弘光延畢選課的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘出下列價位、菜單、推薦和訂位總整理

以資料探勘技術探討學生流失及延畢之校務研究–以北部某大學為例

為了解決弘光延畢選課的問題，作者潘佳佑 這樣論述：

2015年臺灣各大專校院臺灣的大專院校數已有159所，教育型態從過往的菁英人才式教育，演變為大眾普及教育，大專校院新生指考錄取率高達95.58%。教育政策開放的結果，雖然提供更多學生接受教育的機會，但相對的學校因少子化、學生休（退）學、學生流失導致生源不足，而這些問題是近年各大專院校需要面對與解決的重要議題。許多大學已面臨招生危機，新生招生不足，通知錄取後，學生選擇不報到或報到後即辦理休學等問題，或學期中發現學業不符合志向而休（退）學，影響學費財源收入。從新生註冊率的層面來分析，2015年國立大專院校（日間大學部）有7個科系新生註冊率未達7成，私立學校（日間大學部）則有高達209個科系新生註

冊率未達5成，由此可知目前各個學校正面臨少子化問題；依休學層面來分析，2015年休學學生已高達2萬多人，學生流失問題嚴重；以及學生延畢人數年年上升，日間大學部已從1萬3千人上升至4萬5千人，可見學生延畢情形日漸嚴重。學生繳納的學費是學校主要的生計來源，當學生流失日益嚴重之際，衍生出越來越多學校開始從事校務研究，以找出適當的對策，減緩及避免學生流失。 本研究所採用的資料為北部某大學資管系2004年～2014年共11年的日間大學部資料，經前置處理後，符合條件確認可用的學生資料共441筆。本研究利用資料探勘技術中，分類及關聯的概念進行分析。在分類概念方面，本研究使用決策樹中的CART演算法及CHA

ID演算法進行學生休(退)學、延畢等問題的探討，並以隨機方式選取90%的學生資料作為訓練資料，剩餘的10%資料則作為測試資料；在關聯規則方面，本研究則採用Apriori演算法進行關聯規則分析。經研究發現，決策樹產生的決策因子與關聯規則產生的因子，有一門相同課程，兩棵決策樹有兩門相同課程，因此建議授課老師於期中考時，將成績轉換為百分等級，透過本研究分析出的規則，提早針對符合規則的學生進行預警及輔導，以降低休（退）學學生比例。本研究建議可以遵循此模式探勘各校所有系所資料，以發現影響各學系學生流失及延畢的關鍵課程。