【臺灣教育部 - 新聞資訊】教育數據拾遺：如何使用不完整的資訊 2013年02月22日 10時訊

政策制定者和分析師在使用「輸入調整法」評比大學院校時，必須盡可能掌握真實的數據資料。在現實世界中，教育方面的數據常常并不完整、也不容易使用。即便有強大的分析工具或方法，資料蒐集往往比分析本身更為困難，錯誤的資料就可能導致錯誤的結論。

有鑒于此，參與HCM「成功的脈絡」這一系列研究的資深研究人員列出了使用數據的一些重點：

廣泛蒐集資料有許多種不同來源的資料可用于「輸入調整法」，數據的多寡則視蒐集的時間和來源而定。以下是可以蒐集資料的方向：?12年國教期間的成績單和其他記錄（分數、是否有免費午餐、課表、操行等）；?大學申請資料（有考慮但并未就讀的學校）；?財務援助申請資料（收入、財產）；?高等教育記錄（轉學學分抵免、結果變項）；?ACT與SAT測驗記錄（分數、背景調查問題）；?就業記錄（結果變項，上大學前的受雇記錄）；?學生調查（參見〈正確的大學院校調查〉一文）；?全國學生情報交換中心（私校/跨州轉學）。

讓遺漏的資料發揮作用將以上資料合併之后，許多學生的記錄可能有部分遺漏。分析師應該建立一個獨立的變項，說明每個變項是否有遺漏，并將這些變項進行分析。某些資料的欠缺本身就具有意義，例如，沒有參加SAT或ACT測驗的學生，可能原本就不打算就讀四年制大學；未曾填寫FAFSA（聯邦學生補助免費申請）的學生更可能來自高收入家庭。

避免遺漏分析師應盡可能使用所有可獲得的資訊，否則選擇性的過濾資訊可能導致上百種不同的預測結果。如果某些資訊最終無助于預測結果、或不容易取得、或難以解釋，之后隨時可以將這些資料拿掉，但任何可能有用的資訊都值得一試。

修正偏離值或使用對數在收入這個變項，一個Facebook員工的收入可以是一群大學畢業生平均收入的兩倍。有一種替代方法是將這些極端值排除或設定上限，但這樣可能漏掉重要資訊（畢竟這所學校的確出了至少一個成功的工程師！）。更好的辦法是以收入的對數來代替收入本身的數字，這樣讓100萬到10萬美元的差距與10萬到1萬美元的差距相仿，而不是差到10倍。其他會出現巨大偏離值的變項也應採類似的處理方式。

追蹤多個世代儘可能採用不只一年的入學學生資訊，這樣有兩個潛在的優點，首先能增加資訊的數量，讓統計效果更好；其次，這樣統計出來的結果可能更接近一般真實情況，而非某一年度學生的特殊情形。但若使用太多年份的資料，統計結果可能無法反映當下的現況。

(譯者：魏瑀嫻)

更多精彩資訊請關注查字典資訊網，我們將持續為您更新最新資訊!