以資源基礎觀點建構國際學生來校人數之預測模型－以台灣及日本大學為例

全文

(1)國立屏東大學商業自動化與管理學系碩士論文指導教授：葉貞吟博士. 以資源基礎觀點建構國際學生來校人數之預測模型－以台灣及日本大學為例 Building a model to predict the number of international students based on Resource-Based View－A Case Study of Higher Education Institutes in Taiwan and Japan. 研究生：張祺筌撰中華民國. 一零九. 年. 七. 月.

(2)

(3) 謝誌回想當初懵懂無知的我，對於論文的撰寫感到非常疑惑，從題目的發想，文獻的參閱乃至於資料收集，模型的運算。所有的一切皆與大學時期所接觸的有所不同。少了在專題上同伴的參與、分擔、打鬧。但是也多了同學間相互勉勵的機會、詢問彼此的進度、互相對題目建議能研究的方向。. 感謝葉貞吟教授在論文上的指導，在論文的方向幫助我進行定錨，使我不會在眾多的題目中迷失方向；在文獻上提供指引，讓文獻與題目能夠更有效的契合；更在模型的建構及運算上提供了我各種的微調，讓研究結果能夠到達預期的目標。在教授的督促下，讓論文能夠順利完稿，著實感謝。碩士的生活雖然不向大學般的輕鬆，然而在這一年的碩士日常裡，我認為我過得比大學生活充實。在這一階段，我慢慢訓練了在報告上的口條以及上台的膽量。旁聽了自己有興趣的課程，雖然有人說在碩士階段應該提升的是自己的專業能力，但我認為不管在什麼階段對於自己有興趣的是都要去嘗試，而課程的內容也讓我有所成長，讓我更了解如何在創意上進行更多的發想以及對於在組別管理上的許多細節。感謝朋友與學長的陪伴，讓我在碩士的這一年過得比大學時期更加豐富，相互勉勵使我走得更遠。當然，在最後也要感謝父母對我的栽培，將我培養成樂觀的個性，既使面對困難也能夠迎頭化解，雖然面對難題還是會有許多困頓，但是總可以換個念頭再度啟程。在人生的經驗上也給予了我許多意見，讓我能夠對於人際間做出更多的改變。在最後的最後，感謝自己的選擇，讓我做出最大的改變也是自己，培育出星火般的信心，讓我能夠漸漸成長，走到現在的位置，期勉未來也能夠繼續對自己做出更好的改變。. I.

(4) 摘要資源基礎觀點常被用於組織管理策略的一環，在高等教育機構也不例外。近年來，因為少子化的原因，台灣的大專校院面臨招生不足的隱憂，國際學生成為各所大學力求的目標。為了吸引更多國際學生，各高等教育機構勢必需發展出提升國際競爭力的資源。本研究以資源基礎觀點作為出發點，將台灣及日本的高等教育機構作為研究對象，採用機器學習方法建構國際學生人數之預測模型。研究結果發現在教員擁有博士學位的數量、外籍教員的數量、姊妹校數、Facebook 粉絲團的按讚、追蹤以及打卡上與國際學生人數有顯著相關，所建構之預測模型亦皆具良好預測能力。本研究結果將提供高等教育機構於國際學生招生及國際競爭力策略之參考。. 關鍵詞：國際競爭力、機器學習、資源基礎觀點、品牌權益、社會資本. II.

(5) Abstract Resource-Based View always be used on strategic management of organizations. Because of influence of low birth rate, Taiwan’s universities are facing the problem of insufficient enrollment in recent years. The international students are the key to solve the situation. To attract more international students, the high educational institutions need to find the way to develop resources to enhance international competitiveness. This study used the theoretical concepts from the resource-based view and machine learning to predict the number of international students. The results showed that the number of faculty with doctor degree, the number of foreign faculty, the number of sister universities, Facebook fan likes, following, and checking in are significantly related to the number of international students. This study is valuable for international recruitment and developing international competitive strategy in higher education.. Keywords: International competitiveness, Machine learning, Resource-Based View, Brand equity, Social capital. III.

(6) 目錄謝誌............................................................................................................. I 摘要........................................................................................................... II Abstract ................................................................................................... III 目錄.......................................................................................................... IV 表目錄...................................................................................................... VI 圖目錄.....................................................................................................VII 壹、緒論.....................................................................................................1 一、研究背景 ............................................................................................................ 1 二、研究動機 ............................................................................................................ 4 三、研究目的 ............................................................................................................ 6. 貳、文獻探討 ............................................................................................8 一、資源基礎觀點 .................................................................................................... 8 二、品牌權益 ............................................................................................................ 9 三、社會資本 .......................................................................................................... 13 四、小結 .................................................................................................................. 14. 參、研究方法及工具 ..............................................................................16 一、研究對象及資料收集 ...................................................................................... 16 二、變數介紹 .......................................................................................................... 17 三、資料前處理 ...................................................................................................... 20 四、皮爾森相關分析 .............................................................................................. 20 IV.

(7) 五、演算模型 .......................................................................................................... 20 （一）隨機森林 ............................................................................................................ 20 （二）類神經網路 ........................................................................................................ 21 （三）線性回歸 ............................................................................................................ 21. 六、模型評估 .......................................................................................................... 21 （一）平均絕對百分差(MAE)： ................................................................................. 21 （二）均方根誤差(RMSE)： ....................................................................................... 22 （三）決定係數(R2)： .................................................................................................. 22. 七、研究分析流程 .................................................................................................. 23. 肆、研究結果 ..........................................................................................24 一、敘述性統計 ...................................................................................................... 24 二、相關性分析 ...................................................................................................... 26 三、模型評估 .......................................................................................................... 28. 伍、結論與建議 ......................................................................................30 一、結論 .................................................................................................................. 30 （一）模型預測能力 .................................................................................................... 30 （二）變數相關性 ........................................................................................................ 30. 二、學術意涵 .......................................................................................................... 31 三、實務意涵 .......................................................................................................... 32 四、研究限制及建議 .............................................................................................. 33. 參考文獻...................................................................................................34 中文文獻 .................................................................................................................. 34 英文文獻 .................................................................................................................. 34. V.

(8) 表目錄表 1-2-1 國際學生數量前 5 名的國家 ........................................................................ 2 表 2-2-1 排名準則 ..................................................................................................... 12 表 3-2-1 變數定義 ...................................................................................................... 18 表 4-1-1 敘述性統計 .................................................................................................. 24 表 4-1-2 敘述性統計 .................................................................................................. 25 表 4-1-3 敘述性統計 .................................................................................................. 25 表 4-3-1 台灣樣本相關性分析 .................................................................................. 27 表 4-3-2 日本樣本相關性分析 .................................................................................. 27 表 4-3-3 台日綜合樣本相關性分析 .......................................................................... 28 表 4-3-1 模型評估 ...................................................................................................... 29. VI.

(9) 圖目錄圖 1-1-1 日本國際學生數量 ........................................................................................ 3 圖 1-1-2 各年度大專校院境外學生在臺留學/研習人數統計 ................................... 4 圖 3-1-1 高等教育國際生/出國留學生人數占高等教育學生人數比例 ................. 16 圖 3-5 研究分析流程 .................................................................................................. 23. VII.

(10) 壹、緒論一、研究背景少子化使得台灣高等教育招生面臨嚴峻的挑戰。根據內政部統計，每年出生人口數，民國 90 年有 26 萬 354 人，到民國 107 年，出生人口數為 18 萬 1601 人。於 2019 年上半年度，更是出現了死亡交叉，出生人數首度少於死亡人數， 2020 年台灣總人口數將開始衰減，預計 2050 年台灣總人口會低於 2000 萬人（周俊吉，2019）。根據「世界人口綜述」（World Population Review）網站所列出的 2019 年各國出生率排名，可以發現到在排名表中 188 國家內，台灣的出生率（Fertility Rate）排名最後，平均每位婦女只生下 1.218 個小孩。反觀已經進入「超高齡社會」的日本日本生育率為 1.478，位於 169 名。少子化影響所及不是只有短期問題，長期而言，從小學、國中、高中職到大學，都會產生衝擊（翁翠萍、劉嘉韻，2005）。2013 年教育部首次針對私立大學提出退場機制，2019 年 2 月公布修正「教育部輔導私立大專校院改善及停辦實施原則」，明訂預警、專案輔導以及停辦的標準。2014 年，高鳳數位內容學院是首間停辦的大專校院，其後永達技術學院、高美醫護管理專科學校亞太創意技術學院和南榮科技大學等陸續停辦。為解決少子化所帶來的衝擊，各大專校院積極進行招生活動，例如高額獎學金、更好的學校硬體設施、提升校園的國際視野、和外國大學進行交換學生或提供雙聯學位等策略。此外，為了改善國內學生來源不足的問題，國際學生也成了台灣大專校院爭逐的重要學生來源。在現今少子化的趨勢下，大學招募國際學生成為增加學生來源的重要策略。根據 Institute of International Education 國際教育協會的調查資料如表 1-2-1，自 2016 年起到 2018 年止，全世界的國際學生數量由 1,043,839 人攀升至 1,094,792 人，可見海外留學的吸引力讓國際學生數目逐年遞增，而其中源自於中國的國際. 1.

