合成資料 教育合成資料比較:SMOTE/Bootstrap 與 VAE/Copula‑GAN 在隱私與預測效用的權衡 學習分析受限於學生資料的隱私與稀缺,阻礙教育科技發展。研究以一萬筆學生成績資料比較傳統重抽樣(SMOTE、Bootstrap、隨機過採樣)與深度生成模型(自編碼器、變分自編碼器、Copula-GAN)的統計擬合、效用與隱私指標。結果發現重抽樣在TSTR上接近實資料但DCR趨近0,而深度模型DCR趨近1;變分自編碼器在效用與隱私間取得最佳折衷。