圖書借閱資料所包含的品項總共有4個項目,分別是本校藏書、DVD、設備、館際合作。本研究根據上述四種品項,將所有借閱物品分為3個類別:本校書籍、館際書籍、非書籍。品項為「本校藏書」與「館際合作」的物品雖然皆屬於書籍類,但館際合作無法判斷其借閱的書籍為何,故分別定義本校書籍與館際書籍,本校藏書在類別中定義為「本校書籍」,館際合作則定義為「館際書籍」。「DVD」與「設備」品項皆屬於非書籍類的借閱,因此在類別中,將這此二類物品定義為「非書籍」。三種類別之中,學生借閱過本校書籍的人數最多,有13672人,其次是非書籍與館際書籍,分別為1058人、117人。
若類別屬於本校書籍,則進一步利用語文別與索書號當中的分類號定義其圖書類別。本校書籍依照語文別分成中文圖書與西文圖書,中文圖書包含大陸簡體、日、韓文之書籍;西文圖書包含英文、德文等書籍。索書號的形成包括特藏號、分類號、作者號、年代號與部冊號等部份,主要用於圖書館排架與典藏之用,其中分類號是按圖書之內容主題,給予對應的類號,因此在此利用分類號作為書籍之分類特徵。本校圖書分類號依照語文別有不同的分類法依據,中文書使用之方法為中國圖書分類法,將書分為「總類」、「哲學類」、「宗教類」、「科學類」…等,共10大類;西文書使用之方法為杜威分類法,將書分為「電腦、資訊及總類」、「哲學及心理學」、「宗教學」、「社會科學」…等,同樣共10大類。本研究結合語文別與其對應之分類號,將本校書籍分為20種圖書類別:「中文總類」、「中文哲學類」、「中文宗教類」、「中文科學類」、「西文電腦、資訊及總類」、「西文哲學及心理學」、「西文宗教學」…等,中文圖書與西文圖書各10類。
為了解學生的圖書借閱習慣,本研究使用圖書借閱資料中的本校書籍借閱數,將學生借閱習慣分成三大類:不借閱、少借閱、多借閱。如果學生沒有本校書籍的借閱紀錄,則定義為不借閱,然而由於不同科系的學生借閱習慣不同,像是人文學院之學生有圖書借閱的人數比例及每人平均借閱次數都比較多,且不同學屆的學生在圖書館可以借閱的書籍並不相同,因此判斷學生為少借閱或多借閱時,是以同科系同學年的學生為比較對象。首先計算出同科系同學年中的本校書籍借閱中位數,使用它做為分類「少借閱」與「多借閱」的判斷標準,若學生的借閱數沒有超過中位數,便判斷為「少借閱」,反之為「多借閱」。
## Saving 7 x 5 in image
## Saving 7 x 5 in image
定義平均續借次數,效率高的人可能不是愛閱讀的人,擔心多閱讀跟少閱讀只是借教科書而已,教科書通常是借一次就還回去,因此放了平均借閱次數,控制他不是借工具書,顯現他的借閱是閱讀喜好
\[平均續借次數=(\dfrac{總借閱次數}{書籍數目})-1\]
## Warning: Column `學系` joining character vector and factor, coercing into
## character vector
Shannon’s diversity index:N表示開課系所個數,qi表示第i個開課系所占總學分數的比例
\[修課多樣性=-\sum_{i=1}^Np_i\mathrm{ln}p_i\] \[p_i=\dfrac{第i個開課系所的修課學分數}{選修課的總學分數}\]
\[N:學生有修課的開課系所總數\]
## Saving 7 x 5 in image
## Saving 7 x 5 in image
## Saving 7 x 5 in image
## Saving 7 x 5 in image
## Saving 7 x 5 in image
## Saving 7 x 5 in image
大一借閱的書籍數目、館際借閱為可用的工具變數(最後放)
輔修雙主修,修課loading跟表現有關
\[log({Diversified\_courses}_{i})=\Sigma_k\beta_k{Reading\_habit}_{i}^{k}+\varepsilon_{i}\qquad(1)\]
\[log({Diversified\_courses}_{ijt})=\Sigma_k\beta_k{Reading\_habit}_{ijt}^{k}+\gamma\rm{X}_{ijt}+\varepsilon_{ijt}\qquad(3)\]
\({Diversified\_courses}_{ijk}\) 代表t年入學的學生i在科系j的修課多樣性;\({Reading\_habit}_{ijt}^{k}\)為一系列虛擬變數代表學生i的書籍閱讀習慣,其中包含不借閱、少借閱、多借閱三種書籍閱讀習慣;\(\rm{X}_{ijt}\)則代表其他控制變數,其中主要包含學生的性別、各科系的固定效果、入學年的固定效果。
Dependent variable: | ||
修課多樣性 | ||
(1) | (2) | |
多借閱 | 0.056*** | 0.042*** |
(0.004) | (0.003) | |
少借閱 | -0.003 | -0.012*** |
(0.003) | (0.003) | |
女性 | 0.013*** | |
(0.002) | ||
Constant | -2.271*** | -2.292*** |
(0.002) | (0.006) | |
科系固定效果 | 無 | 有 |
入學年份固定效果 | 無 | 有 |
Observations | 16,498 | 16,498 |
Adjusted R2 | 0.014 | 0.364 |
Note: | p<0.1; p<0.05; p<0.01 |
\[{Class\_rank}_{i}=\Sigma_k\alpha_k{Reading\_habit}_{i}^{k}+\varepsilon_{i}\qquad(2)\]
\[{Class\_rank}_{ijt}=\Sigma_k\alpha_k{Reading\_habit}_{ijt}^{k}+\gamma\rm{X}_{ijt}+\varepsilon_{ijt}\qquad(4)\]
