---
title: "把出缺勤、成就、參與資料串成一條線之後看見的東西"
description: "點出把原本分開看的出缺勤、成績、參與資料，以單一學生為單位結合之後才會浮現的學習診斷訊號。"
lang: "zh-Hant"
date: "2026-02-01T15:00:00.000Z"
updated: "2026-06-28T02:37:00.000Z"
tags: ["資料結合","整合分析","學習診斷","學習分析"]
canonical: "https://flipsson.com/tw/blog/q82HeGcjX8gj"
---

# 把出缺勤、成就、參與資料串成一條線之後看見的東西

學校並不缺資料。出缺勤堆在行政系統裡，成績堆在成績處理程式裡，參與紀錄堆在學習管理系統裡，各自分開。問題在於這三者==各自被鎖在不同的抽屜裡，因此看不見一位學生的完整圖像==。只看出缺勤顯得認真、只看成績顯得落後的同一位學生，在三份資料被串成一條線的瞬間，就會浮現出完全不同的診斷。結合不是去蒐集新資料，而是把已經擁有的資料疊在同一位學生身上。

## 結合之後浮現的模式

把三份資料以單一學生為單位串起來，以下幾種類型就會清楚地區分出來。

1. **出席良好但成就偏低的學生**：人在教室裡，卻碰不到學習的情況。只看點名簿，完全看不出有任何問題。應該懷疑是授課方式，或是先備學習的缺口。
2. **成就很高但參與偏低的學生**：多半是對已經懂的內容感到無聊。==資優生安靜的抽離，光看出缺勤絕對抓不到。==這些學生需要的是有挑戰性的作業。
3. **參與很積極但成就跟不上的學生**：是有努力，但方法沒有效率。花了很多時間卻做不出結果，就需要學習策略上的教練式引導。這不是該責備的事。
4. **三項指標同時下滑的學生**：是最急迫需要介入的對象。比起學習方法，要==先檢視家庭、健康、人際關係這類學習之外的因素==。

> 只看一種資料的診斷，就像閉著一隻眼睛看路。距離感與立體感都會消失。

## 嘗試結合時的注意事項

原則優先於技術。結合本身並不難，但做錯了就會製造誤會。

- **整理共同識別碼**：同一位學生在各系統用不同的編號，就無法結合。==能不能用一組學號把所有資料串起來，才是起點==。有同名同姓的人時更是如此。
- **時間點對齊**：出缺勤以日為單位，成績以單元為單位，參與則是即時的。要用同一段期間綁在一起，比較才有意義。把 5 月的成績和 3 月的參與湊在一起，會得出離譜的結論。
- **個人資料最小限度結合**：只合併診斷上必要的項目。不要出於好奇再多合併。合併得越多，風險也跟著變大。
- **要經過人的解讀**：結合資料做出的分類只是假設，不是貼在學生身上的標籤。被歸到「參與偏低」這一類，並不代表那個學生懶惰。分類是對話的起點，不是結論。

實際這樣結合一個學期看看，在 30 人的班級裡，就會有三四位在單一指標下看起來平凡無奇的學生，浮現為新的關注對象。像是出席與成績都在中間、因此一直在老師視野之外的學生，其實參與度正持續下滑。結合真正的效用，就在於把這些「安靜下沉的中間層」拉到水面上。

## 重點整理

出缺勤、成就、參與分開看時只是片段，以單一學生為單位串起來，就會成為==可供診斷的立體圖像==。有來上課卻跟不上的學生、成績好卻覺得無聊的學生，這些躲在單一指標背後的類型，這時才會顯露出來。關鍵不在於華麗的分析工具，而在於用一組學號把資料串起來，並且一定要用人的眼睛去解讀那個結果。