研究方法（頁5）

研究發現與結論（頁6）

研究原創性／價值性（頁7）

資料來源（頁7）

　　當有數據資料後，是否就能實踐數據評鑑的可能？故本研究希透過數據資料並輔以類神經網絡運算法，探究校務評鑑結果預測模型之準確度，並進行資料探勘技術實踐於教育評鑑的可能性探討。根據LeCun， Bengio， & Hinton(2015)三位圖靈獎(Turing Award)得主發表在自然(nature)期刊中的研究指出，類神經網絡其主要功能在於建構非線性的模型，以解決最佳化、非線性系統問題，能接受不同種類的變數作為輸入，是目前機器學習中最有效的工具，這樣的工具發展，讓數據預測教育發展出現一線曙光。因此，本研究運用類神經網絡運算法進行機器學習，建立校務評鑑模型了解預測效果，探究數據資料進行校務評鑑的可能性。