進階搜尋


   電子論文尚未授權公開,紙本請查館藏目錄
(※如查詢不到或館藏狀況顯示「閉架不公開」,表示該本論文不在書庫,無法取用。)
系統識別號 U0026-0709201515244100
論文名稱(中文) 建構臺灣地區大學選填志願決策支援系統之研究
論文名稱(英文) A Study of A Decision Support System for Taiwan College Entrance Examination
校院名稱 成功大學
系所名稱(中) 工業與資訊管理學系碩士在職專班
系所名稱(英) Department of Industrial and Information Management (on the job class)
學年度 103
學期 2
出版年 104
研究生(中文) 趙伯憲
研究生(英文) Po-Hsien Chao
學號 r37021032
學位類別 碩士
語文別 中文
論文頁數 58頁
口試委員 指導教授-李昇暾
口試委員-林清河
口試委員-耿伯文
口試委員-鄭亦君
中文關鍵字 大學聯招  考試入學  選填志願  購物籃分析  決策樹分析 
英文關鍵字 Admission via Examination and Placement  Association Analysis  Classification Analysis 
學科別分類
中文摘要 現行臺灣地區大學招生採多元入學方式,民國103年共計54,955位考生參與「考試分發」入學管道,考生須從1,749個系組中挑選出至多100個作為其入學志願,對多數考生而言是一項複雜而極重要的決策過程。普遍考生會透過個人興趣、成績落點預測、老師和親友意見等方式決定志願。本研究希望利用所有考生的成績及志願,進行關聯分析與分類,提供一套與以往截然不同的志願推薦機制。
本研究先透過文獻回顧,彙整並選取可能影響考生選填志願之決策因子,並以103年的選填志願原始記錄進行資料處理與轉換,利用關聯分析法找出招生系組與系組之間的關聯,並從考生成績與其選考之科目進行分類。綜合上述兩種方法所得到之規則,架構一套系組推薦雛形系統。一方面能夠提供給未來考生登記志願之建議,此乃不同於傳統的落點預測方式,而是以消費者角度,提供其所需之產品對產品(item to item)的推薦機制。另一方面對招生學校而言,將可更瞭解其在國內之定位與主要的競爭對象,作為招生策略參考。
英文摘要 The object of this article is to develop a decision-making support system about choosing departments for examinees who finished University Entrance Examination in Taiwan. The key decision-making factors were induced by literature review, and the rules were found out by association and classification analysis. The emphasis of the study lies in the application of recommendation system for students, and the reference of admission strategy for school.
論文目次 摘要 I
誌謝 VIII
目錄 X
表目錄 XII
圖目錄 XIV
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 1
第三節 研究目標 2
第四節 研究範圍與貢獻 3
第五節 論文架構 3
第二章 文獻探討 5
第一節 臺灣地區大學多元入學現況 5
一、 何謂多元入學 5
二、 考試與招生 5
三、 選填志願 8
第二節 選填志願之決策行為 9
一、 選填志願決策過程 9
二、 選填志願輔助工具 10
三、 選填志願決策影響因素 11
第三節 資料探勘 13
一、 資料探勘之濫觴 13
二、 資料探勘之應用 14
三、 關聯法則 15
四、 分類技術 17
第三章 研究方法 20
第一節 問題描述 20
第二節 研究架構 20
第三節 研究模型 22
一、 資料預處理 23
二、 變數定義與衡量方式 29
三、 關聯法則探勘流程設計 31
四、 分類法探勘流程 33
五、 資料處理工具 34
第四章 研究結果與分析 35
第一節 系組關聯分析 35
一、 系組資料分析 36
二、 關聯分析結果 39
第二節 系組與考生區隔分析 45
第三節 雛形系統實作 49
第五章 結論與建議 52
第一節 結論與貢獻 52
第二節 建議與展望 53
中文參考文獻 54
英文參考文獻 56
參考文獻 中文參考文獻