(11) 學生數是最多，據資料統計顯示，每年所供應的國際學生數都占世界總國際人數的 30%以上；其次為印度，而後是南韓。從人數的逐年增加的變化下，可以發現各國學生的出國意願漸漸提升，這也是全球化越趨明顯的現象，也因此高等教育機構勢必要把握這上術為數眾多的國際學生，加強招募國際學生，提升國際競爭力。表 1-2-1 國際學生數量前 5 名的國家. Place of Origin World TOTAL. 2015/16. 2016/17. 2017/18. 2018/19. 1,043,839 1,078,822 1,094,792 1,095,299. China. 328,547. 350,755. 363,341. 369,548. India. 165,918. 186,267. 196,271. 202,014. South Korea. 61,007. 58,663. 54,555. 52,250. Saudi Arabia. 61,287. 52,611. 44,432. 37,080. Canada. 26,973. 27,065. 25,909. 26,122. 資料來源：Institute of International Education. 同為少子化現象所苦的日本，身為最早面對少子化衝擊的國家，於 90 年代末便進入少子化階段，這樣的衝擊更是逐年影響日本的教育機構。根據日本文部科學省對於大學教育的相關規定，招收支新生在不足招生計畫額數的 1/3 將停止辦學，這導致許多學校面臨退場問題。這也使的日本教育機構將招募學生的策略向海外發展，根據 JASSO: 独立行政法人日本学生支援機構統計如圖 1-1-1 所示， 2018 年 5 月 1 日，待在日本國際學生數就高達 298,980 名國際學生，與前年比較年增 31,938（12.0%），且每年的留學生人數呈現逐年成長的現象，可見日本教育機構非常重視國際學生的部分，在吸引國際交換生上投入許多資源。而台灣的大學也正效法日本，朝向招收國際學生邁進。. 2.

(12) 圖 1-1-1 日本國際學生數量資料來源：JASSO: 独立行政法人日本学生支援機構. 「將國際化納入高等教育的核心職能」已經成為高等學校的目標（Deetman, 1996）。國際化是高等教育在面對全球化競爭下的對應策略之一（姜麗娟， 2005）。隨著國際化的趨勢，外國學校與台灣學校間的交流越發頻繁，高等教育國際化蔚為風潮，許多國家紛紛制訂相關政策與策略。台灣高等教育國際合作基金會表示，經過政府及大學校院在海外長期的推廣，「留學臺灣」品牌已逐漸在國際高等教育輸出市場擦亮招牌。由國際及兩岸教育司發布的「各年度大專校院境外學生在臺留學/研習人數統計」顯示如圖 1-1-2，可以發現歷年的僑生、外國交換生、正式修的學位國外生等人數皆有逐年攀升的情況；為了能夠持續招募更多的國際學生，在提升高等教育機構對於國際學生的吸引力方面，更是需要開發或提升更多獨特的特殊資源。 3.

(13) 各年度大專校院境外學生在臺留學/研習人數統計表 140,000. 121,461 111,340 116,875. 120,000. 93,645. 100,000. 79,730. 80,000 60,000. 129,207 130,417. 57,920. 66,961. 45,413. 40,000 20,000 0 99年度 100年度 101年度 102年度 103年度 104年度 105年度 106年度 107年度 108年度正式修讀學位外國生. 僑生（含港澳）. 正式修讀學位陸生. 外國交換生. 外國短期研習及個人選讀. 大專附設華語文中心學生. 大陸研修生. 海青班. 各年國際學生數. 圖 1-1-2 各年度大專校院境外學生在臺留學/研習人數統計資料來源：國際及兩岸教育司. 二、研究動機在全球化的發展下，不論是科技、經濟、政治、技術、文化以及教育等，都以快速的方式在膨脹並且流通著。然而在快速發展的情況下，各國的高等教育機構無不為因應趨勢進行改革、與校外機構聯合，以提升在高等教育機構市場中的國際競爭力(Välimaa, 2004)。全球化是一種日益加劇的現象，它結合了經濟、文化以及社會變化的用以提升國際競爭力(OECD, 2009)，目前全球化的綜合概念還遠遠不夠清晰和明確，全球高等教育所面臨的變化是複雜而多樣的，有些甚至是相互矛盾的。高等教育受全球化驅動，特別是在觀念、學生、教職員工和資金的跨界流動，再加上資訊和通信技術的發展，這些因素正在改變高等教育的環境。因此，這意味著在全球範圍內國家和機構之間的協作與競爭都將增強。 Knight (2008)將高等教育國際化的模式區分為「人員的國際流動」、「系所院校的國際合作連結」、「在地的國際活動、課程教學與學程」、「遠距教學與國際專 4.

(14) 班分校」、「高等教育的國際商業貿易活動」。這五個模式反應了機構之間的國際互動如國際學生、學術研討、學術交流以及資源分享的重要性。高等教育機構可在進行國際化的情況下，針對不同面向所訂定的策略，如校園的品牌、師資、設備、地點、國際視野等，在長期的累積下皆可以增加並且提升高等教育機構的特殊資源，以此達到提升吸引國際學生的目標。機構的資源對於所有的類型的組織都是極其重要的，高等教育機構也包含在內。組織的管理策略包含了有效利用資源來實現目標(Barney, 1991; Kong & Prior, 2008)，而高等教育機構為達到各種不同的目標，也分別以不同方法開發不同的資源。例如在人力資源的取得以及開發，可以提供更優良的服務(Srivastava, Fahey & Christensen, 2001)。過去高等教育研究使用組織資源為研究的自變數因子，例如畢業率（Anstine, 2013）以及學校排名（Schlesselman & Coleman, 2013）、教師人數 (Becker, Greene & Siegfried, 2011)、校園的運動活動 (Humphreys & Mondello, 2007)等。Bhardwa (2017)的調查結果中發現，學生在選擇大學上最重要的兩個原因是高質量的教學（佔 30.0％）和大學是否提供獎學金（佔 29.9％），第三則是大學的排名（佔 23.5％）。而這些都是高等教育機構在發展的過程中所見漸漸建立起的特有資源，若能持續針對這些資源做強化，相信不僅能夠提升機構本身的國際競爭力，更能增加吸引國際學生的力道，在長期的運作下會擁有長期競爭優勢。 Hemsley-Brown 與 Optlaka（2006）表示高等教育機構意識到，在國際競爭的氛圍下需要進行自我行銷。為爭取更多的國際學生，各高等教育機構開始進行對於自身品牌的包裝，增強在國際上的學校品牌及增加國際連結。Guzmán & Whisman（2008）提出高等教育機構在採取品牌推廣時，通常會犯下錯誤的品牌策略。也有研究指出，教育機構的管理者在塑造教育品牌上面臨著越來越大的挑戰，他們需要將行銷以及廣告視為為機構打造品牌的一種手段，同時了解到品牌的建構對於招募過程所產生的影響(Cook & Fennell, 2001)。品牌的推廣需要長期 5.

(15) 的經營，隨著時間的推移，增強品牌知識、受歡迎程度以及銷售量（Keller, 2009）。 Wit 與 Knight（1999）將高等教育發展國際化的影響成因分為社會文化因素、政治因素、經濟因素、學術因素，並進一步將影響成因區分為大學校院機構層次和國家層次。機構層次影響成因有：建立大學的國際品牌、品質的國際保證、增加創收、教職員生專業發展、策略聯盟、知識創造。 Bourdieu (2002)將社會資本視為個體在網絡中所進行的投資，與網絡中的其餘個體相互認可，以維護群體的領導地位同時維護成員的團結。近年來，社群媒體已被大眾廣泛使用，使用者們會藉由虛擬社群網絡分享各自的意見進行交流，形成點對點之間的互惠關係。進而影響消費者行為各個方面的主要因素，包括意識、信息獲取、觀點、態度、購買行為以及購買後的交流以及評價（Mangold & Faulds, 2009）。而社群網絡本身具有協作性、分享性以及互動性，可做為行銷、宣傳等營銷活動的理想工具。在過去研究中在針對預測教育機構學生人數上，多數採用迴歸分析進行預測。而近年來以機器學習作為預測工具的使用，在以監督方法的工具運行後，可以在多維度資料間辨認自變數與因變數間的關聯性以及其規則性(Dasgupta, 2011)，故本研究以三種機器學習的方法建立模型並進行比較。. 三、研究目的在少子化的衝擊下，各高等教育機構勢必向外發展，以追尋更多的國際學生以增加機構的競爭優勢，而同時擴大招收國際學生為高等教育機構國際化的其中一項所追求的部分，為了吸引國際學生，高等教育機構必須提升自身的特殊資源。本研究之目的為: (一)以資源基礎觀點、品牌權益及社會資本建構國際學生數量之預測模型，(二)探討各變數與國際學生數量之間關係。本研究結果可供高等教育機構預測未來國際學生數量，亦提供高等教育機構擬定國際學生招募策略、改 6.