在模型(1)中\({Class\_rank}_{ijt}\)代表t年入學的學生i在科系j的專業科目成績表現;\({Reading\_habit}_{ijt}^{k}\)為一系列虛擬變數代表學生i的書籍閱讀習慣,其中包含不借閱、少借閱、多借閱三種書籍閱讀習慣;\(\rm {X}_{ijt}\)則代表其他控制變數,其中主要包含學生的性別、各科系的固定效果、入學年的固定效果。
Dependent variable: | ||
專業必修成績PR | ||
(1) | (2) | |
多借閱 | -7.417*** | -5.298*** |
(0.460) | (0.450) | |
少借閱 | 0.412 | 0.222 |
(0.387) | (0.373) | |
女性 | 12.191*** | |
(0.322) | ||
Constant | 48.831*** | 48.182*** |
(0.246) | (0.828) | |
科系固定效果 | 無 | 有 |
入學年份固定效果 | 無 | 有 |
Observations | 16,498 | 16,498 |
Adjusted R2 | 0.017 | 0.095 |
Note: | p<0.1; p<0.05; p<0.01 |
在入學前可能閱讀習慣不同,所以控制大一閱讀數,像是人院的一些系透過課程所以多閱讀(去除科系效果後)
結論:或許可以找出活動去閱讀,導致成績不錯
Dependent variable: | |||||
專業必修成績PR | |||||
(1) | (2) | (3) | (4) | (5) | |
多借閱 | -4.782*** | -4.337*** | -4.762*** | -4.318*** | -2.851*** |
(0.474) | (0.496) | (0.474) | (0.496) | (1.106) | |
少借閱 | 0.449 | 0.247 | 0.431 | 0.229 | -0.059 |
(0.365) | (0.371) | (0.365) | (0.371) | (0.803) | |
平均續借次數 | 4.513*** | 4.451*** | 4.492*** | 4.430*** | 5.769*** |
(0.491) | (0.492) | (0.491) | (0.492) | (1.200) | |
四年修習學分數 | -0.273*** | -0.275*** | -0.274*** | -0.275*** | -0.157*** |
(0.010) | (0.010) | (0.010) | (0.010) | (0.025) | |
大一書籍數目 | 0.082*** | 0.082*** | 0.087 | ||
(0.027) | (0.027) | (0.056) | |||
館際書籍借閱次數 | 1.140** | 1.134** | 0.783 | ||
(0.526) | (0.526) | (0.615) | |||
factor(性別).L | 10.942*** | 10.909*** | 10.946*** | 10.913*** | 11.031*** |
(0.317) | (0.318) | (0.317) | (0.318) | (0.709) | |
學測國文成績 | 0.405 | ||||
(0.431) | |||||
學測英文成績 | 1.586*** | ||||
(0.427) | |||||
學測數學成績 | 0.940*** | ||||
(0.250) | |||||
學測社會成績 | 2.586*** | ||||
(0.408) | |||||
學測自然成績 | 2.113*** | ||||
(0.309) | |||||
Constant | 90.241*** | 90.246*** | 90.190*** | 90.195*** | -20.165** |
(1.768) | (1.768) | (1.768) | (1.768) | (9.247) | |
Observations | 16,498 | 16,498 | 16,498 | 16,498 | 3,625 |
Adjusted R2 | 0.137 | 0.138 | 0.138 | 0.138 | 0.128 |
Note: | p<0.1; p<0.05; p<0.01 |
Dependent variable: | ||||
修課多樣性 | 專業必修成績PR | |||
(1) | (2) | (3) | (4) | |
多借閱 | 0.056*** | 0.042*** | -7.417*** | -5.298*** |
(0.004) | (0.003) | (0.460) | (0.450) | |
少借閱 | -0.003 | -0.012*** | 0.412 | 0.222 |
(0.003) | (0.003) | (0.387) | (0.373) | |
女性 | 0.013*** | 12.191*** | ||
(0.002) | (0.322) | |||
Constant | -2.271*** | -2.292*** | 48.831*** | 48.182*** |
(0.002) | (0.006) | (0.246) | (0.828) | |
科系固定效果 | 無 | 有 | 無 | 有 |
入學年份固定效果 | 無 | 有 | 無 | 有 |
Observations | 16,498 | 16,498 | 16,498 | 16,498 |
Adjusted R2 | 0.014 | 0.364 | 0.017 | 0.095 |
Note: | p<0.1; p<0.05; p<0.01 |