大學入學考試中心(民100),2011年度大學學系探索量表使用手冊,大學入學考試中心,臺北。
大學考試入學分發委員會(民103),103學年度大學考試分發入學招生簡章,大學考試入學分發委員會,臺南。
大學招生委員會聯合會(民91),大學多元入學方案的精神,from http://www.jbcrc.edu.tw/left-32-102.htm
王思峰 與 劉兆明(民101),學涯與職涯分類系統之串接:建立大學學系學類之關係描述子,輔導與諮商學報,34卷1期,頁1-29。
王清源(民97),消費者行為觀點下之高三學生選填志願行為-以苗栗縣某私立綜合高中為例,碩士論文,中華大學科技管理學系,新竹。
任眉眉,陳日昇 與 林家立(民97),大學指考落點預測與實證分析,中國統計學報,Vol.46 No.2, 144-163。
江向才,林美智 與 黃娟娟(民99),教育部頂尖大學計畫及大學教學卓越計畫補助經費與大學入學選填志願結果之研究,教育理論與實踐學刊(21),頁67-90。
李欣儒(民95),台灣地區大學入學選擇行為之空間分析,碩士論文,國立彰化師範大學地理學系,彰化。
林大森(民95),技術學院與科技大學新生主修科系轉換之分析,教育與社會研究,第十期,頁93-124。
林筠諺(民99),大一新生校系選擇影響因素關係之研究,教育研究與發展期刊,第六卷第三期(國家教育研究院),頁223-256。
邱卉綺(民94),高中生生涯決定困難、生涯自我效能與焦慮憂鬱情緒之相關研究,碩士論文,國立臺灣師範大學教育心理與輔導學系在職進修碩士班,臺北。
財團法人大學入學考試中心基金會. (民92). 漫步在大學. from http://major.ceec.edu.tw/search/cee-18g.htm
區雅倫,翁儷禎 與 李庚霖(民101),台灣高中生的生涯興趣結析-以大考中心興趣量表為例,教育心理學報,44卷,1期,頁117-138。
區雅倫 與 陳清平(民90),2001年版大學入學考試中心興趣量表使用手冊,大學入學考試中心,臺北。
張嘉雯(民101),影響大學生就近入學因素之探討,碩士論文,元智大學管理碩士在職專班,桃園。
陳玉盆(民93),大學招生與大學生選校策略分析—以逢甲大學為例,碩士論文,逢甲大學公共政策所,臺中。
曾依嵐(民94),科系選擇因素與大學生心理適應之研究,碩士論文,國立彰化師範大學輔導與諮商學系所,彰化。
游萬來(民96),從工業設計系學生選系理由及資訊來源探討其面臨的生涯困擾,科技學刊,第16卷第1期(人文社會類),頁37-51。
楊哲智(民93),以聯招考生選填志願挖掘系所關聯性之研究,碩士論文,元智大學工業工程與管理研究所,桃園。
楊淦淼(民91),設計與建立在多層式服務架構上的資料挖掘系統–以學生課程管理為例,碩士論文,逢甲大學資訊工程研究所,臺中。
謝小芩,林大森 與 陳佩英(民100),性別科系跨界?大學生的性別與科系選擇,臺灣社會學刊(48),頁95-149。
簡筠(民99),高中居住地、大學地點與初入職場地點的關係,碩士論文,東吳大學經濟學系,臺北。
顏昌明,朱美珍 與李冠慧(民96),以AHP方法整合分數、興趣與偏好之大學校系推薦機制之研究,管理科學研究特刊,卷期:2期(管理科學研究),頁209-220。
羅婉綺(民96),臺灣地區大學生選擇校系因素之分析,碩士論文,國立暨南國際大學教育政策與行政學系,南投。