(16) 善或創造特殊資源之參考。本研究的內容鋪陳如下：第二部分探討資源基礎觀點、品牌權益以及社會資本相關研究文獻，並以資源基礎觀點為主要理論，對品牌權益以及社會資本進行了相關的描述。第三部分描述了研究樣本、模型及方法的使用。第四部份呈現分析結果，並敘述研究結果。第五部分提出本研究之結論，並說明本研究之理論與實務貢獻，而後敘述研究限制以及後續研究建議。. 7.

(17) 貳、文獻探討本節主要探討校園提升國際競爭力的因素，共分為三個章節，分別為：資源基礎觀點、品牌權益以及社會資本。資源基礎觀點介紹大學本身所持有的競爭優勢資源；品牌權益主要介紹先前研究中影響大學品牌的因素；社會資本介紹高等教育機構間的聯繫橋梁。. 一、資源基礎觀點資源基礎觀點（Resource-Based View; RBV）的定義為，企業本身具有不同的有形和無形資產，而企業為了持有長期競爭優勢，不僅要擁有豐富的內部資源，更要利用這些資源創造出獨特、不易仿且具差異性的企業資源（Barney, 1991）。該理論提供了關於如何利用資源來提高結果的理論，且已廣泛運用於其他不同的領域。Barney（1991）認為企業需要有價值的稀有資源來獲得競爭優勢，但是為了長期保持這種優勢，這些資源也必須難以被其他企業的資源模仿和替代。此外，資源被定義為可以判斷組織優勢或劣勢的任何事物（Wernerfelt, 1984）。資源基礎觀點假設組織是為了競爭而進行獲取、開發以及利用資源。資源基礎觀點適用於營利性及非營利性組織（Kong & Prior, 2008）。資源基礎觀點指出，機構可以擁有任何寶貴、稀有、獨特以及不可替代性的資產以及能力，這些都必須包含在資源審查中，因為他們可以成為長期競爭優勢的基礎（Barney, 2001）。如果珍貴以及稀有的資源可以被競爭對手模仿以及複製的話，那這些有優勢的資源都有可能是暫時的。另外，倘若競爭對手並沒有刻意模仿其資源，反而使用不同類型的資源達到相同的效果，替代資源也會達到牽制的效果（Williams, 2014）。在人員方面，擁有優良的組織人才庫是具有策略意義的重要資源；然而，人力資源管理之實踐活動行為通常不被視為具有潛在優勢的資源，因為此類資源可以被模仿（Wright, McMahan, & McWilliams, 1994; Wright, 8.

(18) Dunford, & Snell, 2001）。但人力資源管理之實踐活動行為在一些情況下是可以將之視為具有策略意涵的，包括因果模糊性、社會複雜性或歷史演化過程，例如學習、合作以及創新等因素，皆是競爭者難以模仿的（Boxall, 1996）。機構的規模可以做為機構的營運能力（像是提供指導的能力和進行研究的能力）和行銷能力（吸引學生的能力）。機構同時也可以從規模經濟中策略性的受益（Worthington & Higgs, 2011）。高等教育中的任何組織資源可能成為競爭優勢或劣勢的來源，而當它們同時是具有價值性和稀少性時，是不容易被競爭對手模仿的（Williams, 2014）。事實上大學本身是為了學生而競爭的，根據該學術聲譽、提供的學位課程和所謂處的地理位置等因素來區分產品（Rothschild & White, 1993）。過去學者曾進行學生對於學校選擇的相關研究，Drewes 與 Michael（2006）認為，學校到家的距離、獎學金、教學品質以及校園排名對於學生選填意願有顯著關係；在一項關於影響選擇基礎大學因素的研究中，最有影響力的標準是學費、名額、學者；然後是課程學分數、大學的創立時間、入學分數、建築物、校園地點和文化活動（Özgüven, 2011）；穆拉大學經濟與行政學院進行的一項有關學生選擇學校的偏愛因素的研究顯示，最重要的因素是大學考試成績，其次是到家鄉的距離，城市的吸引力及其周圍環境（ Gavcar, , Bulut, & Karabulut, 2005），可以發現過去研究中皆有將大學地理因素做為學生選擇的考慮因素，可見大學所處的地理位置及周遭環境為獨特且不易被模仿的先天優勢。Jöns 與 Hoyler(2013)認為，世界排名的評估因子中應該加入地理因素的評估，他們的研究表明，地理因素會對學術發表及貢獻造成一定程度影響以及限制。. 二、品牌權益美國行銷協會（American Marketing Association , AMA）定義品牌為一個名稱（name）、術語（term）、識別標示（sign）、符號（symbol）、或設計（design）、 9.

(19) 或是上述的各項組合，用來辨識單一銷售者或銷售商的商品和服務，進而與其他競爭者之商品和服務有所差異。品牌的名稱是建立品牌知名度以及品牌形象的先決條件，標章和標語有助於更進一步提升品牌辨識（Kohli, Thomas & Suri, 2013）。良好的品牌是企業經濟價值的關鍵，能將簡單的產品賦予附加價值，使之轉化為價值比其內容本身多倍的商品。而品牌權益定義為品牌對於核心產品所提升的總價值(Mudambi, Doyle & Wong ,1997)，Voorhees, White, McCall 與 Randhawa (2015)認為品牌為產品或服務增加了無形以及情感價值，影響了消費者對於品牌信息的感知，而更進一步的影響消費者的決定方式。品牌權益不僅影響客戶的價值觀，更能通過傳達價值、感知風險以及對於品牌形象的熟悉程度，影響消費者的行為以回應他們對於品牌的期望(Gertner, Berger, & Gertner, 2007; Murphy, Benckendorff, & Moscardo, 2007; Šerić, Gil-Saura, & Ruiz-Molina, 2014)。Keller (1993) 將品牌權益定義為品牌對消費者對與特定產品相關的營銷活動的反應的影響。根據上述定義可以看出品牌權益為一個多維概念(De Chernatony & McDonald, 1998)，可以許多不同的角度作為討論，包含金融市場、客戶、公司、員工以及溝通的管道(Kim, Kim, & An, 2003, Vázquez, Del Rio, & Iglesias, 2002; Supornpraditchai, Miller, Lings, & Jonmundsson, 2007)。在全球化的情況下，品牌已經成為一家企業強大而不可或缺的角色之一。品牌作為一家企業的強大的資產且代表了公司的本質。因此，企業的品牌必須仔細的開發和管理。作為公司最有價值的無形資產之一。品牌可以做為企業強力的優勢，同時也可以做為幫助消費者做出決策工具（Aaker，1996，1991; Keller，1993， 2013）。而隨著品牌的發展，品牌的目的不再侷限於為企業推廣商品。各行各業也開始嘗試藉由品牌管理來增強民眾心中的地位。而在這一方面，高等教育機構也不落人後。根據 Keller（2013）的說法，品牌權益是一種消費者與品牌相關聯的價值。而品牌權益會隨著時間的推移，客戶對於品牌的了解、感受、傾聽和回 10.

(20) 應也會有所變化。大學品牌是「該大學與眾不同的特徵的體現，它反映了滿足學生需求的能力，對它提供某種類型和水平的高等教育的能力產生了信任，並幫助潛在的就學者做出明智的入學決定」(Bennett & Ali-Choudhury, 2007)。Bulotaite （2003）表明，當有人提及一所大學名稱時，就會立刻喚起人們的聯想、情感、形象以及映像。高等教育機構也是經由時間的考驗，藉由長期累積的口碑、教學上的成就、畢業生的成就等建立出老品牌的強力聲譽。根據 SPCE labs 於 2018 年對英國大學當時以及過去十年中畢業的學生的研究表明，校園機構所提供的課程為影響學生選擇大學最重要的因素，其次為大學的聲譽，再者是未來的職業發展機會。在高等教育領域中，過去研究檢測了大學品牌的架構（Hemsley-Brown & Goonawardana, 2007）以及藉由大學品牌的重塑在市場上建立良好的定位（Brown & Geddes, 2006）。另外，也有研究指出高等教育與商業運營之間的相似之處（Bunzel, 2007; Hemsley-Brown & Goonawardana, 2007; Melewar & Akel, 2005）。高等教育品牌和企業品牌相仿，獨特的品牌發展有助於在高等教育市場中創造長期競爭優勢。事實上，品牌發展已經漸漸成為大學以及其他義務教育機構的發展策略，藉以開發有差異的品牌文化已達到其優勢（Jevons, 2006）。 Times Higher Education（THE）的一項針對大學一年級的學生對於選擇大學的調查顯示，約 80%的人認為「友善的校園氛圍」是非常重要的，而莫約 72%的人表示大學在「排行榜表現出色」是非常重要的。而老品牌大學被認為是擁有最佳學術聲譽的代表（Hill, 2005）。Gatfield, Barker 與 Graham（1999）的研究顯示，認同感（教師以及資源的素質）、校園生活（附加特色）以及指導（服務可用性）是用於行銷高等教育市場中最為突出的關鍵因素。Gray, Fam 與 Llanes（2003）將大學的學習環境、聲譽、畢業職業出入、大學的目的和文化融合定為高等教育機構的主要品牌定位維度。更有研究表明，高等教育機構的許多品牌推廣工作集中在行銷和品牌識別元素上如：校徽、標語、宣傳素材、廣告、吉祥物、校名等 11.

