学生休退原因分析
研究方向与方法:
大量的数据资料(Big data)极需进行量化处理与深度分析,以精确地分析出价值及资讯,透过SPSS软件、R语言(网络版免费)针对数据分析且建立统计模型、矩阵处理及图表绘制等工具,将行政单位所提供大量真实数据(real data)转换成资讯(information)。本研究预计针对学生缺旷课原因进行分析,首先借由蒐集学生的基本背景(如家庭成员与经济状况、所属学院或科系、年级、是否住宿、是否有打工以及学期缺旷纪录等),了解现阶段学生缺旷课情况。接着进一步透过问卷调查或学生缺旷周报表(导师)资讯,了解学生缺旷原因。最后,试着分析学生缺旷与学业以及就业表现的影响。兹将本研究拟采用的研究方法说明如下:
大量的数据资料(Big data)极需进行量化处理与深度分析,以精确地分析出价值及资讯,透过SPSS软件、R语言(网络版免费)针对数据分析且建立统计模型、矩阵处理及图表绘制等工具,将行政单位所提供大量真实数据(real data)转换成资讯(information)。本研究预计针对学生缺旷课原因进行分析,首先借由蒐集学生的基本背景(如家庭成员与经济状况、所属学院或科系、年级、是否住宿、是否有打工以及学期缺旷纪录等),了解现阶段学生缺旷课情况。接着进一步透过问卷调查或学生缺旷周报表(导师)资讯,了解学生缺旷原因。最后,试着分析学生缺旷与学业以及就业表现的影响。兹将本研究拟采用的研究方法说明如下:
- 叙述统计
使用叙述性统计用以描述样本资料的基本特性,如学生性别、年级、家庭成员、家庭经济状况、是否有打工、缺旷课数等次数分配与百分比的分布情形,此部份的主要目的在于了解样本的基本结构。
- 单因子变异数分析(One-way ANOVA)及T检定
以单因子变异数分析及T检定来检验不同的学生特征包括学生性别、年级、家庭成员、家庭经济状况、是否有打工是否有显着差异。并利用Scheffe事后多重比较法,加以比较个人特征变项中那些项目对于缺旷课数产生显着的差异。
- 因素分析
经由因素分析可经资料(变量)简化成少数个因素,本研究拟利用探索性因素分析,找出学生缺旷课的主要原因。
- Pearson相关分析(Pearson Correlation Analysis)
利用Pearson相关分析,来找学生缺旷与学业成绩表现以及就业情况之间的相关系数,用以分析各研究变项之间是否有显着相关性。
- 多元逐步回归分析(Stepwise Multiple Regression Analysis)
本研究利用多元逐步回归分析,用以分析自变项(如工读时数)对依变项(缺旷时数)之影响程度(预测力)。
文献参考:
- SPSS 统计分析实务 第三版 、作者:杨世莹2015
- R软件资料分析基础与应用 ,作者:Jared P. Lander着、锺振蔚译2015
- R语言:数学计算、统计模型与金融大数据分析、作者:酆士昌2016
预期效果:
-
快速解读统计分析结果,说明可能解释变量,如:
- independent variable,家庭经济状况?
- 学生打工情形?家庭背景(正常、单亲、隔代教养、独子...)?
- 参与社团活动情形?多元社会力?
- 住宿(宿舍、租赁、居家)?
- 学生缺旷与学生学习品质分析?
- 学生缺旷与就业表现分析?
- 对因变量(dependent variable,学生缺旷及休退)的影响。
- 建立统计回归模型,预测未来学生缺旷及休退趋势并研拟相关因应措施以降低学生缺旷及休退时数。
- 借分析学生缺旷及休退主要原因,并将分析完的结果导入Word、Excel成报告及图表,期以提供决策者拟定相关因应之对策。