(這是約莫在七年前做的小實驗，當時是帶著班上孩子進行未來教室的方案，所以有機會一玩，而當時數據分析技術與工具較為陳舊，現在的工具較當年已經方便很多惹，甚至還有許多Cloud Service or API可以使用，所以請不用找我要程式碼XDDD)
(這是噗八的投影片)
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？
其一便是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；
其二則是透過孩子的日記來發現。後來偶然發現孩子們平時可能拙於言辭、或在學校不願意輕易表達內心想法時，卻意外發現學生喜歡在社群網絡上暢所欲言，侃侃而談。
因此萌生一個想法：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，是否能及時提供協助，甚至是防患於未然？
好了，開始動手進行實作囉！
- 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。
- 將上述收集的文章，呼叫中研院的斷詞系統API(是的，當年只有這個能用@@)，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)。
- 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。
- 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。
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%，還是會有誤判的狀況，或者是心情已經雨過天青)
- 文章可以串連，分析其相關度。
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)。
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：老師你怎麼發現的??)
後記：現今社群網絡較之當年更為發達，若是能善用此技術，能得知學生的狀況，不論在偏差行為發生之際，或者是學生及需要協助之時，相信能更早得知學生的狀況，並適時給予協助，成為輔導的利器之一。