(21) （Argenti, 2000；Bunzel, 2007；Jevons, 2006）。Pinar, Trapp, Girard 與 Boyt（2014）的研究表明感知價值、聲譽、情感環境以及品牌忠誠度是發展強力的大學品牌中最為重要的組成成分。從上述的研究中可以發現，在對於大學品牌的定位中，教育機構的聲譽是最為被常提到的，而更能有效突顯機構品牌強度的便是世界大學的排名了。而較為人所知的世界大學排名分別為泰晤士高等教育世界大學排名以及 QS 世界大學排名。兩者的評分標準皆有不同如表 2-2-1 所示：表 2-2-1 排名準則泰晤士排名準則範疇. 標準. 經濟活動與創新. 研究收入教職員的國際化程度. 國際化程度. 學生的國際化程度教學品質調查授予博士學位人數. 教學與學生. 大學本科的師生比年度研究經費大學部和研究所的學生比研究的國際學界聲望年度研究收入. 研究指標. 學術論文發表（數量）公共研究收入與總研究收入比. 學術論文影響. 論文引用率（影響力） QS 排名準則. 指標. 簡述. 學術互評. 衡量全球學者意見. 師生比. 衡量教學素質. 教職員引文量. 衡量研究實力. 僱主評價. 僱主對院校畢業生之意見. 國際生比例. 衡量學生的多元化程度. 國際教職員比例. 衡量教師的多元化程度. 資料來源：Times Higher Education World University Rankings 以及 QS World University Rankings 12.

(22) 自 2003 年世界大學排名出現後，對於而後十年間的高等教育的發展朝國際化、新自由主義以及市場化的方向邁進(Teichler, 2004; Lynch, 2006)，每年所更新的排行榜更是吸引了許多大學管理者、企業家、政策擬定者、學者以及社會大眾的關注(Sadlak & Liu, 2007; Hazelkorn, 2015)。可以發現世界排名不僅在教育界有著重要的地位，在其他領域如企業家及社會大眾皆會參考，作為招募人才以及選擇教育機構的評估指標。. 三、社會資本 OECD 將社會資本定義為「利於團體內或團體間的合作而據共同規範、價值與認知的網絡。」在這個定義中，網絡視為群體或個人之間的連結。社會資本是網絡規模，網絡結構，對網絡成員的投資以及這些網絡成員的資源所組成的（Burt 2000 , 2009; Flap 1999 , 2002）。社會關係網絡中的聯繫方式取決於其組織構造(相互連結的屬性如正在創建的、綁定以及橋接的關係)、規模大小(在此網絡中的人數多寡或是個體相互互動的網絡數目)、密集程度(密集、稀疏的網絡)、結構上的漏洞、成員間聯繫紐帶的存在(存在或不存在)、成員間建立聯繫紐帶的類型(紐帶的強弱程度)、成員在網絡中的地位、地理位置的分散以及對一般民眾的開放程度(Păunescu & Badea, 2014)。Rogelberg (2017)表示由家族企業所衍伸出來的社會資本是不易被模仿的資源，在長年累積下所形成的人脈、業務、競爭對手資訊以及市場資源皆是無法在短期內所得以仿造的特殊資源。也因為如此，社會資本的規模越大，所能取得的資源也就越多也越獨特。而高等教育機構也如同家族企業一樣，擁有各自獨特的長期社會資本。社會資本在網絡中的作用已經拓展到對國際學生的研究。Hendrickson, Rosen 與 Aune (2011)的研究表明，國際學生的鄉愁程度與友誼網絡強弱的程度有關。這也呼應了 Kim（2000）的跨文化適應理論以及其他研究國際學生的研究（Hendrickson＆Rosen , 2009），強調與留學國家建立友誼的重要性。姊妹校的締結不僅能夠使高等教育機構提升國際知名度以及國際 13.

(23) 化程度，對於師生的國際觀、文化的交流皆有正面的影響，藉由雙方校園相互簽署的結成姊妹校，以達到互惠互利和彼此維持長期的網絡概念。在社會資本逐漸拓展的情況下形成網絡，網絡不只體現在實體的網絡關係，虛擬的網絡關係也在網路上如火如荼的發展，隨著社群媒體的出現，虛擬社群也逐漸形成，社群間的互動也越發頻繁。如今社群媒體已被大眾廣泛使用，使用者們會藉由虛擬社群網絡分享各自的意見進行交流，形成點對點之間的互惠關係。進而影響消費者行為各個方面的主要因素，包括意識、信息獲取、觀點、態度、購買行為以及購買後的交流以及評價（Mangold & Faulds, 2009）。大學網站可以提供一個吸引人的使用者環境（Weiss, 2008），根據 Gemmill 與 Peterson （2006）的研究，以網路進行社交活動已經成為年輕人的一種重要連絡的方式。 Constantinides 與 Zinck Stagno （2011）指出，社群網絡對於吸引學生是一項特別重要的高等教育招生工具。 Rutter, Roper 與 Lettice（2016）指出，社群媒體的活動也會影響學生對於學校的選擇。Reddy（2014）的研究表明，國際學生對於參與社群網絡的活動是非常積極的，社群網絡在國際學生對於選擇課程以及大學中扮演著決定的作用角色。社群網絡在為企業和教育機構創建網路品牌體驗中發揮著重要的作用（Kavoura, 2014）。. 四、小結根據資源基礎觀點的定義，不管是企業、組織還是教育機構，皆擁有珍貴、獨特、稀有且不可替代性的資產以及能力，這些皆可成為他們長期競爭優勢的基礎（Barney, 2001）；而高等教育機構的品牌權益為提升品牌對於核心產品所提升的總價值(Mudambi et al.,1997)，在這個情況下，高等教育機構的品牌權益可以提供一個具有指標性、辨識性以及獨特性的珍貴資源；社會資本所形成的網路規模越龐大，就越能從網絡中取得更多不同的優勢資源，這些資源可以供高等教育機構運用。而不同的社會資本所呈現出的價值以及資源也不同，同時也不易模仿； 14.

(24) 根據上述的觀點，本研究以資源基礎觀點作為找尋高等教育機構吸引國際學生來台的重要資源因素的出發點，並以品牌權益以及社會資本作為資源基礎觀點以下的變數。. 15.

(25) 參、研究方法及工具一、研究對象及資料收集本研究以台灣以及日本的大學為研究對象，由於日本與台灣有相同的少子化現象，於 2018 年甚至被說是日本高教界最慘的一年，導致許多日本大學終止雇用數千名非正式員工，更有學校進行了併校的動作，就連老牌的私校大量招收國際學生以填補校園經營的赤字。而同樣的下，近年來台灣也逐漸踏上日本的步伐，面臨少子化以及人才外流的情況，兩者情況越發相近，故以此為出發點將兩者進行比較。另外，教育部統計指標之國際比較 2019 年度的資料表示圖 3-1-1，可以發現台灣與日本在國際學生的比例是非常相近的。. 圖 3-1-1 高等教育國際生/出國留學生人數占高等教育學生人數比例資料來源：教育統計指標之國際比較. 16.

