111年國中畢業生適性入學宣導網站的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

自然科學評量試題字數、難度及學生對試題知覺之關聯分析：機器學習之應用

為了解決111年國中畢業生適性入學宣導網站的問題，作者林金山 這樣論述：

本研究應用機器學習探討學校自然科學定期評量與國中教育會考自然科的純文字試題字數與難度模式及學生對純文字試題的知覺與作答結果，據以發展對自然科學命題實務有幫助的試題字數分類與難度模型，及預測學生對試題知覺與作答結果的決策規則。本研究總共探討五個研究問題。研究問題一探討國中自然科學定期評量試題字數與難度之型態，以2014-2019年臺灣北部一所中學提供給七八九年級學生的自然科學定期評量試題與難度進行分析；研究問題二探討國中教育會考自然科試題字數與難度之型態，以2014-2020年臺灣國中教育會考自然科試題與難度進行分析；研究問題三探討國中自然科學定期評量試題字數的分類及難度預測模型，應用機器學習

在國中自然科學定期評量試題字數的分類及難度預測分析，研究對象為2014-2019年在該校的七八九年級學生；研究問題四探討國中教育會考自然科試題字數分類及難度預測模型，應用機器學習在國中教育會考自然科試題字數分類及難度預測分析，研究對象為2014-2020年全國有參加國中教育會考應試自然科的九年級學生；研究問題五探討國中學生對自然科學評量試題知覺與作答結果的決策規則，以機器學習探勘國中學生對自然科學評量試題知覺與作答結果的預測分析，參與對象為2020年的國中七年級。研究結果發現：1.國中七八九年級自然科學定期評量1700題純文字試題的平均字數為86.9字、題幹平均字數為40.2字、選項平均字數為

47.3字、題幹與選項字數比值為1.32、難度平均為0.62（註：本研究所稱難度係為通過率，即全體參與考試的學生通過該試題的百分比）。 2.國中教育會考自然科90題純文字試題的平均字數為130.8字、題幹平均字數為82.7字、選項平均字數為48.0字、題幹與選項字數比值為3.12、難度平均為0.57。 3.機器學習探勘國中七八九年級自然科學定期評量純文字試題字數的分類及難度預測結果發現， M5P分類演算結果將試題字數分成4類，並依此產生4種難度線性預測模型（LM1、LM2、LM3及LM4），模型顯示試題字數越多、題幹與選項字數比值越大，通過率會降低，試題會有越難的傾向。 4.機器學習探勘國中教

育會考自然科純文字試題字數的分類及難度預測結果發現，M5P分類演算結果未將試題字數分類，以題幹與選項字數比值產生1種線性預測模型，模型顯示題幹與選項字數比值越大，試題會有越難的傾向。5.應用機器學習探勘國中學生對自然科學評量純文字試題知覺與作答結果的預測分析，在比較機器學習各種決策樹演算法模型成效的研究結果顯示，以J48演算法的模型較具有解釋性。由J48預測規則的結果顯示，答對試題的規則特徵有：覺得試題容易；覺得試題普通，且覺得有讀過。會答錯試題的規則特徵為覺得試題困難，且覺得沒有讀過。本研究結果可提供教育工作者、教育測驗評量及研究者在自然科學命題實務參考，與應用機器學習在自然科學領域測驗評量

的試題難度分析的研究方法和取向之參考。

低分入學高職學生高統測表現影響因素之研究

為了解決111年國中畢業生適性入學宣導網站的問題，作者陳珠雀 這樣論述：

本研究目的是在探討低分入學高職學生高統測表現影響因素之研究，研究者聚焦在臺北市個案學校103學年度畢業的三年級機械群學生，於入學時，若為免試入學，其成績為該班免試入學學生的後三分之一；若為基測入學，其成績為該班基測入學學生的後三分之一，且於參加統測的成績表現為該班前三分之一者，共有16位學生。實際接受訪談的對象有8位教師（含導師）和16位學生，以半結構訪談法進行質性研究的資料蒐集，依此訪談結果整理之，以提供給高職學生、教師與學校於實際應用之參考。本研究獲得以下發現：一、低分入學高職學生高統測表現個人方面之影響因素有：（一）個人重要特質中「堅持」最重要，「努力」為次要，「企圖心」、「專注」、「

主動積極」排第三。（二）學習動機是點燃動力之火，學習動機被激起必能有利於高統測的表現。（三）學習習慣由被動轉為主動。（四）學習態度的轉變決定統測表現的高度。（五）個人方面之其他因素以善用時間請假讀書為首要。二、低分入學高職學生高統測表現非個人方面之影響因素有：（一）家長方面：以家長教育期望、家長教育程度、家長主動積極參與影響較大，其他還包含家長具示範效果與家長婚姻狀況等因素。（二）教師方面：以教師對學生的期望、教師個人特質、教師積極認真的教學態度及教學技巧影響較大，其他還有嚮往老師畢業的學校，把老師當偶像等因素。（三）社會或環境方面：以學校知名度、學費差異、學校地點與就業市場較具影響力。