大學是強調自主學習的求學階段，學生無論是在選課或安排學習進度上都有很大的彈性，當然在成績的表現上，學生也需要有高度的自主性與責任感，而依據教育部統計處資料顯示，大專校院學生退學情況逐年增加，退學原因中「因學業成績」而退學的學生就佔了 16.2%，學生學習歷程因此被動中斷，不僅可能影響學生個人的生涯發展，也隱含人力與教育資源的浪費。
學校為加強學生有效學習因此提供了「學習預警機制」，給予學生檢視自我學習狀況的機會。而現行的學習預警機制，學生在得知自己被預警後，卻沒有給予適當的時間進行補救，不但會形成學生在學習上的無助感，也會喪失學習預警機制本身為加強學生對學習狀況的了解與提高學生學習品質的目的。
本研究主要探討學習預警機制以及如何找出學習適應困難的學生(at risk student)，其中發現我們能透過學測成績及微積分成績建立預測模型，在開學第六週時，能找出潛在學習適應困難的學生，給予學生充分時間調整自我學習，以及接受學校所提供的課業輔導，進而降低被退學、二分之一學分不及格、三分之一學分不及格的發生率。

Studies in college phase emphasizes autonomous learning, which bestows great flexibility on students in terms of either selecting courses or scheduling studies, while high autonomy and sense of responsibility are required for students in their academic performance. Nevertheless, information from Department of Statistics, Ministry of Education, suggests an annually growing dropout rate, 16.2 percent of which is contributed by students expelled on the grounds of “academic performance.” Students’ learning process is hence interrupted, which possibly affects students’ individual career development while implying a waste of human and educational resources.
To reinforce effective learning, schools hence offer an “Early Warning System” that gives students opportunities to examine their learning outcomes. The Early Warning System in effect, nevertheless, does not render a proper time window for post-alerted remedies, resulting in not only students’ helplessness in learning but also the loss of the mechanism’s significance.
This study aims at exploring the Early Warning System and how to locate at-risk students. Establishing a forecast model through scores of GSAT and calculus courses enables locating as-risk students in the sixth week of the semester, providing students with adequate time for the purpose of regulating autonomous learning, adopting school’s academic counseling, and hence reducing the occurrence rate of dropping out, failing half of total credits, and failing one-third of total credits.

Abstract ii
致謝 iii
表目錄 vi
圖目錄 viii
第一章 緒論 1
1-1 研究動機 1
1-2 研究目的 2
1-3研究問題 2
1-4名詞釋義 2
1-4-1學習預警機制 3
1-4-2學業成就 5
1-4-3 學習適應困難學生 5
1-4-4 退學 5
1-5研究範圍與限制 6
第二章 文獻探討 7
2-1 預警機制 7
2-2 大學入學考試與大學學業成就之文獻探討 7
2-3 預測學習高風險學生之文獻探討 8
2-3-1資料探勘技術 8
2-3-2 線上分析處理技術(On-Line Analytical Processing，簡稱OLAP) 8
第三章 研究方法 9
3-1 研究對象 9
3-2 研究工具 12
3-3 研究程序 12
3-4 資料分析與工具 13
3-4-1 Pearson相關分析 13
3-4-2 迴歸分析 14
3-4-3 滯後序列分析(Lag-sequential Analysis) 15
3-4-4 多重對應分析 17
第四章 研究結果與討論 25
4-1 改善現有的預警機制-一般預警之建立 25
4-1-1累計成績與退學的關聯性 25
4-1-2 累計成績、累計排名百分比與大一學科的相關性 27
4-1-3 建立一般預警之預測模型 28
4-1-4 一般預警之預測模型與學習適應狀態 31
4-2 改善現有的預警機制-提前預警 33
4-2-1 微積分轉換機率 33
4-2-2 建立提前預警之預測模型 39
4-2-3 提前預警之預測模型與學習適應狀態 42
4-3 輔導與成效 44
4-3-1微積分課後輔導次數與GPA成績 44
4-3-2微積分課後輔導與GPA成績轉換 45
第五章 結論及建議 48
5-1研究結論 48
5-2建議 50
5-2-1 學校方面 50
5-2-2 教師方面 51
參考文獻 52