(26) 為了降低兩國教育機構的差異以及確保整體水平，本研究以在泰晤士高等教育世界大學排名上的 31 所台灣高等教育機構以及日本在泰晤士高等教育世界大學排名 150 名的高等教育機構做為研究樣本。台灣的大學資料自教育部大專校院校務資訊公開平臺及各大學網站收集各校國際學生人數、外籍教員人數、教育人員擁有博士學位數、師生比、各校姊妹校數；由各大專院校的粉絲團取得 Facebook 的按讚數、追蹤及轉貼次數；藉由 Google Map 計算各大學距離國際機場的距離以及所需交通時間。作為建構模型的變數。日本的資料收集則由大学ポートレート、大学ポートレート(私学版)以及アクセス日本留学收集各校國際學生人數、外籍教員人數、教育人員擁有博士學位數、師生比、各校姊妹校數；同時也從日本各高等教育機構建立的粉絲團取得 Facebook 的按讚數、追蹤及轉貼次數；同樣由 Google Map 計算各機構距離國際機場的距離及所需交通時間。. 二、變數介紹本研究以距離國際機場距離(公里)、距離國際機場交通時間(分鐘)、外籍教員數、教職人員擁有博士學位數、師生比、姊妹校數、Facebook 粉絲團按讚數、 Facebook 粉絲團追蹤數以及 Facebook 粉絲團打卡次數作為預測國際學生的變數因子。下表 3-2-1 為各變數之定義：. 17.

(27) 表 3-2-1 變數定義特徵值名稱. 資源基礎觀點. 品牌權益. 社會資本. 定義. 參考文獻. 該校到最近的國際機場的距離. Polat （ 2012 ）、 Montgomery. (公里). （2002）、Hill（2005）. 距離國際機場交通時間(分. 該校到最近的國際機場的所需. Polat （ 2012 ）、 Montgomery. 鐘). 的時間(分鐘). （2002）、Hill（2005）. 外籍教員數. 該校所聘任外籍專任教師數. 距離國際機場距離(公里). 教職人員擁有博士學位數. 泰晤士排名準則、QS 排名準則. 該校教職員符合博士學位資格. 泰晤士排名準則、QS 排名準. 人數. 則泰晤士排名準則、QS 排名準. 師生比. 該校的師生比率. 姊妹校數. 該校所締結的姊妹校數. Facebook 粉絲團按讚數. 該校 Facebook 粉絲團按讚數. Rutter et al.（2016）. Facebook 粉絲團追蹤數. 該校 Facebook 粉絲團追蹤數. Rutter et al.（2016）. Facebook 粉絲團打卡次數. 該校 Facebook 粉絲團打卡次數. Rutter et al.（2016）. 目標值: 國際學生數. 該校國際學生的數目. 則 Looser (2012) Tadaki 與 Tremewan(2013). 資料來源：本研究整理. 在先前的研究裡發現環境、旅行的成本和時間會影響大學生的選擇模式。大學生對於旅行的成本和時間非常敏感（Shannon, Giles-Corti, Pikora, Bulsara, Shilton, & Bull, 2006; Danaf, Abou-Zeid, & Kaysi, 2014），這顯現出大學生對於交通的便利性是非常注重的。Polat（2012）與 Montgomery（2002）的研究提到大學所在位置的城市為影響學生選擇系所和大學的因素。Hill（2005）針對一年級大學生的調查中發現，學校的位置是影響學生要在哪學習的決策因素。考慮到國際學生對於交通的便利性，特別是國際機場到學校的距離以及其搭乘的時間是否會影響學生的選擇意願，故以學校距離國際機場距離以及距離國際機場交通時間作為變數因子。在 Madge, Raghuram 與 Noxolo(2015)的研究中將高等教育的角色區分為由社群組織(其中包含學生以及教育者)、思想想法以及事物(書籍、資金)所組成的。 18.

(28) 可以發現師生為組成高等教育的其中一項因素，根據此論述，本研究將大學世界排名中以對於師生的評估指標的變數作為使用。取用泰晤士排名準則以及 QS 排名準則中的師生比作為其中一變數；在教師方面皆有提到教師國際化的部分，而本研究主要以國際學生數為預測目標，因此將教師國際化的指標轉為外籍教員數量；除了外籍教師外，師資的質量也是很重要的，在兩者的準則中皆有針對教師的實力及學術發表作為評分標準，對此本研究以教員擁有博士學位數作為師資品質的變數。與國際姊妹校連結不僅能開拓學生視野、加強學生語言能力、培養跨文化的理解外，更能為學校的國際化做出極大的貢獻。同時能夠藉由校園間建立網絡，讓雙方教育者、學習者可以共同享有資源，更能藉由相互討論發掘出更多的學術貢獻；國際學生人數的增加是通過一系列的教育政策變化而實現的更廣泛教育國際化的一部份，包含與世界各地不同地區的大學間建立高等教育的夥伴關係、附屬機構以及分支機構(Looser, 2012)，同時教育網絡的發展也能促使高等教育全球化(Tadaki & Tremewan, 2013)。可見與國際教育機構建立夥伴關係，有助於增加在國際市場曝光度，吸引更多國際學生的注意，增加招募國際學生的數量，因此本研究將姊妹校的數量作為模型中社會資本的一項因素。社會互動連結是預測不同個體分享知識量的重要指標（Chiu, Hsu & Wang, 2006）。Barnes 與 Mattson（2009）的研究指出，大學在進行品牌活動時，針對招募計畫皆會使用社群媒體。而 Rutter et al. （2016）針對 Twitter 以及 Facebook 的貼文互動量、按讚數以及追蹤人數作為社群媒體的互動在招募學生上的關係，而研究顯示兩者間是呈現顯著正相關的關係。從這角度可推論在社群媒體上所建構追蹤人數對於學生的招募是有效的指標，故本研究以各機構的 Facebook 粉絲團上的追蹤人數、按讚次數以及打卡次數作為在社會資本底下的變數。. 19.

(29) 三、資料前處理本研究將收集的數值剃除遺漏值後以 Lognormal 進行標準化，Lognormal 可以將把過於集中之資料放大，或是排除極端值之影響，可以提升模型的收斂數度以及提升精準度。. 四、皮爾森相關分析皮爾森相關(Pearson correlation coefficient)可用於度量兩變數 X 與 Y 之間的線性相關程度，用於評斷指標為相關係數(correlation coefficient)，其值介於 1 到 -1 之間，若其值呈現為 0 則代表無相關，值越接近 1 代表相關性呈現正向相關；反之，值越接近-1 則代表相關性呈現負向相關。. 五、演算模型本研究使用 Microsoft Azure Machine Learning Studio (classic)作為建構模型的使用工具，為建構預測未來國際學生來校人數模型，本研究根採用隨機森林（random forest）、類神經網絡（neural networks）以及線性回歸（Linear regression）作為預測工具。（一）隨機森林隨機森林（random forest）是由多個決策樹所組成，同時加入隨機分配的資料訓練，以達到精確的運算結果。根據集成方法（ensemble method）的演算方法，每一決策樹只取部分變數以及部分樣本作為訓練，而當一決策樹表現優良，將多個決策樹結合起來時，其表現會相對優秀。可以帶出更高的精確度，近年來被大量運用於機器學習，可達到預測的效果。. 20.

(30) （二）類神經網路類神經網路（Neural Networks），又稱為人工神經網路（ artificial neural networks）是一種模仿生物大腦神經所組成的網路。類神經網路是一組連結輸入 /輸出的單位（神經元），每一組連結都擁有與之關聯的權重。在學習的過程中，網路透過調整權重進行學習以預測能夠正確輸入的類別標籤（Han, Kamber, & Pei, 2011 ）。而神經網路由多層神經元所組成，以階層式的方式排列，藉由前向傳播以及反向傳播的方式反覆學習達到預測可行性。. （三）線性回歸線性回歸(Linear regression)是依最適線性回歸線在找多個自變數和依變數之間的關係建出來的模型。可依線性回歸方程式，給定自變數的質來預測依變數。. 六、模型評估為評估模型可行性，本研究以在預測評估指標上常用的兩種評估指標最為評估方式，分別為平均絕對百分差(MAE)、均方根誤差(RMSE)以及決定係數(R2)，前者為絕對值指標，可判定預測值以及實際值間的差距；後者用於判斷模型的解釋力。（一）平均絕對百分差(MAE)：將每次的預測值與實際值作絕對值的殘差，可以用來檢視模型的誤差範圍，度量範圍為 0 到∞，其值越小代表運算模型越佳，其運算是如(1)所示： 1. 𝑛. 𝑀𝐴𝐸 = 𝑛 ∑𝑖=1|𝑥(𝑖) − 𝑦(𝑖)| (1) 其中，n 為樣本數、x(i)為實際值、y(i)為預測值。. 21.

(31) （二）均方根誤差(RMSE)：均方根誤差為各次預測值與實際值的偏差平方和與次數比值的平方根，可用於衡量預測值與實際值的偏差。若均方根誤差的誤差越小，代表模型的精準度越高；反之，若均方根誤差的誤差越大，代表模型的精準度越低，其運算是如(2)所示：. 𝑅𝑀𝑆𝐸 = √. ∑𝑛𝑖=1[𝑥(𝑖) − 𝑦(𝑖)]2 𝑁 (2). 其中，n 為樣本數、x(i)為實際值、y(i)為預測值。（三）決定係數(R2)：可用於度量在自變數及依變數所建立的回歸模型中，可被自變數解釋的依變數所佔的比例，可藉此來判斷模型的解釋力。其範圍介於 0 到 1 之間，而決定係數越高代表解釋力越高。其運算是如(3)所示： R2= ∑(ŷi − y̅)/∑(yi − y̅)2 (3) 其中𝑦̂𝑖 為 yi 的預測值，𝑦̅為所有 yi 值的平均值。. 22.

