高年級的孩子，尤其在升上六年級之後，因身心狀況已進入青 春期，已趨近於國中生的發展狀態，有許多時候孩子自身心理的狀況、家庭狀況或者是與同儕相處的狀況，往往不會輕易被老師所發現，也不甚願意表露；甚至是孩子們出現需要援助狀況或者是發生問題時，老師往往未能在第一時間掌握與得知，只能在狀況發生之後，老師才能介入與協助處理。但在學生不輕易顯露與表達內心想法的狀況下，而如何最快得知學生的狀況？

1. 機器學習與文字探勘
於學生情緒分析與輔導的運用
報告人：新北市中和區積穗國小
曾俊夫

2. 除了學習成效分析外 輔導也很重要吧？

3. 如何了解孩子的狀況
• 透過同儕或者是學生家人透露或告知，老師才
能掌握與了解相關訊息
• 第二便是透過孩子的日記來發現

4. 唷! 別忘了社群網絡的力量!!

5. 萌生想法
若是能透過自動化的方式，
了解孩子們在社群網絡發表的內容，
並加以自動化分析之，
提早了解孩子的狀況，
對老師來說是否更能及時提供協助，
甚至是防患於未然？

6. 實作
• 先寫一支 簡單的爬蟲 script 定期(每天)去爬學
生的公開文(當年最紅也最多人使用的是無名部
落格)。
• 爬完後的資料，存入資料庫當中。

7. 實作
• 將上述收集的文章，呼叫中研院的斷詞系統API，
(哭)以及自己的辭庫，建立每篇文章的特徵向量。
• 採集上述樣本後，開始針對學生的文章進行分類。
(例如說這篇是難過文、這篇是攻擊文、這篇是
開心文….等等)。

8. 實作
• 先運用詞頻統計等方式，去除贅詞或者是停用詞，
取出關鍵字作為文件的特徵值，作為分類演算法的
前處理。
• 以步驟三為樣本進行訓練。採用Apriori、Naive
Bayes、SVM等演算法進行分析建模。

9. 實作
• 學生新的部落格文章預測與模型修正。
• 建立時間序列，若連續異常，則系統會主動
通知老師。

10. 優點
• 老師可以藉由分析與預測結果，提早了解孩子的
身心狀況，可洞察先機，即刻進行了解與處理。
• 一切自動化，老師不用辛苦爬文與分析，省卻工
人智慧勞心勞力之苦。
• 文章分類預測準確率高(約80%，還是會有誤判，
或者是心情已經雨過天青)
• 文章可以串連，分析其相關度。

11. 缺點
• 有的學生根本不用無名，或者是潛水。
• 學生文章會情緒會有所偏頗(例如只報喜不報
憂，只發開心文)。

12. 後記
• 請不要跟我要程式碼
• 程式碼和資料庫放在那臺年久失修舊班級電腦

13. 現在新的服務和API太多太好用惹 請愛用 千萬不要自己刻

14. 案例分享
• 系統去爬某生A與某生B，以及別班某生C的文章，發現
其用詞關聯度甚高，甚至是情緒已偏向負面，發生以文
章彼此互相攻擊的狀況，導師得知後遂與該班導師聯手
處理，遏止一場即將由虛擬衝突轉為實體衝突的狀況。
(學生驚呆云：老師你怎麼知道的??)

15. 感謝聆聽
敬請指教