[1] 林效荷(2014)，近年各級學生輟學及休退學概況分析，教育部統計處。
[2] 國立中央大學(2004)，國立中央大學學士班學生學習預警制度實施作業要點。
[3] 國立中央大學中國文學系（2012），國立中央大學中國文學系學士班學生學習預警制度實施作業要點。
[4] 國立中央大學數學系(2012)，國立中央大學數學系學士班學生學習預警制度實施作業要點。
[5] 國立中央大學物理學系(2012)，國立中央大學物理學系學士班學生學習預警制度實施作業要點。
[6] 國立中央大學化學工程與材料工程學系(2010)，國立中央大學化學工程與材料工程學系學士班學生學習預警制度實施作業要點。
[7] 國立中央大學生命科學系(2012)，國立中央大學生命科學系學士班學生學習預警制度實施作業要點。
[8] 國立中央大學資訊管理學系(2012)，國立中央大學資管系學生學習預警制度實施辦法。
[9] 國立中央大學財務金融學系(2013)，國立中央大學財務金融學系學士班學生學習預警制度實施作業要點。
[10] 國立中央大學經濟學系(2012)，國立中央大學經濟學系學士班學生學習預警制度實施作業要點。
[11] 國立中央大學資訊工程學系(2010)，國立中央大學資訊工程學系學士班學生學習預警制度實施細則。
[12] 國立中央大學通訊工程學系(2012)，國立中央大學通訊工程學系學士班學生學習預警制度實施作業要點。
[13] 黃政昌主編(2007)，大學導師輔導工作實務。臺北市：心理出版社。
[14] 國立中央大學(2005)，中央大學學則。
[15] 蕭玉真(2011)，提升學生學習成效—淺談大學教學卓越計畫：評鑑雙月刊第31期。
[16] Camara, W., & Echternacht, G.(2000)，The SAT I and high school grades: Utility in predicting success in college (College Board Report No. RN–10). New York: College Entrance Examination Board.
[17] Saul Geiser & with Roger Studley(2002)，UC and the SAT: Predictive Validity and Differential Impact of the SAT I and SAT II at the University ofCalifornia, Educational Assessment, 8:1, 1-26
[18] 田芳華、傅祖壇(2005)，數位落差與大學生學習：大學生數位落差相關因素與其對學業成就影響之探究，收錄於黃俊傑主編，二十一世紀大學教育的新挑戰 (頁 83-108)，台北：台大出版中心。
[19] 許依宸(2009)，資料採礦在學生流失偵測上之應用，南華大學碩士論文。
[20] 賴威賓(2010)，以商業智慧分析大學生中途離校之研究，大葉大學碩士論文。
[21] 林震岩(2007)，多變量分析:SPSS的操作與應用，智勝文化事業有限公司。
[22] 許弼凱(2012)，線上討論的知識建構模式特徵-以批踢踢實業坊的微積分討論為例。中央大學碩士論文。
[23] Bakeman, R., & Gottman, J. M. (1997). Observing interaction: An introduction to sequential analysis (2nd ed.). Cambridge, UK: Cambridge University Press.
[24] 沈凡筠(2015)，大學生時間管理與學業成就之研究。中央大學碩士論文。
[25] Benzecri, J. -P.(1992)，Correspondence analysis handbook，New York : Marcel Dekker.
[26] Wilson, K.(1983)，A review of research on the prediction of academic performance after the freshman year. College Board Research Report No. 83-2. NewYork: College Entrance Examination Board.
[27] 中央大學，105年度「邁向頂尖大學計畫—卓越教學與輔導」期末成果報告。