(32) 七、研究分析流程本研究主要收集在泰晤士高等教育世界大學排名上的 31 所台灣高等教育機構以及日本在泰晤士高等教育世界大學排名 150 名高等教育機構的校務資訊。分別以距離國際機場距離(公里)、距離國際機場交通時間(分鐘)、外籍教員數、教職人員擁有博士學位數、師生比、姊妹校數、Facebook 粉絲團按讚數、Facebook 粉絲團追蹤數以及 Facebook 粉絲團打卡次數共 9 種變數與國際學生數進行相關性分析，再以 LogNormal 的方式進行標準化後，依照三種演算模型進行分析，而後再比較模型的結果以及準確性，下圖 3-5 為本研究之研究分析流程：. 圖 3-5 研究分析流程. 23.

(33) 肆、研究結果本章節包含四個章節，分別為敘述性統計、相關性分析以及模型評估。敘述性統計呈現了數據內涵意義；相關性分析成數的自變數與依變數的相關程度；模型評估敘述的模型預測性能指標。. 一、敘述性統計本研究收集台灣 107 年上下度（西元 2018 年度至西元 2019 年度）有登上 2019 年泰晤士高等教育世界大學排名的大專院校；日本平成 30 年至令和元年（西元 2018 年度至西元 2019 年度）於 2019 年公佈的泰晤士高等教育世界大學排名，日本 150 名高等教育機構校務資訊。剔除不完整資訊，台灣共收集了 31 所、日本共收集了 134 所、台日綜合樣本為 165 所。本研究之敘述性統計資料如下，分別為台灣(表 4-1-1)、日本(表 4-1-2)以及台日綜合樣本(表 4-1-3)。. 表 4-1-1 敘述性統計台灣樣本. 最小值. 最大值. 平均數. 標準差. 到國際機場的距離 ( 公里 ). 4.9. 173. 33.64. 36.38. 到國際機場所需的時間(分鐘). 9. 173. 33.00. 29.53. 教員擁有博士學位數. 177. 1639. 447.42. 283.556. 數. 9. 186. 57.00. 43.715. 比. 9.53. 31.67. 20.22. 6.42. 數. 10. 645. 227.29. 131.166. Facebook粉絲團按讚人數. 0. 106033. 17132.00. 23742.512. Facebook粉絲團追蹤人數. 0. 105394. 17320.81. 23819.38. Facebook粉絲團打卡次數. 0. 1535512. 117536.42. 280226.99. 168. 2278. 838.68. 518.12. 外. 籍. 教. 師. 生. 姊. 國. 員. 妹. 際. 校. 學. 生. 數. 資料來源：本研究整理. 24.

(34) 表 4-1-2 敘述性統計日本樣本. 最小值. 最大值. 平均數. 標準差. 到國際機場的距離 ( 公里 ). 6. 1149. 135.41. 212.60. 到國際機場所需的時間(分鐘). 13. 1740. 107.79. 199.52. 教員擁有博士學位數. 18. 2234. 452.72. 429.904. 外. 數. 1. 379. 60.85. 82.414. 比. .78. 49.46. 13.40. 9.28. 數. 5. 1025. 179.43. 221.406. Facebook粉絲團按讚人數. 0. 96085. 7060.19. 15612.39. Facebook粉絲團追蹤人數. 0. 99400. 7133.36. 15425.47. Facebook粉絲團打卡次數. 0. 125283. 5055.54. 14610.93. 國. 4. 6207. 583.94. 900.62. 台日綜合樣本. 最小值. 最大值. 平均數. 標準差. 到國際機場的距離 ( 公里 ). 4.9. 1149. 116.29. 196.18. 到國際機場所需的時間(分鐘). 9. 1740. 93.74. 182.49. 教員擁有博士學位數. 18. 2234. 451.72. 405.703. 外. 數. 1. 379. 59.90. 74.626. 比. .78. 49.46. 14.68. 9.19. 數. 5. 1025. 188.42. 207.98. Facebook粉絲團按讚人數. 0. 106033. 8952.47. 17786.57. Facebook粉絲團追蹤人數. 0. 105394. 9047.36. 17682.91. Facebook粉絲團打卡次數. 0. 1535512. 26188.31. 128374.69. 國. 4. 6207. 631.80. 846.68. 籍. 教. 師. 員. 生. 姊. 妹. 際. 校. 學. 生. 數. 資料來源：本研究整理. 表 4-1-3 敘述性統計. 籍. 教. 師. 員. 生. 姊. 妹. 際. 校. 學. 生. 數. 資料來源：本研究整理. 在學校所處的地理位置變數上，因為各校本身所處的位置不同，故到國際機場的時間以及距離皆不同，在標準差上才會有如此明顯的差異；教員擁有博士學位數在最大與最小值的數字裡可看不論是台灣或日本樣本中，各機構所擁有的師資相對而言是有一段差距的。在台灣樣本以及日本樣本的中，教員擁有博士學位、 25.

(35) 外籍教員數兩國平均數部分是非常相近的。在姊妹校的部分可以發現在日本樣本平均數大於台灣樣本有著明顯的差距。在師生比的部分，日本樣本最大值大於台灣，台灣在師生的配置上較為不足。而在國際學生數上可以看出在日本樣本最大值是明顯大於台灣樣本的，也可以看出在日本大學對於國際學生的追求是非常渴望的。而在外籍教員數最大值方面，日本樣本所聘請的人數相較於台灣樣本是較多，在平均數上也略高於台灣樣本。在由社群媒體所構成的三項變數的標準差數值較大，特別是打卡的部分，說明各機構在針對 Facebook 粉絲團的經營上是有所差異的，且重視性也不大相同；在各變數最小值中可以發現不管在台灣以及日本的樣本中 Facebook 粉絲團的按讚、追蹤以及打卡次數為 0，其原因為部分學校並沒有特別設置該校的粉絲專頁，也會造成部分學校在社會資本上較低；. 二、相關性分析為了解國際學生數與變數間的關係，本研究以 IBM SPSS Statistics 20 進行皮爾森相關(Pearson Correlation)分析，以找出變數間相關性的強弱。以下分別列出台灣(表 4-3-1)、日本(表 4-3-2)以及台日綜合樣本(表 4-3-3)。. 26.

(36) 表 4-3-1 台灣樣本相關性分析國際學生數. 台灣樣本. Pearson 相關. 顯著性 (雙尾). 資源基學校距離國際機場距離 ( 公里 ). -.187. .314. 礎觀點學校距離國際機場交通時間 ( 分鐘 ). -.144. .440. 數. .782**. .000. 教學人員擁有博士學位數. .750**. .000. 比. .209. .259. 數. .634**. .000. 社會資 F a c e b o o k 粉絲團按讚人數. .666**. .000. F a c e b o o k 粉絲團追蹤人數. .671**. .000. F a c e b o o k 粉絲團打卡次數. .470**. .008. 品牌權益. 外. 籍. 師. 員. 生. 姊. 本. 教. 妹. 校. **. 在顯著水準為 0.01 時 (雙尾)，相關顯著。 *. 在顯著水準為 0.05 時 (雙尾)，相關顯著。資料來源：本研究整理. 表 4-3-2 日本樣本相關性分析國際學生數. 日本樣本. Pearson 相關. 顯著性 (雙尾). 資源基學校距離國際機場距離 ( 公里 ). -.091. .298. 礎觀點學校距離國際機場交通時間 ( 分鐘 ). -.067. .442. 數. .805**. .000. 教學人員擁有博士學位數. .736**. .000. 比. .036. .680. 數. .814**. .000. 社會資 F a c e b o o k 粉絲團按讚人數. .699**. .000. F a c e b o o k 粉絲團追蹤人數. .704**. .000. F a c e b o o k 粉絲團打卡次數. .726**. .000. 品牌權益. 外. 教. 師姊. 本. 籍. 員. 生妹. 校. **. 在顯著水準為 0.01 時 (雙尾)，相關顯著。 *. 在顯著水準為 0.05 時 (雙尾)，相關顯著。資料來源：本研究整理. 27.

