washington DC,USA, 1993.
12.Aha, D. W., & Bankert, R. L., Feature selection for case-based classification of cloud types: An empirical comparison. Proceedings of the 1994 AAAI Workshop on Case-Based Reasoning. Seattle, WA:AAAI, 1994, pp. 106-112.
13.Areawal, R. Srikant, R. Fast Alorithm for Mining Association Rules in Large Databases, In Proc Int’l Conf. VLDB, pages 487 – 499 , Santiago,Chile. 1994
14.Berry, J. A. and G. Linoff, Data Mining Techniques For Marketing, Sales, and Customer Support, John Wiley & Sons, New York,1997。
15.Chang, C. C., & Lin, C. J., LIBSVM: a library for support vector machines, available: http://www.csie.ntu.edu.tw/~cjlin/libsvm. 2001
16.Chen, Y-W and Lin, C.-J.), Combining SVMs with Various Feature Selection Strategies, To appear in the book Feature extraction, foundations and applications, Available at: http://www.csie.ntu.edu.tw/~cjlin/papers/features.pdf, 2005.
17.Cristianini, N., & Shawe-Taylor, J., An introduction to support vector machines, Cambridge University Press, Cambridge UK. 2000.
18.Fayyad U., Piatetsky G., and Smyth P, From data mining to knowledge discovery in databases, AI Magazine, 1996.
19.Fayyad U., Piatetsky G., and Smyth P, From data mining to knowledge discovery in databases, AI Magazine,1996。
20.Hsu, C. W., Chang, C. C., & Lin, C. J., A practical guide to support vector classification, available: http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf. 2003
21.Hsu, C. W., Chang, C. C., & Lin, C. J., A practical guide to support vector classification. available: http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf, 2003.
22.Kecman, V. , Learning and soft computing, The MIT Press, Cambridge, MA, USA. 2001
23.Quinlan, J. R, C4.5: Programs for Machine Learning, Morgan Kaufmann Publishers, San Francisco, 1993.
24.Schőlkopf, B., & Smola, A. J., Statistical learning and kernel methods, MIT Press, Cambridge, Massachustees, USA. 2000
25.Shaw M. J., Subramaniam C. and Tan G. W, Knowledge management and datamining for marketing,”Decision Support Systems, 2001.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