電子報 2018 vol. 02

● 快訊！ 2018 QS 畢業生就業力排名，交大排名國內第二！

● 校務研究的未來藍圖及發展策略

● 建置資料倉儲作為校務決策之基石

● 2018 上海軟科電子電機學科排名，交大榮登國內第一！

● 數字交大

● IR 近期活動

快訊！

2018 QS 畢業生就業力排名，

交大排名國內第二！

2018 年 QS 畢業生就業力排名於 2018 年 9 月 11 日公告，本校去年排名全球

第 161-170 名，今年進步到 141-150 名，為國內第二名。QS 畢業生就業力共有五項

評比指標─雇主聲譽、校友表現、學校與企業的合作關係(例如提供實習或工作機會)、

雇主與畢業生的連結性(例如在校內舉辦徵才活動)、畢業生就業率，前三項指標共占

80%的權重，後兩項則各占 10%，國內學校排名如表 1。

表 1 2018 年 QS 畢業生就業力排名國內入榜(前 300 名)學校一覽表

全球名次 學校

81 台灣大學

141-150 交通大學

171-180 成功大學

201-250 台灣科技大學

251-300 中山大學

資料來源： 2018 年 QS 畢業生就業力排名詳見

https://www.topuniversities.com/university-rankings/employability-rankings/2019

校務研究的未來藍圖及發展策略

傅遠智 國立中正大學 教育學研究所助理教授

「公共投資高等教育的合法性基礎？」

國家投資高等教育的理由可以從經濟和社會兩個角度來看：(1)提高個人生產力；

與(2)促進教育公平及社會階級流動。然而，現有世界大學排名機構所使用的指標—師生

比、國際教職員與國際學生比例等，絕大多數與高等教育所背負的社會責任沒有直接關

連，學術互評或雇主評價等主觀指標通常也只更加劇高等教育已存在的「馬太效應」，強

者恆強，弱者恆弱，聲名顯赫的學校會因排名結果變得更加有名，默默無名的學校則始終

無法受到注目，但這些較少具有國際聲望的大學機構卻承擔絕大部分人才培育的責任。

為了能夠更客觀、科學化地檢視高等教育機構的社會責任，以及對於學生接受高等教

育的加值效果，英國 1、美國政府機構都分別在 2012 年與 2017 年提出相關報告，其中美

國史丹佛大學的經濟學者 Raj Chetty 教授所主持的大型研究項目「公平機會計畫」(The

Equality of Opportunity Project)(http://www.equality-of-opportunity.org/)，便是透

過「大學評分表」(College Scorecard)2 以及聯邦學生補助金(Free Application for

Federal Student Aid, FASFA)資料，計算學生畢業後之個人收入並對比其原生家庭當年

的收入，最終求出社會階層流動率(Mobility Rate)3。Chetty 的研究結果顯示，加州州立

大學洛杉磯分校(California State University, Los Angeles)的社會階層流動率高達

9.9%，位居全美第一，即有 9.9%的學生進入該校就讀時，其原生家庭收入落在全國後

20%，然學生畢業 15 年後的個人收入卻高居全國前 20%，由此體現高等教育對於學生個

人在社會階層流動的影響力。表一為全美社會階層流動率最高的前十名大學，可看出與一

般印象中的大學排名截然不同，許多教學型大學與社區大學顯然在促進社會階級流動有

著更大的貢獻。社會階層流動率的概念提供了社會大眾一個簡單易懂的指標來評估大學

的績效，並作為政府教育改革與學費補助之依據。

校務研究的價值在於資料的完整性

美國自 20 多年前便開始有系統地蒐集進入大學就讀的學生資料，也因為資料細至個人

層級，能夠與其他外部資料進行勾稽，上述的「公平機會計畫」等橫跨數十年的縱貫性研究

才得以實現。若國內也希望建立一客觀並科學化檢視高教價值的資訊平台，我們首先需要一

個完整蒐集學子家庭背景與父母職業的資料庫，目前教育部所建置的「全國高等教育校務研

究跨域整合資料庫」(以下簡稱 IR 資料庫)，現階段已完成部分面向欄位的定義，並完成部

分學校測試上傳，即將於年底進入全國上傳階段。這標誌著我國教育數據已從傳統的行政數

據匯報，走向數據科學的加值應用。這些數據每年已加密上傳至國家高速網路與運算中心進

行儲存，未來將配合各地教育數據加值中心的設立，而走入巨型數據加值應用的新時代。

目前 IR 資料庫已與高等教育相關的數據庫進行串接，已納入資料數據系統的包括：

(1)大專校院就業職能平台(University Career and Competency Assessment Network,

UCAN)；(2)臺灣高等教育整合資料庫；(3)勞動部投保薪資資料；(4)資策會畢業生就業流

向調查。未來包括高中學習歷程資料庫也是整合的範圍，當有更多外部資料加入合作行列

後，IR 資料庫可為教育研究與教育政策的科學化與專業化推進提供強而有力的幫助。

排名 學校名稱 社會階層移動率

1 California State University – Los Angeles 9.9%

2 Pace University – New York 8.4%

3 SUNY – Stony Brook 8.4%

4 Technical Career Institutes 8.0%

5 University of Texas – Pan American 7.6%

6 CUNY System 7.2%

7 Glendale Community College 7.1%

8 South Texas College 6.9%

9 California State Polytechnic University – Pomona 6.8%

10 University of Texas – El Paso 6.8%

表 1 全美社會階層流動率前十名大學

1.Milburn, A. (2012). University Challenge: How Higher Education Can Advance Social Mobility.

