跳到主要內容

臺灣博碩士論文加值系統

(44.201.99.222) 您好!臺灣時間:2022/11/30 19:38
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:楊朝艾
研究生(外文):Chao-Ai Yang
論文名稱:運用類神經網路訓練於預測高中學生大學學科能力測驗成績之研究-以高雄市某高中為例
論文名稱(外文):The Application of Neural Network Forecasting on the Scores of College Entrance Exam – A Study of a Kaohsiung High School
指導教授:巫沛倉巫沛倉引用關係
指導教授(外文):Pei-Tsang Wu
學位類別:碩士
校院名稱:義守大學
系所名稱:工業管理學系
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2015
畢業學年度:103
語文別:中文
論文頁數:86
中文關鍵詞:學科能力測驗預測類神經網路
外文關鍵詞:Subject Ability ExaminationForcastingArtificial Neural Networks
相關次數:
  • 被引用被引用:0
  • 點閱點閱:513
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
選擇就讀高級中學的學生首要目標就是考上理想的大學繼續升學,以現今大學多元入學方案來說,舉凡公立和私立高級中等學校的畢業學生或是具有同等學力證明的學生,通過資格審查後,才得以參加大考中心舉辦之「學科能力測驗和指定科目考試」,以及術科考試之各項成績參加招生,其中又以學測級分是多數學校採計衡量學生學習高中課程程度的重要參考指標。
本研究希望能從探討高中生的學測級分及其模擬考級分的關聯研究,做為日後輔導學生及招生相關事務之參考,蒐集高雄市某公立高中102年度、103年度及104年度畢業之高三應屆學生的大學學科能力測驗級分與在學模擬考級分,期望能由兩者的關聯性,準確的預測學測級分之落點,以提供學生及老師於推薦甄選時運用。
本研究主要使用倒傳遞類神經網路訓練於預測高中學生大學學科能力測驗級分,研究結論顯示:(1)運用模擬考總級分來預測學測總級分的準確度比運用模擬考各科級分來預測學測各科級分的準確度還要高,(2)運用模擬考各科級分來預測學測各科級分時,以社會科的準確度較高,(3)運用模擬考各科級分來預測學測各科級分時,以數學科的變異較大,結果也最差。


The primary goal of most students who have chosen attending the high school is to find an ideal university for their continuous studies after graduation. Students who are graduating from public and private senior high schools or those who have equivalent qualification can take either one or both the college entrance exams including "subject ability exam” and “designated course exam" organized by the college entrance exam center. The allocation of scores obtained from these two exams is usually hard to allocate. Therefore, building a forecasting model with good prediction is helpful for these students.
The purpose of this study is to investigate the relationship between the scores obtained from three simulation tests of senior high school students and the scores obtained from college entrance exam of such students. By using the back propagation neural network forecasting, the objective of this study is to find out the suitable score allocations of the college entrance exam results for the senior high school students.
In this study, a collection of three senior simulation tests results and corresponding subjective ability tests from a public high school in Kaohsiung for academic years 2013, 2014 and 2015 was investigated. The test results included the total scores for each simulation test and five indivisual scores for different courses such as Chinese literature, English, mathematics, nature science and social science. These tests results were designed to be the inputs of the neural network training. Another set of collections were the results for the subjevt ability exam from the same students. These tests results were desigeded to be the outputs of the neural network training. After training the back propagation neural networks, the best prediction of corresponding network was selected to be the prediction model for our research.
The performances of both total scores of three simulation tests and individual scores of three simulation tests were investigated. From the results, we can conclude that (1) the performance of using total scores of the simulation tests results to predict the subject ability exam scores is much better than the performace of using individual scores of the simulation tests results, (2) the forecasting performance of using individual tests scores for social science is the most accuracte among the five courses, (3) the forecasting performance of using individual tests scores for mathematics is worse than other courses.


