1 / 36

分類法在數學科學習成就上的應用與實作

分類法在數學科學習成就上的應用與實作. 指導教授：鄭滄祥 學 生：陳貝逢 日 期： 99 年 1 月 9 日. 研究背景與動機. 數學課是大多數學生學習成就低落的一門學科，學習成就低落與學習態度、方法、環境之間必定有某種程度的關係。 好的學習成效必定有好的學習態度、方法及環境。缺了一項，就可能會造成之後學習上的瓶頸。與其事後進行補救，更好的方法是事先找出問題所在，以加強學習者的自我認知。. 研究背景與動機.

mahon
Download Presentation

分類法在數學科學習成就上的應用與實作

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 分類法在數學科學習成就上的應用與實作 指導教授：鄭滄祥 學 生：陳貝逢 日 期：99年1月9日

  2. 研究背景與動機 • 數學課是大多數學生學習成就低落的一門學科，學習成就低落與學習態度、方法、環境之間必定有某種程度的關係。 • 好的學習成效必定有好的學習態度、方法及環境。缺了一項，就可能會造成之後學習上的瓶頸。與其事後進行補救，更好的方法是事先找出問題所在，以加強學習者的自我認知。

  3. 研究背景與動機 • 本研究針對「安平國中一年級學生數學科學習態度自我評量」的問卷結果作分析，是利用資料探勘中的分類分析(Classification Analysis)方法，找出一組能夠描述資料集合特徵的模式，以期能預測學生從國小升上國中後的數學學習成效，能夠對於學生進行分類，加強教學成效，幫助學習。

  4. 研究目的 • 探討不同性別的學生在數學科目上的學習成效是否有顯著差異。 • 探討不同的學習態度、時間、環境在數學科目上的學習成效是否有顯著差異。 • 找出學習者的學習障礙與迷思。供教師在日後教學時，能針對個別或大部分的學生來進行補救教學。

  5. 研究流程 確定主題 文獻探討 資料蒐集 資料分析 資料輸出 結論

  6. 研究方法 • 本研究針對「安平國中數學科學習態度自我評量」的問卷結果作分析 • 問卷題目代表的變數及意義如下

  7. 研究方法 • 自1960 年代開始，已有許多學者使用樹狀結構來進行資料分析，包括AID、ID3、CHAID、FACT 等，其中，決策樹是應用廣泛的分類與預測工具。決策樹是以樹狀圖為基礎的方法，和類神經網路最大不同處，在於決策樹可產生出規則，讓使用者容易理解。目前最普遍使用的決策樹有兩種－C4.5(Quinlan, 1993)及CART(Breiman et al., 1984)，主要的差別在於前者是多元樹，而後者是二元樹，亦即每一節點皆只有兩個分支。本研究視資料尺度類型，採C4.5 進行研究。

  8. C4.5決策樹 • C4.5 決策樹歸納法是由其前身ID3 學習法(Quinlan, 1986)改進而來(Quinlan, 1979)。ID3 為一決策樹歸納技術，在構建決策樹過程中，ID3 以資訊獲利(Information Gain)為基準，選擇最佳的屬性當成決策樹的節點，使得所導致的決策樹為一最簡單(或接近最簡單)的決策樹。

  9. 實作 • 收集資料

  10. 使用軟體工具(WEKA)

  11. 資料轉檔.csv -> .arff 輸入java weka.core.converters.CSVLoader self-test.csv > self-test.arff 即可完成轉換。

  12. 資料轉檔.csv -> .arff

  13. weka explorer->Open file .arff檔

  14. weka explorer->Open file 直接打開.csv檔

  15. Preprocess畫面

  16. 在Filter的Remove 把“id”Remove

  17. Discretization 使用UltraEdit打開self-test.arff這時我們在UltraEdit中直接修改ARFF文件，把@attribute review hour numeric改為@attribute review hour {0,1,2,3}。

  18. 修改為@attribute review hour {0,1,2,3}

  19. attribute修改前後對照

  20. Classification via J48 load data

  21. Classification via J48Select the "Classify" tab and click the "Choose" button to select the J48 classifier

  22. Classification via J48 選擇10-fold cross-validation 來當評估方法以及設定J48的各種參數

  23. Classification via J48 click "Start" to generate the model.

  24. Classification via J48 view this information in a separate window

  25. Classification via J48 View in separate window" from the pop-up menu

  26. Classification via J48 view a graphical rendition of the classification tree

  27. 決策樹跑出來了！

  28. Use our model to classify the new instances(self-test-new.csv)

  29. 轉成arff檔後，使用ultraEdit來修改其屬性

  30. 在 “Test options” 中，按 “Supplied test set” 然後按“Set...” button.來打開要classify的檔案(self-test-new.arff)，再根據分類器在這組實例上的預測 效果來做決策。

  31. click the “start” button 產生預測結果

  32. 點選右鍵中的“Visualize classifier errors”，將彈出一個新視窗顯示一些有關預測誤差的散點圖

  33. 從圖中按 "Save" button 存成"self-test-predicted.arff"

  34. 使用ultraEdit打開self-test-predicted.arff，會看到增加“Instance_number” and “predictedresults”兩個屬性，這個屬性上的值就是模型對每個實例的預測值。

  35. 預測模型 國小成績 國中數學 成績 有無兄長可指導 預測 補習與否 在家研讀數學時數 有無使用參考書 寫回家功課狀況

  36. 未來努力方向 • 國小成績部份應使用『新生入學考試』成績為依據，且試題應該有九年一貫能力指標為依據命題，且試卷成績可以建立常模方為有效試題，以提高研究之信效度。 • 國中成績部份應採用多次段考成績為依據且應經過標準化處理，例如將成績轉化為z分數，再決定成績等級。 • 問卷設計內容要謹慎小心，否則入寶山也挖不到金礦，也就是要小心『屬性』的良窳。 • 本次報告主要是希望透過實作來瞭解weka操作與DM的神奇，並非一份完善的研究報告，敬請見諒

More Related