A progress report by the Independent Reviewer on Social Mobility and Child Poverty. London:

Cabinet Office. 2.歐巴馬政府時代推出的線上工具，專門蒐集大學學費、畢業後平均收入及學貸負債等資訊。 3.社會階層流動率的計算包含兩個概念： Success Rate 與 Access。Success Rate 係指畢業生其薪資為全美

前 20%的百分比，Access 係指學生之原生家庭收入為全美後 20%之百分比。

建置資料倉儲作為校務決策之基石

大數據研究中心

隨著電腦網路的普及，資料庫應用在管理大量資料的技術日趨成熟，然而這類型的資

料庫著重線上交易處理(On-Line Transaction Processing)，也就是少量資料的讀寫速度

及系統的可使用性。但在分析日積月累的歷史資料時，如:歷史資料探勘、資料整合查詢

等，則是常對資料庫進行大量資料選取(select)、串接(join)與整合(aggregate)。因著資

料使用的特性不同，為使交易型資料庫中的資料更適合資料分析人員使用，1990 年

W.H.Inmon 便提出了資料倉儲(Data warehouse)的概念，透過轉換資料儲存的架構，例

如將資料反正規化，或將單一時間欄位拆解成年、季、月三個欄位，並建立階層關係，以

利分析。

以校務資料為例，學校資料庫中存有學生學習資料、教師教研資料及校務行政資料

等，若想了解如何運用教師及行政資源提高學生學習成效，可能因資料各自存放於不同單

位的資料庫，且資料格式、儲存方式及資料不一致問題，無法整合及串接資料，造成校方

無法透過實證數據進行校務決策。因此將校務資料轉換成適合分析的資料儲存結構是校

務研究與建立決策支援系統成了首要的工作。

資料倉儲、資料市集並非單一性產品或服務，而是包含了各種技術、各種工具且具有

彈性的環境。建置資料倉儲、資料市集最重要的是背後的系統架構，須考量：(1)可擴充

的資料模型；(2)系統架構須符合商業結構來存放資料；(3)操作狀態資訊的轉換；(4)資

料必須反正規化。目前建置資料倉儲、資料市集大都參考圖書館學與資訊工程學的「採、

編、典、藏、用」 五項口訣式的概念。以下依循這五個步驟介紹本校資料倉儲、資料市

集建置的過程。

資料採集：盤點校內外資料庫及資料來源，作為建立資料倉儲之依據。校內資料庫

約 112 個、資料集依重要性及需求納入；校外資料包括:大學校院校務資料庫、高

等教育跨域整合校務研究資料庫、畢業生流向調查、教育部 UCAN 平臺、教育部

統計處資料、勞動部勞健保薪資資料、大學排名…等。

資料彙編：建立資料存取的方式、資料萃取方法、定義資料欄位、資料轉換規則、

資料轉換格式及資料存取方法，業界俗稱 ETL (Extract、Transform、Load)，是確

保資料品質與內容的一致性的資訊技術。

資料字典：待資料清理確認無誤、相關的衍生變項製作完成並建立完善的資料轉換

規則後。依據主題分析資料表建立編碼說明書(資料字典)，作為資料管理者、資料使

用者查詢及瞭解各欄位資料內涵之參考。

資料儲藏：資料除放置於儲存設備與系統中，另建立資料備份(儲存裝置備份、交換

備份及異地備份)與備援(虛擬機複寫備援)等機制，避免因天災人禍造成資料損失，與

工作、服務停擺。

資料使用：依管理、應用及研究層級提供不同層次的資訊支援服務，目前本校建置之

資料倉儲預計提供自動化報表、動態資訊儀表板、任務型報告、校庫填報、開創性或

探索性議題，供校內行政決策之參考。另也開放校內教師、學生申請校務資料進行學

術研究或學位論文之用。

綜上所述，資料倉儲、資料市集的建置會依照使用目的來進行建構，需要資料分析

人員、資訊技術人員、原資訊系統設計人員、業務單位使用人員不斷地反覆溝通，釐清資

料定義、資料建立的規則與分析需求，並考量後續資料倉儲的權限管理問題，確保資通訊

安全，及資料倉儲的擴充性，才能為組織量身訂造專屬的資料倉儲。

圖 1 校務資料倉儲

2018 上海軟科電子電機學科排名，交大排名榮登

國內第一！

大學排名系列報導

2018 年上海軟科學術大學學科排名於 2018 年 7 月底公告，與上一期報導的 QS 學

科排名最大的差別在於─上海軟科排名評比非常重視學術表現(如論文發表量、論文標

準化影響力及頂尖期刊論文數指標)，完全不看聲譽表現，只針對學術上的表現來評比一

所大學。2018 年上海軟科學科排名是第二年發佈，往年多以較廣範圍的學科「領域」