(37) 表 4-3-3 台日綜合樣本相關性分析國際學生數. 台日綜合樣本. Pearson 相關. 顯著性 (雙尾). 資源基學校距離國際機場距離 ( 公里 ). -.113. .150. 礎觀點學校距離國際機場交通時間 ( 分鐘 ). -.085. .280. 數. .790**. .000. 教學人員擁有博士學位數. .730**. .000. 比. .082. .295. 數. .803**. .000. 社會資 F a c e b o o k 粉絲團按讚人數. .655**. .000. F a c e b o o k 粉絲團追蹤人數. .658**. .000. F a c e b o o k 粉絲團打卡次數. .227**. .003. 品牌權益. 外. 籍. 教. 師姊. 本. 員. 生妹. 校. **. 在顯著水準為 0.01 時 (雙尾)，相關顯著。 *. 在顯著水準為 0.05 時 (雙尾)，相關顯著。資料來源：本研究整理. 從分析結果可以發現在三種樣本分類中，在地理變數的學校距離國際機場距離(公里)以及學校距離國際機場交通時間(分鐘)與品牌權益下的師生比皆與國際學生的相關性呈現不顯著的關係；而在品牌權益的其餘兩變數外籍教員數以及教學人員擁有博士學位數的呈現上，三種樣本分類皆呈現顯著相關；另外在社會資本下的四個變數也皆與國際學生數有顯著相關，也呼應了在社會資本建立越龐大的情況下，越能體現更高的價值；在社會資本中可發現一項較為特殊的資料是在Facebook粉絲團打卡次數的呈現上，日本樣本所呈現的相關性相較於台灣是較高的，推斷可能為雙方在粉絲團的經營上以及活動或是指標性的建立上有著不同的運用方式，也有可能是因為雙方對於打卡文化的差異性所導致。. 三、模型評估本研究利用 Microsoft Azure Machine Learning 建構預測模型，以台日綜合樣本進行評估預測，並已平均絕對百分差(MAE)、均方根誤差（RMSE）以及決定係數(R2)作為評估模型的指標。經由模型的運算下，可以發現在線性回歸的評估模式下，R2 具有較佳的表現。其結果如下表 4-3-1： 28.

(38) 表 4-3-1 模型評估台日綜合樣本. MAE. RMSE. R2. 隨機森林. 0.135922. 0.17218. 0.616594. 類神經網路. 0.125503. 0.15985. 0.669538. 線性回歸. 0.166249. 0.192477. 0.520872. 資料來源：本研究整理. 從上表中發現，三種方法的演算模型平均絕對百分差(MAE)落在 0.12 到 0.17 之間，其中類神經網路的 MAE 值最小，代表由線性回歸所建立的模型在三者之中的誤差範圍最小，運算模型較佳。次低為隨機森林，而後是線性回歸演算模型。在均方根誤差（RMSE）的部分可以發現由類神經網路所運算出的值最小，代表以類神經網路為模型的運算模式相對其他兩著是較為精準，其值為 0.159。在模型計算的結果下，可以發現在決定係數(R2)的部分類神經網路的解釋力最高，數值為 0.669；次高為隨機森林，數值為 0.616；而後為線性回歸演算模型，數值為 0.520。一般而言，在社會科學的研究上，R2 的值通常在 0.5 到 0.6 之間，大於 0.7 者較為少見(陳加忠)。而本研究的模型決定係數也都接近或高於 0.6，固可以判斷本研究所建立的模型是有一定的解釋力。. 29.

(39) 伍、結論與建議一、結論本研究以資源基礎觀點建構國際學生來校人數之預測模型，以社會資本、品牌權益以及資源基礎觀點中所提出的變數與國際學生數進行模型的建構。同時以皮爾森相關分析變數與國際學生的相關性。以下就模型建構、變數與國變數與國際學生數量之間關係提出結論。（一）模型預測能力本研究以在分別使用隨機森林、類神經網路以及線性回歸的方法建立模型後發現，在預測能力上三種方法在決定係數(R2)的表現皆有達到 0.5 到 0.6 以上，而隨機森林以及類神經網路的表現甚至在 0.6 以上，綜合平均絕對百分差(MAE)、均方根誤差（RMSE）皆在 0.12 與 0.19 之間，代表此模型具有良好的預測能力。（二）變數相關性資源基礎觀點中，在大學其便利性以及交通時間，作為校園的地理特殊資源，本研究以學校到國際機場距離以及其所需時間作為變數，雖然在過去研究中表示，機構周圍的環境、旅行的成本和時間會影響大學生的選擇模式，也表示大學生對於旅行的成本和時間非常敏感（Shannon et al., 2006; Danaf et al., 2014），然而在與國際生數量關係上並不顯著。品牌權益定義為品牌對於核心產品所提升的總價值(Mudambi et al.,1997)，而在過去的研究中大學的聲譽為高等教育品牌定位的其中一個項目（Argenti, 2000； Bunzel, 2007；Jevons, 2006；Gray et al., 2003），根據世界大學排名的評分標準取得的變數中，與國際學生人數相關係數最高者為外籍教員的數量，其次為教職員擁有博士學位，這兩項變數證明教師國際化以及教師的素質在吸引國際學生方面有重大的影響，對於學生在選擇大學時首要指標為教學品質有相對呼應的關係 30.

(40) Bhardwa(2017)；然而本研究結果在師生比與國際學生數的相關性並不高，相較於師生組成的比例，國際學生對於教師的品質及國際化更加注重。社會資本的變數中姊妹校的多寡對於吸引國際學生有顯著相關性，支持 Looser(2012)對於國際學生人數的增加，部分原因是透過與世界各地不同地區的大學間建立高等教育的夥伴關係、附屬機構以及分支機構而達成的。對於異國文化的友好，資源以及國際上的交流，都能有更進一步的成長。可將增加姊妹校數的動作視為是在社會資本的網絡中的投資，更可以使雙方以及其他的姊妹校相互認同，更能使這一個體系更加團結。本研究以各校 Facebook 粉絲團的按讚數、追蹤數以及打卡次數作為變數，發現其與國際學生人數有顯著相關。此結果支持 Rutter et al.(2016)針對高等教育機構在社群媒體上的聲望會影響學生的招募狀況，如 Twitter 以及 Facebook 的貼文互動量、按讚數以及追蹤人數，同時社群媒體可以幫助高等教育機構建立網絡，在招募學生之前，社交媒體互動會增強學生對大學的歸屬感。. 二、學術意涵過去對於教育機構進行預測分析的研究中，大多數都使用回歸方法進行預測 (Anstine, 2013；Becker et al., 2011；Humphreys & Mondello, 2007)。本研究以機器學習的方式進預測模型的建立，機器學習具有解決變數不獨立的問題，可以使模型更加精確。在研究結果中也發現，以類神經網路以及隨機森林作為模型的預測結果、精準度及其誤差範圍皆是優於線性回歸模型的。本研究採用資源基礎觀點、品牌權益以及社會資本三種理論建立國際生數量之預測模型。在過去的研究裡，曾有以品牌探討高等教育機構的競爭優勢(Smart & Wolfe, 2000)，鮮少探討高等教育機構社會資本，亦發現社會資本與招募國際學生之相關性，研究結果可供未來研究之參考。. 31.

(41) 三、實務意涵本研究結果顯示品牌權益表現優良的擁有博士學位的教員數、外籍教員的多寡；社會資本裡的姊妹校數、以及社群媒體的變數與國際學生數量相關性較高，可供各大專院校或高等教育機構在招收國際學生的策略上提供一些建議以及調整。從品牌權益中來看，在相關性的部分，優良的教師團隊以及其國際化的程度對於國際學生有著強相關，各高等教育機構可在教員的部分提升其教師品質以及國際化能力，師資的品質能帶給學生更好的知識，讓學生能有個多元的發展；而從細部可以發現，不管在台灣樣本或是日本樣本中，在外籍教員數的相關性比擁有博士學位的教員數來的高，考慮到國際學生的語言系統，在溝通以及學習上外籍教員顯得更加重要，故建議教育機構可以從教師的國際化做為優先考量，增加國際學生的選擇意願。而在社會資本中，在姊妹校數與社群媒體都有達到顯著相關的結果，教育機構可以進行與各國教育機構進行搭建橋樑簽訂合約的動作，增加在世界各地的姊妹校或拓展機構版圖，如在海外建設機構分支，不僅可以提升國際曝光率，更能達到提升社會資本的效果，也可以獲取更多不同的特殊資源；在社群媒體的部分，各教育機構可以針對宣傳以及辦活動的方式增進粉絲團的推廣，在吸引更多人觀看以及追蹤下，更能提升機構的知名度；從細部可以發現，在台灣樣本裡社群媒體的相關性是略高於姊妹校數的，然而在日本樣本以及台日綜合樣本的結果中可以發現，姊妹校數的相關性是高於社群媒體的，也表示了姊妹校的多寡再招募國際學生上是極為重要且為優先考量的。因此建議教育機構可以先朝建立與更多國際機構的合作關係為目標，幫助拓展自身在國際的社會資本，進而招收更多的國際學生。本研究以少子化嚴重的台灣與日本為研究對象並進行比較，研究結果可供其他少子化國家之國際招生策略參考。 32.

