(一)研究背景
台灣從2014年8月全面推動12年國教，延長國民基本教育年限，將高中、高職、五專之前三年，納入國民基本教育，以提升國民素質與國家實力的教育政策。12年國教其五大理念為：(1)有教無類。(2)因材施教。(3)適性揚才。(4)多元進路。(5)優質銜接。從兩千多年前，孔老夫子就提倡『有教無類』的教育理念，也是最早實施『因材施教』的教育家。而精準教育的概念，就是冀望針對不同特性的學生能有適合自己的教學內容，並創造出自己獨特的發展。
精準教育在各個教育階段都是一種挑戰，12年國教、108課綱實施至今，也有許多正反意見在爭論。當學生進到高等教育階段(大學或科技大學)，由於近幾年由於入學門檻降低，所招收的學生差異性變大，傳統的教學方法可能無法滿足所有學生的需求，因此許多大學也開始思考『精準教育』的必要性了。如亞洲大學提出『精準教育三部曲』，內容包括學習基因檢測、預防性輔導及智慧學習，逐步落實因材施教的教學目標(吳聰能 & 蔡碩倉, 2019)。
本研究希望能透過近幾年的學生學習資料，建立起本校的精準學習模型，進而能幫助到教師、學生之間的『教』與『學』，漸而達到有教無類、因材施教等教育理念。
 
(二)研究目的
本研究根據大量的學生學習資料，建立精準學習模型，進而達到『判斷休退學可能性高的學生』之目的。
 
(三)結論
精準學習模型的建構是一個多維度整合的過程，結合了數據驅動分析、教育理論與技術創新，其最終目的是為學習者提供個性化、效率化的學習體驗。透過本次的初探研究，深深感覺到資料收集及整合的重要性，如果資料量不足，就很難從中挖掘出有用的部分。本研究使用機器學習這個新技術，建構出第一版的精準學習模型。等未來收集到更多的資料後，依照步驟就能夠很快地建構出下一版的精準學習模型，以達到更精準的預測。
要落實精準學習必須思考到一個最基本的問題，想透過精準學習模型達到預測學生是什麼狀態，再進一步要針對不同狀態的學生有不同的輔導措施。例如本次模型預測出有休退風險的學生，我們可以提早進行輔導，以降低學生的休退率。若有另一個模型能預測學生是否適合目前科系，就可以提早進行轉系的輔導。或是另一個模型能診斷學生學習意願的高中低，則可以提供不同的學習建議。不同的模型所需作為輸入的資料當然是不同，所以第一步需確立好目的，才知要建立哪種模型，並事先準備哪些資料，透過模型預測出結果，最後才進行對應的輔導，其流程為1.確立目的。2.收集資料。3.建立模型。4.預測結果。5.輔導措施。但無論要建立哪種模型，資料量一定要多，資料的面向一定要廣。