目 錄
謝誌……………………………………………………………Ⅰ
中文摘要……………………………………………………………Ⅱ
Abstract……………………………………………………………Ⅲ
目錄…………………………………………………………………Ⅳ
表目錄………………………………………………………………Ⅵ
圖目錄……………………………………………………………Ⅶ
第一章 緒論
第一節 研究背景…………………………………………………………1
第二節 研究動機.…………………………………………………………2
第三節 研究目的…………………………………………………………3
第四節 研究架構…………………………………………………………3
第二章 文獻探討
第一節 高中在學成績與大學學測之相關研究…………………………6
第二節 預測理論………………………….. …………………………….9
第三節 類神經網路……………………………………………………...15
第三章 研究方法
第一節 研究對象……………………………………………………….24
第二節 研究變數………………………………………………………24
第三節 類神經網路方法與研究………………………………………25
第四章 實證分析
第一節 預測準確率評估指標…………………………………………33
第二節 倒傳遞類神經網路預測模式…………………………………35
第三節 驗證結果………………………………………………………50
第五章 結論與建議
第一節 研究結論與貢獻………………………………………………54
第二節 後續研究建議…………………………………………………55
參考文獻…………………………………………………………………57
附錄1:訓練範例各科級分比較圖…………………………………………61
附錄2:測試範例各科級分比較圖…………………………………………69


中文部份:
于宗先(1972),經濟預測,台北:大中國出版社。
方世杰(1988),市場預測方法一百種,台北:書泉出版社。
任眉眉、陳日昇和詹嘉豪(2005),統計與落點分析:大學指考選填志願的輔助利器,中國統計學報,第43 卷,165-181。
宋珮怡(2007),我國大學學科能力測驗成績之預測建模研究,輔仁大學應用統計研究所碩士論文。
沙俊明(2008),訂單生產策略下氧化銦錫導電玻璃產業之良率預測研究,國立交通大學管理學院研究所碩士論文。
李佳玲(2001),大學入學測驗與高中生在校成績關係之研究,國立台北師範學院國民教育研究所碩士論文。
李佩芬(2009),探討國中生在校成績與國中基測之關聯性,中華大學應數所碩士論文。
余秋芬 (2004),高中學科能力測驗成績與大學入學後學科學習績效之相關性研究-以中國文化大學為例,中國文化大學國際企業管理研究所碩士論文。
吳月明 (2006),股票報酬率預測模式績效之研究-倒傳遞類神經網路與灰預測之應用,
朝陽科技大學財務金融系研究所碩士論文。
林士弘(2008),國中複習考對基測成績及登記分發落點,預測模型之研究-以台北市H 國中為例。東吳大學商用數學系碩士論文。
林俊昌(2008),國中基本學力測驗成績相關及預測之研究-以台北縣某國中為例,輔仁大學應用統計學研究所碩士論文。
林威辰 (2008),應用多種預測方法於台灣房地產價格預測,明志科技大學工業管理研
究所碩士論文。
柯俊偉(2006),用模糊類神經網路作為高中高職志願選填之研究,高雄師範大學資訊教育研究所碩士論文。
徐桂祥(1994),灰色系統在商情預測上之研究,雲林技術學院資訊管理技術研究所碩士論文。
袁勝鋒(2011),台北市房地產價格預測之研究,明志科技大學工業工程與管理研究所
碩士論文。
財團法人大學入學考試中心(2012),102 學年度學科能力測驗簡章。
陸炳杉(2003),多元入學學生學業成就之研究-以高雄市立中正高級中學為例,國立高雄師範大學工業科技教育學系碩士論文。
陳超(2006),國中基測與大學學測之相關分析-以旭光高中為例,中華大學應用數學系碩士論文。
莊佶達(2011),應用BP類神經網路最佳參數模式於高中高職學力測驗成績之預測-以台中市某國中為例,國立中興大學應用數學系碩士論文。
黃翊彰(2011),國中基本學力測驗成績預測建模研究-以彰化縣某國中為例,國立中興大學應用數學系碩士論文。
曹登發、盧炳勲 編譯(1992),類神經網路理論與應用,全華出版。
張斐章、張麗秋(2003),類神經網路(初版),台北:東華書局。
張斐章、張麗秋(2010),類神經網路導論:原理與應用,滄海書局。
張瑤峰(2001),類神經網路在銷售預測應用之探討,元智大學工業工程研究所未出版碩士論文。
彭重恩(2005),高中學生生活科技及數理成績與大學學科能力測驗數理科成績之相關研究,國立台灣師範大學工業科技教育學系碩士論文。
溫坤禮(2002) ,灰預測原理與應用,全華圖書,台北。
葉怡成(2003),類神經網路模式應用與實作,儒林圖書公司。
廖進發、鄒浮安(1999),多元入學的高中學生之大學聯考成績與高中學業成績之追蹤研究-以高雄中學為例,雄中學報,第二期,365-406。
潘美秋(2003),灰色理論應用於台電公司人力需求預測.未出版碩士論文,嘉義:南華大學管理科學研究所。
劉玉春、王澤玲、林益三和陳清平(1990),高中學生在學三年成績與大學入學考試成績相關性之研究,台北:大學入學考試中心。
蔡永軒(2005),大學考試分發入學計分科目權重設計對招生結果影響之研究,台灣大學商學研究所碩士論文。
蔡岱蓉(2009),應用灰關聯分析與類神經網路訓練於IC裝銲線產量之預測,義守大學工業工程與管理學系研究所碩士論文。
賴士葆(1995),生產作業管理,台北:華泰書局。
謝邦昌、邱志洲(2000) ,類神經網路分析,曉園出版。
鍾秋才(2010),高職共同科目模擬考成績與入學測驗之相關研究,中華大學應用數學學系碩士論文。
蘇柏豪(2013),四技二專統一入學測驗成績預測建模研究-以台中市某職業學校商管群為例。國立中興大學應用數學系碩士論文。
蘇昭安(2003),應用倒傳遞類神經網路在颱風波浪預報之研究,國立臺灣大學工程科學與海洋工程學系碩士論文。











