學生休退原因分析

研究方向與方法:
大量的數據資料(Big data)極需進行量化處理與深度分析,以精確地分析出價值及資訊,透過SPSS軟體、R語言(網路版免費)針對數據分析且建立統計模型、矩陣處理及圖表繪製等工具,將行政單位所提供大量真實數據(real data)轉換成資訊(information)。本研究預計針對學生缺曠課原因進行分析,首先藉由蒐集學生的基本背景(如家庭成員與經濟狀況、所屬學院或科系、年級、是否住宿、是否有打工以及學期缺曠紀錄等),了解現階段學生缺曠課情況。接著進一步透過問卷調查或學生缺曠週報表(導師)資訊,了解學生缺曠原因。最後,試著分析學生缺曠與學業以及就業表現的影響。茲將本研究擬採用的研究方法說明如下:
  1. 敘述統計
使用敘述性統計用以描述樣本資料的基本特性,如學生性別、年級、家庭成員、家庭經濟狀況、是否有打工、缺曠課數等次數分配與百分比的分佈情形,此部份的主要目的在於瞭解樣本的基本結構。
  1. 單因子變異數分析(One-way ANOVA)及T檢定
以單因子變異數分析及T檢定來檢驗不同的學生特徵包括學生性別、年級、家庭成員、家庭經濟狀況、是否有打工是否有顯著差異。並利用Scheffe事後多重比較法,加以比較個人特徵變項中那些項目對於缺曠課數產生顯著的差異。
  1. 因素分析
經由因素分析可經資料(變數)簡化成少數個因素,本研究擬利用探索性因素分析,找出學生缺曠課的主要原因。
  1. Pearson相關分析(Pearson Correlation Analysis)
利用Pearson相關分析,來找學生缺曠與學業成績表現以及就業情況之間的相關係數,用以分析各研究變項之間是否有顯著相關性。
  1. 多元逐步迴歸分析(Stepwise Multiple Regression Analysis)
本研究利用多元逐步迴歸分析,用以分析自變項(如工讀時數)對依變項(缺曠時數)之影響程度(預測力)。
 
文獻參考:
  1. SPSS 統計分析實務 第三版 、作者:楊世瑩2015
  2. R軟體資料分析基礎與應用 ,作者:Jared P. Lander著、鍾振蔚譯2015
  3. R語言:數學計算、統計模型與金融大數據分析、作者:酆士昌2016
預期效果:
  • 快速解讀統計分析結果,說明可能解釋變數,如:
    • independent variable,家庭經濟狀況?
    • 學生打工情形?家庭背景(正常、單親、隔代教養、獨子...)?
    • 參與社團活動情形?多元社會力?
    • 住宿(宿舍、租賃、居家)?
    • 學生缺曠與學生學習品質分析?
    • 學生缺曠與就業表現分析?
    • 對因變數(dependent variable,學生缺曠及休退)的影響。
  • 建立統計迴歸模型,預測未來學生缺曠及休退趨勢並研擬相關因應措施以降低學生缺曠及休退時數。
  • 藉分析學生缺曠及休退主要原因,並將分析完的結果導入Word、Excel成報告及圖表,期以提供決策者擬定相關因應之對策。