第三章 研究設計與實施
第五節 資料處理與分析
壹、資料探勘
資料探勘(data mining)就是從資料中發掘知識的過程，由龐大的 資料中找出隱含、未知卻有用或有效的規則及資訊(林傑斌、劉明德、
陳湘，2002；梁定澎，2004)。若能由資料中找出顯著且有用的決策模 式或決策法則，進而正確地預測未來行為，將可以創造出許多新的知 識（戴建耘、盧治均、廖秋惠，2007）。
資料探勘的技術已被廣泛應用在企業體系、電子商務、網路學習 等領域。探勘的資料類型，有絕大部分的資料都是因人而產生的；例 如個人基本資料、消費紀錄、學習紀錄，員工薪資，商品銷售量等，
雖然每個人下一步的動作都是無法預料的，但仍可以經由一些跡象或 是經驗，來建立出每個人大致的行為軌跡，這就是資料探勘最重要的 應用之一。Behrouz、Kashy、Kortemeyer 與 Punch (2003)從學生數位 學習系統中的學習歷程資料，使用資料探勘的技術預測出學生的學習 成就，Myller、Suhonen 與 Sutinen (2002)則藉由分析學生學習歷程來 改善課程設計的方式。由此可知，資料探勘為針對大量的資料進行處 理，以發掘、萃取出存在資料中有用及有意義的知識，做為支援決策 使用。資料探勘的技術類型分為以下七種(林傑斌等，2002)︰
一、總結規則採掘(summarization)
IC3數位學習國際標準系統從指定資料中採掘出平均/極小值 /極大值、總和、百分比等等，採掘結果運用交叉表，特徵規則，
統計曲線圖來表示。
二、關聯規則採掘(association rule)
從指定資料當中採掘出滿足一定條件的依賴性關係，其中支 持度以及信賴度為分析者自行指定的門檻值，通過此門檻值則屬 於具關聯性的關係。
三、分類規則採掘(classification)
為已知的特徵及分類結果找到其合理的敘述或模型，並對未 知的新資料進行分類。
四、群集規則採掘(clustering)
IC3數位學習國際標準系統又稱無監督式的分類，客觀的將具 有相同特徵的處理對象 歸為一類，與分類規則採掘的差別在於 分類是將資訊訓練出模組後進行分類，而群集則是直接對資料進 行分類，資料是靠本身的相似性群集在一起，而該群集的意義也 要靠事後的詮釋才能得知。
五、預測分析(prediction)
當分類工作偏向插入漏掉的資料，預測資料分類或發展的趨 勢時，此時的工作即為預測分析。
六、趨勢分析(trend)
趨勢分析又成為時間序列分析，是經由長時間的資料發展變 化中發現規律與趨勢的方法。
七、偏差分析(deviation)
偏差分析又稱比較分析(comparative analysis)，它將找出一系 列判別式的規則，以區隔分析者設定的兩個不同類別。
本研究的資料探勘架構如以下所示：
二、以IC3 練習與教學系統和IC3學習歷程管理系統進行數位 學習/評量與取得學習歷程資料，並透過學習負荷之量化 計量機制將其學習歷程資料轉換成學習負荷，再將學習負 荷量值依照學習歷程先後次序，轉換成學習負荷曲線，儲 存於動態學習負荷曲線資料庫；將動態學習負荷曲線資料 庫的學習負荷曲線依照學習者分類群組模式分群組，並將 群組內的學習負荷曲線回歸分析出該群組的特徵學習負 荷曲線模態，如圖3.13所示。
圖3.13 學習負荷、學習負荷曲線與學習負荷曲線模態資料探勘架構圖
學習負荷曲線模態
學習負荷曲線模態
學習負荷曲線模態 學習負荷
學習負荷
學習負荷
學習負荷曲 線
學習負荷曲 線
學習負荷曲 線 學習者分類群
組
A 群組
B 群組
C 群組
三、整體的資料探勘架構與資料處理關聯如圖3.14所示。
四、資料探勘流程
（一）資料『前置處理』階段
1. 對“學習者背景資料”與 IC3 學習歷程管理系統 資料庫中的“學習者學習歷程紀錄”進行資料『前 置處理』。
2. 整合多重來源資料，將學習者背景資料與學習者 學習歷程紀錄作關聯聯結，整合於一資料倉儲：
學習者歷程檔案庫，並對倉儲庫中的資料進行
『消除資料不一致』與『消除資料重複性』處理。
3. 對學習者歷程檔案庫資料進行『資料清理』，確 認資料的正確性與完整性，並辨識資料的不同狀 況，進行適當的『遺缺填補法』與『雜訊去除法』
處理。
（二）資料『探勘』階段
1. 資料『維度精簡』：對於“學習者歷程檔案庫”中 各類答題狀況單元歸類，並賦予各別代表的學習 負荷量。本研究在學習歷程的學習負荷量化之計 分機制，如表 3.7 所示。
2. 資料『維度組合』︰以答題歷程組合型態分類，
分析、歸類出各種答題狀況單元下的可能組合，
並對於各分類編碼，賦予各別代表的學習組合負
荷量。本研究之學習組合負荷量計分機制，如前
(2)『群集分析』分類法：將上述以『決策樹』分 類的四個學習風格分類中，分類自我效能與學習 效率成為兩個群集，對此兩個群集進行『群集分 析』。本研究之群集分類如下圖所示：