英文參考文獻

Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining Association Rules between Sets of Items in Large Database. Proc. of the ACM SIGMOD International Conf. on Management of Data, 207-216.
Apostolakis, J. (2010). An Introduction to Data Mining. Data Mining in Crystallography, 134, 1-35.
Chaves, R., Ramirez, J., Gorriz, J. M., Puntonet, C. G., & Initi, A. s. D. N. (2012). Association rule-based feature selection method for Alzheimer's disease diagnosis. Expert Systems with Applications, 39(14), 11766-11774.
Chen, M. C. (2003). Configuration of cellular manufacturing systems using association rule induction. International Journal of Production Research, 41(2), 381-395.
Chen, W. C., Tseng, S. S., & Wang, C. Y. (2005). A novel manufacturing defect detection method using association rule mining techniques. Expert Systems with Applications, 29(4), 807-815.
Han, J., Kamber, M., & Pei, J. (2012a). 3 - Data Preprocessing. In J. H. Kamber & J. Pei (Eds.), Data Mining (Third Edition) (pp. 83-124). Boston: Morgan Kaufmann.
Han, J., Kamber, M., & Pei, J. (2012b). 8 - Classification: Basic Concepts. In J. H. Kamber & J. Pei (Eds.), Data Mining (Third Edition) (pp. 327-391). Boston: Morgan Kaufmann.
Han, J., Kamber, M., & Pei, J. (2012c). 13 - Data Mining Trends and Research Frontiers. In J. H. Kamber & J. Pei (Eds.), Data Mining (Third Edition) (pp. 585-631). Boston: Morgan Kaufmann.
Han, J. W., Pei, J., Yin, Y. W., & Mao, R. Y. (2004). Mining frequent patterns without candidate generation: A frequent-pattern tree approach. Data Mining and Knowledge Discovery, 8(1), 53-87.
Hong, T.-P., Kuo, C.-S., & Chi, S.-C. (1999). Mining association rules from quantitative data. Intelligent Data Analysis, 3(5), 363-376.
Hu, Y. H., Lo, C. L., & Shih, S. P. (2014). Developing early warning systems to predict students' online learning performance. Computers in Human Behavior, 36, 469-478.
Lee, D., Park, S. H., & Moon, S. (2013). Utility-based association rule mining: A marketing solution for cross-selling. Expert Systems with Applications, 40(7), 2715-2725.
Liu, C. G., Yasuda, K., Yin, Y., & Tanaka, K. (2009). Uncertain association rule mining algorithm for the cell formation problem in cellular manufacturing systems. International Journal of Production Research, 47(3), 667-685.
Olafsson, S. (2006). Introduction to operations research and data mining. Computers & Operations Research, 33(11), 3067-3069.
Paranjape-Voditel, P., & Deshpande, U. (2013). A stock market portfolio recommender system based on association rule mining. Applied Soft Computing, 13(2), 1055-1063.
Romero, C., Lopez, M. I., Luna, J. M., & Ventura, S. (2013). Predicting students' final performance from participation in on-line discussion forums. Computers & Education, 68, 458-472.
Romero, C., Romero, J., & Ventura, S. (2014). A Survey on Pre-Processing Educational Data. In A. Peña-Ayala (Ed.), Educational Data Mining (Vol. 524, pp. 29-64). Switzerland : Springer International Publishing.
Tan, P.-N., Steinbach, M., & Kumar, V. (2005). Introduction to Data Mining, (First Edition): Addison-Wesley Longman Publishing Co., Inc.
Witten, I. H., Frank, E., & Hall, M. A. (2011). Chapter 1 - What's It All About? In I. H. W. F. A. Hall (Ed.), Data Mining: Practical Machine Learning Tools and Techniques (Third Edition) (pp. 3-38). Boston: Morgan Kaufmann.
論文全文使用權限
  • 同意授權校內瀏覽/列印電子全文服務,於2025-12-31起公開。


  • 如您有疑問,請聯絡圖書館
    聯絡電話:(06)2757575#65773
    聯絡E-mail:etds@email.ncku.edu.tw