英文部分:
Archer, B. H. (1980), “Forecasting Demand: Quantitative and Intuitive Techniques”, International Journal of Tourism Management, 1 (1), 5-12.
Bell, W. (1997). “Foundations of Futures Ftudies: Human Science for a New era”, Volume 2: Values, Objectivity, and the Good Society, New Brunswick, NJ: Transaction.
Donlebell and Krasner, O. J. (1977). “Selecting Environmental Forecasting from Business Planning Requirements”, Academy of Management Review, 19, 373-383.
Johnson, R. A. and Wichern, D. W. (2007). Applied Multivariate Statistical Analysis (6th ed.), New Jersey:Pearson Education.
Lewis, C. D. (1982). Industrial and Business Forecasting Methods, London: Butterworths.
Laiq, K., Kamran, J., and Sidra, M., (2010). “ANN Based Short Term Load Forecasting Paradigms for WAPDA Pakistan”, Australian Journal of Basic and Applied Sciences, 4(5), 932-947.
Mackay, D. J. C. (1992). “Bayesian Interpolation”, Neural Computation, 3, 415-447.
Rosmina, B., Nabil, B., Charles B., and Suhaila, S., (2007). “Artificial Neural Network for Precipitation and Water Level Predictions of Bedup River”, IAENG International Journal of Computer Science.
Vellido, A., Lisboa, P.J.G. and Vaughan, J., (1999). “Neural Network in Business:A Survey of Applications”, Expert Systems with Applications, 17, 51-70.
Widrow, B. and Hoff, M. E. (1986). “Adaptive Switching Networks”, Parallel Distributed Processing, Cambridge, MA: MIT Press, 1, 123-134.
Wu, P. (1995). Neural Network Source Code, NCSU, Raleigh, N.C., U.S.A..
Wilson, J. H. and Keating, B. (1990). Business Forecasting, Richard D Irwin, Homewood, IL: 6-4.



QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top