圖 3.16 自我效能與學習負荷的群集分類
(3)整合以上以『決策樹』與『群集分析』分類法，
將“學習者學習負荷檔案庫”的資料與類別屬性 建立起分類之“學習者學習負荷曲線資料庫”，如 圖 3.17 所示：
高自我效能
中自我效能
低自我效能
高學習效率
中學習效率
低學習效率
自我效能群集 學習效率群集
圖 3.17 資料探勘分析架構圖—學習負荷曲線
表 3.12 學習者學習負荷曲線數據資料（範例）
題次 1 2 3 4 5 6 7 8 9 10
組合狀態 A C F C A G E F C F
學習負荷 -2 0 2 0 -2 6 7 2 0 2
負荷量累加 -2 -2+0 -2+2 0+0 0+(-2) -2+6 4+7 11+2 13+0 13+2 學習歷程負
荷 -2 -2 0 0 -2 4 11 13 13 15
圖 3.18 學習者的學習負荷曲線圖（範例）
2.將各別“學習者學習負荷曲線資料庫”中個別學 習者學習負荷曲線，編寫數值分析程式對個別群 組中的學習負荷曲線進行分析，建立︰
(1)特定群組屬性下的特徵學習負荷曲線模態，如 圖 3.19 所示，並以繪圖程式繪出特徵學習負 荷曲線模態，如圖 3.20 所示。
題項
學習歷程負荷量值
-2
2 1 2
圖 3.19 資料探勘分析架構圖—特徵學習負荷曲線模態
圖 3.20 特徵學習負荷曲線模態
圖 3.21 學習負荷區間變化率趨勢特性與相對應之臨界值 學習單元題項
學習歷程負荷量值
特徵學習負荷曲線模態
學習單元題項
學習歷程負荷量值
上升區間 上升區間
下降區間
反曲點斜率值 (臨界值)
上升區間 最大斜率值 (臨界值) 上升區間
最大斜率值 (臨界值)
下降區間 最大斜率值 (臨界值)
貳、資料處理
一、初階資料庫處理
本研究運用資料探勘技術連結與處理數個資料庫，將原始資 料之矛盾值、遺漏值與錯誤值先行處理，獲得有意義的整合或轉 換資料，產生的個別資料庫與資料庫內部處理內容，如下所述：
（一）個人基本資料資料庫
資料庫內容資料包含性別、學院別、 系所別、年級、
學號，以學號為每位樣本的身分編碼，連結出每位樣本的相 關基本資料。
（二）學習風格量表紀錄資料庫
資料庫內容資料包含學號、Kolb 學習風格量表的各題 答題分數。以學號作為個別樣本與其相依之學習風格資料的 連結，編寫程式與資料庫資料處理指令，以進行自動資料連 結、計算、與判讀處理：
1.連結個別構面相關題項分數，計算出個別構面的量測 總分數。
2.依照 Kolb 學習風格量表的規則，計算出 X 軸與 Y 軸 上兩兩構面間的總分差值，得出座標值。
3.依照 Kolb 學習風格量表對於 X-Y 座標系上各個象限 的歸類規則，將其各象限編碼並定義座標值與象限關
聯規則，再以程式判讀座標值所代表的歸屬象限，其 四個象限個別代表 Kolb 學習風格量表中的四種不同 學習風格類屬。
4.編寫程式進行上述資料的輸出報表，以學號為其學習 風格相關資料的關聯連結依據，輸出每位樣本之學習 風格類屬。
5.編寫程式進行輸出資料的檢核，將未能有效歸屬象限 的資料標示出來，例如座落於座標軸線上或零點的座 標值，並從樣本中剔除〈無效樣本〉。
（三）自我效能量表紀錄資料庫
資料庫內容資料包含學號、自我效能量表的各題答題 分數。以學號作為個別樣本與其相依之自我效能資料的連 結，編寫程式以進行自動資料計算處理：
1.編寫程式進行原始資料的檢核，標示出極端資料，例 如分數為零或超過單題計量最大值之分數，並將此筆 資料視為無效樣本，從樣本中剔除。
2.加總自我效能量表中各答題分數，計算出總分數，其 為自我效能分數。
（四）學習歷程紀錄資料庫
資料庫內容資料包含學號、學習單元的學習歷程記 錄。學習單元的學習歷程記錄包含學習時間、學習路徑、
評量歷程與結果。
二、進階暨高階資料庫處理
依照樣本的特定身分編碼的關聯規則，透過清理、連結、分 類、群集等資料探勘技術探勘上述多個不同來源的初階資料庫資 料，產生以下數個進階暨高階的資料庫，進而分析出資料中的隱 含意義，分別敘述如下：
（一）學習歷程紀錄資料庫之進階資料處理
以學號作為個別樣本與其相依之學習歷程紀錄資料 的連結，編寫程式與資料庫資料處理指令，以進行自動資 料連結、計算、與判讀處理，分別產生學習負荷資料庫、
學習成就資料庫等兩個進階資料庫，說明如下：
1.學習負荷資料庫：編寫程式，自動連結樣本的學號 與其學習歷程記錄資料中的學習路徑資料，將其學 習路徑資料進行維度精簡與維度組合，轉換為不同 狀態組合的分類，並建立各學習路徑分類與本研究 提出的即時動態學習負荷計量機制之間的計量換 算，將學習路徑資料轉換成為學習負荷計量，成為 學習負荷資料庫。
2.學習成就資料庫：編寫程式，自動連結樣本的學號 與其學習歷程記錄資料中的評量歷程與結果資料，
2.學習成就資料庫：編寫程式，自動連結樣本的學號 與其學習歷程記錄資料中的評量歷程與結果資料，