报告-知识分享平台.docVIP

資料探勘運用於學校各項事務活動之研究 葉名峻 N9870019 Chapter 1　研究背景與動機 資料記載、計算與運用，是人類文明活動之一。藉由資料的記載儲存，可將人類的活動經驗保留及傳承，並可進一步做為行動的參考。如果有更佳的系統或方法進行有用資料的儲存及推理，對於決策判斷將更能趨近於真實的情況和需要。資訊科技的進步，影響及改變人類生活的各個層面，以資料儲存及運用而言，資訊科技越發達，電子計算機的運算能力越來越快，各種高階精進的演算推理方法也不斷的被發展出來，影響所及，資料的整理探討越精細深入，資料的價值性也越來越高。資料探勘就是在這樣的背景中被發展出來。 資料探勘技術最吸引人注意的地方是它可以用來「預測」(predictive)，而不只是用它來「回顧」(retrospective)過往。回顧可以讓我們了解已發生的事情；預測則可以協助我們決定將來該怎麼做。在商業上，交易資料庫的探勘可以用來幫助決策者經營企業；在教育上，學生成績資料庫的探勘結果應可提供學校制定行政策略及教學策略的參考。 Chapter 2　文獻探討 近幾年資料探勘的應用領域非常廣泛，包括零售業、科技業、製造業、電信業、醫療、旅遊業、教育界等等，尤其近幾年對於教育領域的研究逐漸備受重視，許多學者利用資料探勘來進行學生狀況的了解、學校招生、選課、學習成績及線上教學等相關研究。 相關的論文整理如下表： 論文 與 作者 對資料探勘的定義與認知 應用領域 應用資料探勘的方法 應用資料探勘技術分析人格特質與選課之關係-以新竹地區大學生為例 羅才輝 2006/8 資料探勘是利用統計以及機械學習的演算法，啟發性地從大量資料中找尋隱藏具有商業價值的知識與規律，以作為自動化商業策略之應用。關聯法則是資料 探勘中相當重要的技術之一，可以從大量資料或資料倉儲中找到有用的資訊，以 幫忙使用者進行分析或預測。 資料探勘的價值在於所產生的預測模型可以透過計分的方式，或是與其它的資訊系統整合，以提供使用單位自動化服務，資料探勘大致上可區分為六大功能：（一）分類（二）推估（三）群集化（四）同質分組（五）序列（六）描述 學生選課 利用SQL 2000 Analysis Service 內建的決策樹及群集分析兩種探勘模型，因取得容易以及文字搭配視覺化的呈現，利於最後結果的判讀，瞭解各群組間的特性，以及知道影響表現的類別為何。此外利用DFPBT 方法，在一定的支持度與信賴度之下得到高頻項目集，以取得關聯式法則。 1.群集分析: 將不同的資料數據加以分類，然後提供使用者一個較佳的資料觀察點來分析資料。 2. 決策樹分析：將資料依據其特性加以分類，並可利用決策樹之各項不同變數來判斷及預測可能之結果。 3. DFPBT：針對靜態的大量資料進行掃瞄與分析的技術改進。 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 楊淦淼 2002/1 針對資料庫中的資料進行知識探勘之主要過程，大致包括了資料選取、前置處理、轉換、資料探勘、以及解釋與評估等。 在知識探勘之諸多程序中，當以資料探勘(data mining)為其中最重要的核心環節，其結合了統計學、人工智慧及資料庫相關方法，以期自大量的複雜資料中搜尋或分析出隱含其中、不易為人所發覺的有用資訊。 學生課程 本研究在於結合網路環境，以Java語言開發一個跨平台的資料挖掘系統架構。系統中的挖掘方法採用的是人工智慧方式，並應用改良後的Apriori、DHP 及STD 等演算法，以挖掘關聯規則(association rule)的方式進一步對未來資料作預測。 透過支援Java 的瀏覽器連結網路而執行，充分展現透通性。而結合Java RMI 及 Servlet 等分散式方法，提供資料挖掘，最後將其挖掘結果以Web 介面展現。 運用類神經網路與資料探勘技術於 網路教學課程推薦之研究 邱永祥 2003/6 資料探勘（Data Mining）是一種從資料庫、資料倉儲或是大量的資訊儲存媒體中萃取出有意義的的相關樣式、關聯性、改變等的技術。McFadden 等則認為資料探勘具有解釋性、驗證性及探索性等特性 網路課程 利用 ART網路進行學習者分群，並分別使用Rough Set 演算法及Apriori 演算法探勘 出「TOP-N/學習者社群對課程」、「興趣/學習者社群對課程」及「課程對課程」之關聯式法則，最後以法則的型態儲存於關聯式法則知識庫中。 應用資料探勘之關聯法則探討大學入學成績對在學成績的影響—以資管系為例 溫侑柯 2006/1 Data Mining 經過中華資料採礦協會譯為「資料採礦」。依中華資料採礦協會(2002)