(42) 四、研究限制及建議大學的所在地為非常獨特且無法取代的資源，然而在本研究的中所跑出的結果為不顯著，推論此次研究中對於此因素的變項僅放入各高等教育機構到最近的國際機場的距離以及所需時間作為變數，缺少其他在衡量交通因素的便數，建議在往後的研究中可以加入各校周遭的生活圈作為變數，如：校園週遭的便利商店家數、旅遊景點數量、交通便利程度等，可為特殊地理資源做精準的分析。在社群媒體的變項方面，由於受限於時間以及技術層面上處理不及，此次研究只放入各教育機構的 Facebook 粉絲團的按讚數、追蹤人數以及打卡次數；雖然在模型的運算上與國際學生數有著顯著的相關性，根據 Rutter (2016)等人的研究表示在招募學生之前，社交媒體互動會增強對大學的歸屬感。建議在未來研究方向可以放入招生前 Facebook 的發布相關招生貼文的數量、該貼文的按讚數量以及該數量的轉發次數，以作為社群媒體的變項。相信在輸入更多變項的情況下會有不同的解釋。由於本研究的資訊僅收集台灣以及日本高等教育機構做為樣本，樣本的多樣性較少，建議未來研究可以朝國外學校做資料的收集。因各國家的教育體系、國家文化及風土民情也有所不同，大學之規模差異在資料的分析上也會呈現不同的結果，故未來可加入其他國家如韓國、中國、新加坡等亞洲地區或針對國家的開發程度為教育體制、文化進行比較。. 33.

(43) 參考文獻中文文獻周俊吉（2019 年 11 月 29 日）。從「少子化」到「無子化」。遠見雜誌。擷取自 https://www.gvm.com.tw/article/69713 翁翠萍、劉嘉韻（2005 年 6 月 25 日）教育部研擬教育政策白皮書。大紀元。擷取自: http://www.epochtimes.com/b5/5/6/25/n965638.htm 姜麗娟（2008）。從策略本質及執行力反思臺灣高等教育國際化之現況。教育資料與研究雙月刊，83，47-70。陳加忠（無日期）生醫研究之統計方法。民 108 年 5 月 20 日，取自：國立中興大學生物系統工程研究室：http://amebse.nchu.edu.tw/new_page_535.htm. 英文文獻 Aaker, D. A. (1996). Building Strong Brands The Free Press. New York. Aaker, D. A., & Equity, M. B. (1991). The Free Press. New York, 206. Argenti, P. (2000). Branding B-schools: Reputation management for MBA programs. Corporate Reputation Review, 3(2), 171-178. Anstine, J. (2013). Graduation rates at US colleges and universities: A large data set analysis. Business Education & Accreditation, 5(2), 55-64. Barnes, N. G., & Mattson, E. (2009). Social media and college admissions: The first longitudinal study. University of Massachusetts Dartmouth, Bristol . Barney, J. B. (2001). Resource-based theories of competitive advantage: A ten-year retrospective on the resource-based view. Journal of management, 27(6), 643-650. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of management, 17(1), 99-120. Becker, W. E., Greene, W. H., & Siegfried, J. J. (2011). Do undergraduate majors or Ph. D. students affect faculty size?. The American Economist, 56(1), 69-77. Bennett, R., & Ali-Choudhury, R. (2007). Components of the university brand: an empirical study. In Proceedings of the 3rd. Annual Colloquium of the Academy of Marketing’s Brand, Corporate Identity and Reputation SIG, Brunel University ,pp. 12-13. Bhardwa, S. (2017). Why do students go to university and how do they choose which one. Times Higher Education. Retrieved from https://www.timeshighereducation.com/student/news/why-do-students-gouniversity-and-how-do-they-choose-which-one 34.

(44) Bourdieu, P. (1986). The forms of capital. UK: Routledge. Boxall, P. F. (1996). The strategic HRM debate and the resource-based view of the firm. Human Resource Management Journal, 6(3), 59-75. Brown, K.G., & Geddes, R. (2006).Image repair: Research, consensus, and strategies: A study of the University College of Cape Breton. Journal of Nonprofit & Public Sector Marketing, 15(1–2), 69–85. Bulotaite, N. (2003). University heritage—an institutional tool for branding and marketing. Higher Education in Europe, Vol. XXVIII, No. 4, December 2003, 28(4), 449-454. Bunzel, D.L. (2007).Universities sell their brands. Journal of Product and Brand Management, 16(2), 152–153. Burt, R. S. (2009). Structural holes: The social structure of competition. Harvard: Harvard university press. Burt, R. S. (2000). The network structure of social capital. Research in organizational behavior, 22, 345-423. Chiu, C. M., Hsu, M. H., & Wang, E. T. G. (2006). Understanding knowledge sharing in virtual communities: An integration of social capital and social cognitive theories. Decision Support Systems, 42(3), 1872-1888. Constantinides, E., & Zinck Stagno, M. C. (2011). Potential of the social media as instruments of higher education marketing: A segmentation study. Journal of marketing for higher education, 21(1), 7-24. Cook, C. R., & Fennell, M. (2001). Capital Gains: Surviving in an Increasingly ForProfit World. Presidency, 4(1), 28-33. Danaf, M., Abou-Zeid, M., & Kaysi, I. (2014). Modeling travel choices of students at a private, urban university: insights and policy implications. Case studies on transport policy, 2(3), 142-152. Dasgupta, A., Sun, Y. V., König, I. R., Bailey‐Wilson, J. E., & Malley, J. D. (2011). Brief review of regression ‐ based and machine learning methods in genetic epidemiology: the Genetic Analysis Workshop 17 experience. Genetic epidemiology, 35(S1), S5-S11. De Chernatony, L. and McDonald, M. (1998),Creating Powerful Brands in Consumer. Oxford :Butterworth-Heinemann,. Deetman, W. J. (1996). Internationalization of higher education. Paris: OECD. Drewes, T., & Michael, C. (2006). How Do Students Choose a University?: An Analysis of Applications to Universities in Ontario, Canada. Research in Higher Education, 47, 781-800. Flap H. (2002) No man is an island: the research programme of a social capital theory. In O. Favereau and E. Lazega (Eds.), Conventions and Structures in Economic 35.

(45) Organization (pp.29-59). Cheltenham : Edward Elgar. Flap, H. (1999). Creation and returns of social capital. La Revue Tocqueville, 20,5-26. Gatfield, T., Barker, M., & Graham, P. (1999). Measuring communication impact for university advertising materials. Corporate Communications: An International Journal, 4(2), 73–79. Gavcar, E., Bulut, Z., & Karabulut, A. (2005). Öğrencilerin iktisadi ve idari bilimler fakültesini tercih nedenleri ve beklentileri (Muğla üniversitesi örneği). İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 7(1),21-39. Gemmill, E. L., & Peterson, M. (2006). Technology use among college students: Implications for student affairs professionals. Journal of Student Affairs Research and Practice, 43(2), 482-502. Gertner, R. K., Berger, K. A., & Gertner, D. (2007). Country-dot-com: Marketing and branding destinations online. Journal of Travel & Tourism Marketing, 21(2-3), 105-116. Gray, B. J., Fam, K. S., & Llanes, V. A. (2003). Branding universities in Asian markets. Journal of product & brand management, 12(2), 108–120. Guzmán, F., Abimbola, T., & Whisman, R. (2009). Internal branding: a university's most valuable intangible asset. Journal of Product & Brand Management , 18(5), 367–370. Han, J., Kamber, M., & Pei, J. (2011). Data mining concepts and techniques third edition. The Morgan Kaufmann Series in Data Management Systems, 83-124. Hazelkorn, E. (2015). Rankings and the reshaping of higher education: The battle for world-class excellence. Berlin : Springer. Hendrickson, B., Rosen, D., & Aune, R. K. (2011). An analysis of friendship networks, social connectedness, homesickness, and satisfaction levels of international students. International journal of intercultural relations, 35(3), 281-295. Hendrickson, B., & Rosen, D. (2009). Intercultural networking: An analysis of international students’ friendship networks and satisfaction. Annual conference of the international communication conference, 1-35. Hemsley-Brown, J., & Oplatka, I. (2006). Universities in a competitive global marketplace. International Journal of public sector management , 19(4), 316–338. Hemsley-Brown, J., & Goonawardana, S. (2007). Brand harmonization in the international higher education market. Journal of business Research, 60(9), 942948. Hill, P. (2005). Happy campus tops wish list. The Times Higher Education Supplement, June, 17(1), 8-9. Humphreys, B. R., & Mondello, M. (2007). Intercollegiate athletic success and donations at NCAA Division I institutions. Journal of Sport Management, 21(2), 36.