來作排名，但從去年開始正式發表了共計 52 門的學科排名，排名分為 5 大領域─自然

科學、工程、生命科學、醫學及社會科學(未將藝術與人文領域列入評比)，今年共計有

54 門學科。

本校今年共入榜 17 門學科(詳見表 1)，其中傑出表現如下：

電子電機學科排名全球第 70 名，為國內第一名，超越國內他校。

今年有 4 門學科為首次入榜，分別為控制科學與工程、土木工程、生物醫學工程

及生物工程學科。

表 1 2018 年本校入榜學科一覽表

全球名次 入榜學科

51-100 通訊工程、電子電機工程、交通運輸工程、儀器科學、奈米科學與技術

101-150 能源科學與工程

151-200 控制科學與工程、計算機科學與工程

201-300 化學、材料科學與工程、機械工程、生物醫學工程、土木工程、教育學

301-400 管理學

401-500 生物工程、物理

上海軟科學科排名評比指標定義如表 2，按照各領域學科特性有不同的權重分配，

然絕大部分皆是以論文發表量、論文標準化影響力及頂尖期刊論文數指標為主。

表 2 2018 年上海軟科學科排名評比指標

資料來源： 2018 年上海軟科學術大學學科排名公告網址

http://www.shanghairanking.com/Shanghairanking-Subject-Rankings/index.html

指標 定義

論文總數

(PUB)

過去 5 年(2012-2016) WOS 資料庫中相對應之學科收錄的論文數

(僅限 Article 類型)。

論文標準化影響力

(CNCI)

過去 5 年(2012-2016) InCites 資料庫相對應之學科收錄的 Article 類型論

文被引次數與同出版年、同學科、同文獻類型論文篇均被引次數比值的平

均值。(若 CNCI 等於 1，代表該校論文的被引表現與全球平均水準相當，

若 CNCI 大於 1 則代表論文被引表現高於全球平均水準。)

國際合作論文比例

(IC) 2012-2016 年發表之國際合作論文比例。（WOS 資料庫）

頂尖期刊論文數

(TOP)

2012-2016 年在該學科對應之頂尖期刊或研討會上發表之論文數量

（僅限 Article 類型）。

頂尖之定義：

1.經上海軟科學術卓越調查，由參與者票選出頂尖期刊(共 41 個對應學科)

期刊列表：

http://www.shanghairanking.com/subject-survey/top-journals.html

2.經上海軟科學術卓越調查，由參與者票選出頂尖研討會(僅有計算機科學

與工程學科) 研討會列表:

http://www.shanghairanking.com/subject-survey/conferences.html

3.未包含在上述的學科，則根據 2016 年 JCR（Journal Citation Report）

公布的期刊影響因子(Impact factor)，取影響因子位於前 20%的期刊來

計算。

教師獲權威獎項數

(AWARD)

教師自 1981 年以來獲得該學科重要國際獎項的折合數，不同年代的獲

獎者被賦予不同的權重，每回推十年權重遞減 25%。

(重要獎項同樣是經由上海軟科學術卓越調查票選而來，獎項列表如下：

http://www.shanghairanking.com/subject-survey/awards.html)

IR 近期活動

Tableau 分析工具實作工作坊：

大數據分析與人工智慧機器學習軟體實作課程

時間： 107 年 10 月 3 日(三) 13:00 ～ 16:30

地點：光復校區基礎科學大樓 SC201 電腦教室

報名網址： http://bigdatacenter.nctu.edu.tw/?p=1823

教育

訓練

校務

演講

校務研究經驗分享：從 BI 走向 AI

主講人：國立交通大學大數據研究中心王蒞君主任

時間： 107 年 10 月 12 日(五) 14 ： 00 ～ 16 ： 00

地點：高雄醫藥大學

校務研究系列講座(二)：大數據之資訊安全與去識別化

主講人：國立交通大學資訊管理研究所樊國楨教授

時間： 107 年 10 月 17 日(三) 9:00 ~ 12:00

講座地點與議程，敬請期待！

國際

會議

THE 機構國際高峰會 The Transformative Power of Research:

Advancing Knowledge, Driving Economies, Building Nations.

時間： 107 年 9 月 24-27 日

地點：新加坡國立大學