透過網路問卷方式針對業界與校友對於土木人力專業市場與課程意向調查。發放兩 份問卷原因為針對土木從業人員對於人才需求與課程意向調查，校友則為了解目前校友 所處產業就業狀況以及對於各項議題之看法，最後在綜合比較分析。隨後擬定訪談議 題，針對各校土木系所主任與資深教授進行深入訪談，以便豐富內容之深度與廣度。
現 況 需
求 基本資料
業 界
校 友
市場人力需求
課 程 需 求
交大土木系現況分析 學生人數 師資資源 研究能量 SWOT
發展策略
一、問卷分析
由於本研究採用網路問卷方式進行，加上因類別項的資料缺乏統計單位，認為較適 合使用次數統計來描述資料的分佈情形。以回收之有效問卷基本資料與議題部份作次數 統計的工作，並算出所佔之百分比。最後以集群化分析技術，將依其所處產業、職務等 資料進行分類，可清楚瞭解受訪者之分群特性。集群分析法(Cluster Analysis)是一種劃 分方法(Classification Method)，目的在將一些事物歸併在一起，利用群體中各事物都具 有相同的特性，而在群體與群體之間卻有顯著的差異。其歸併的原則是依個體間性質上 的親疏程度進行分群，而描述親疏程度。通常有兩個途徑來作分析：
1.根據差異性：即兩個體間距離多遠的測度，他是將每一個個體看成 N 維空間（N 個變量）的一個點，在N 維空間中定義距離，距離較近的點，歸為同一群體，距離較遠 的歸於不同的群體。
2.根據相似性：即兩個點之間性質多接近的測度，性質越接近的點，他們之間的相 似係數越接近於1 或-1；而彼此無關的樣品，他們之間的相似係數則接近於 0，在進行 集群處理時，較相似的樣品歸為同一群體，較不相似的樣品歸為不同的群體。目標為找 出資料中以前未知的相似群體，而集群偵測技術涵蓋範圍相當廣泛，包括基因演算法、
類神經網路、統計學中的集群分析都有這個功能。
集群分析為多變量分析之程序，目的係將資料分成幾個相異性最大之數個群組，使 群組內相似程度最高，適用於資料探索性研究(吳明隆 1999)。其分析之原理係利用尤式 距離計算出將計算樣本點之空間位置，再將位置相近之樣本點分類，愈接近之樣本點則 規劃為一群；集群分析示意如圖3.2 所示。集群分析方法可分為「階層式集群分析法」
(Hierarchical Cluster Analysis)及「K-Means 集群分析法」2 種，若觀察值個數較多或資料 檔非常龐大(通常觀察值在 200 個以上)，採用「K-Means 集群分析法」較為適宜，因為 觀察值數量太多，冰柱圖(Icicle Plots)與樹狀圖(Dendrograms)二種判別圖形，呈現時會過 於分散，不易閱讀與解釋。使用「K-Means 集群分析法」時，通常要訂定事先集群數目，
進行分析次數可能較為多次；研究者可運用全體觀察值中部分數據進行「階層式集群分 析法」，以做為決定集群數之參考。因此當觀察值數不多，可採「階層式集群分析法」
較為適宜，其根據觀察值或變項間距離，將最相似物件結合在一起，繪製樣本群體之樹 形圖(如圖 3.3)，以逐次聚合方式(Agglomerative Clustering)將觀察值分組。
圖 3.2 集群分析示意圖 歐氏距離之計算公式：
d = (x2−x1)2+(y2−y1)2 +(z1−z2) 圖 3.3 歐式距離計算
圖 3.4 集群化分析之樹形圖
A 群 B 群
170 180
160
50 60 70 kg
身高
體重
P
Q
1
2 4 3
5 6
7 8
第一群 第二群 第三群 第四群
集群切割
繪製樹形圖後，使用者可視研究目標之需要，選擇不同之集群數；例如圖將研究群 體分為四群，若集群切割線向上提升，則群體切割為三群，端視使用者需要進行劃分；
如此將可決定樣本集群分類，再依據各集群特徵決定集群名稱。然此種分析模式，需樣 本中各項類別選項資料，配合集群化分析技術，進行定義、分群。