臺灣博碩士論文加值系統

本研究的主要目的是利用類神經網路的分類功能，建置一個學生特質與學習型態相關的分類模型。首先，進行學生特質與學習型態的相關文獻探討，再規劃出學習型態分類模型的建置方法與步驟，進而進行類神經網模型的訓練，並儲存訓練結果，以建構學習型態分類模型。當模型建構完成後，接著進行系統的評估。最後，整理、分析本研究的各項結果並做出結論，做為未來實施網路教學活動時，適性化教學內容設計的參考，以期能提高學習者在網路學習活動中的學習成效。
從文獻探討、系統建構、學習型態相關的分類模型之建立及系統效能評估等研究流程實施後，本研究得到下列之結論：

一、用學生特質做為學習型態分類基礎的優點
學習型態會經由學習者經驗的改變而隨之改變，所以顯得較不穩定。而直接以學生特質為學習型態問卷分類的方式則有較佳之穩定性與準確性。
二、應用類神經網路於學習型態分類模型的優點
使用類神經網路的確能有效進行分類，其判斷結果的正確率更高達九成以上。而學習型態的分類，將有助於網路學習系統中的適性化功能。
三、學習型態分類模型的限制與應用
本研究中，學習型態的分類僅以學生特質為主要考量，影響學習成效的其他因素均未包含在內。故在網路學習環境中，僅適合作為教師教學活動和教材設計時的考量，以提供適性化的學習環境。
四、類神經網路與統計學中單因子變異數分析有相似結果
訓練完成之類神經網路程式的分類結果與單因子變異數分析兩者之間有正相關，顯示學習型態分類模型有良好的效能。
五、後續研究者的建議
為了符合網際網路互動式的學習環境，使系統更普及化，後續研究應可朝向線上即時的學習型態分類為目標，學生在網路學習環境中的各項紀錄均可成為學習型態分類的依據，如此將可達到即時且有用的適性化分類功能。分類完成後，系統能夠做到線上對不同學習型態的學習者進行不同的學習建議，以增進學習者的學習成效。

The combinations of multimedia technologies and computer networks have made the growing development of web-based learning. Due to the information overload for learner on the Internet, students have encountered two problems: disorientation and cognitive overhead. To understand the students’ learning style and provide them with adaptive leaning content will be the critical factors to contribute to the learning effectiveness.
The purpose of this study is to construct a classification model of learning style based which is on students’ characteristics by using neural network. The classification results are the foundations to carry out web-based learning activities and design adaptive learning content. By this model, the design of adaptive instruction and the performance of student in the web-based learning environment will get better.
The findings are that based on the characteristics of the students, the classification model of learning style are more stable. The accurate analysis is over 90%. Because the learning style varies with students’ experience, this model will further take more classification factor considerations, such as learning records in the web-based learning system.

中文摘要-----------------------------------------------I
英文摘要----------------------------------------------I I
目錄-------------------------------------------------I I I
圖目錄------------------------------------------------V
表目錄-----------------------------------------------VI
第一章 緒論 ------------------------------------------01
第一節 研究背景 -----------------------------------01
第二節 研究動機與目的------------------------------03
第三節 研究流程與架構------------------------------05
第四節 研究範圍與限制------------------------------07

第二章 文獻探討---------------------------------------09
第一節 學習型態-----------------------------------09
第二節 Kolb 學習型態理論--------------------------12
第三節 學生特質------------------------------------18
第四節 類神經網路----------------------------------21

第三章 研究方法與步驟--------------------------------28
第一節 研究對象與取樣方法--------------------------28
第二節 研究工具------------------------------------29
第三節 學習型態分類模型的建構方法與步驟------------31

第四章 系統效能評估----------------------------------36
第一節 學生特質量表與學習型態量表資料分析 ---------36
第二節 學習型態分類模型之判斷結果分析--------------41
第三節 學生特質對學習型態分類能力的影響性----------43
第四節 變異數分析的結果與分類模型的結果之相關性----45

第五章 結論與建議------------------------------------46
第一節 結論----------------------------------------46
第二節 建議----------------------------------------47

參考文獻----------------------------------------------50
附錄一 學習型態量表----------------------------------56
附錄二 學生特質問卷----------------------------------58
附錄三 訓練檔原始資料--------------------------------60
附錄四 測試檔原始資料--------------------------------65
附錄五 訓練資料之判斷結果----------------------------67
附錄六 測試資料之判斷結果----------------------------72

中文部份
王裕方(民87)。電腦態度與學習績效的影響因素探討 － 中學生網頁製作教學的實地實驗研究。國立中央大學資訊管理研究所碩士論文。
王宗斌(民88)。訓練方式、電腦自我效能及學習型態。國立中央大學資訊管理研究所碩士論文。
林奇賢(民86)。全球資訊網輔助學習系統網際網路與國小教育。資訊與教育，58， 2-11。
林奇賢(民87)。網路學習環境的設計與應用。資訊與教育雜誌，67，34-50。
林昇甫，洪成安(民82)。類神經網路入門與圖樣辨識。台北：全華。
李金泉(民90)。非同步式網路輔助教學之研究─以技職校院工業安全課程為例。國立彰化師範大學工業教育研究所碩士論文。
朱浤源(民88)。撰寫博碩士論文實戰手冊。台北市：正中書局。
洪明洲(民89)。網路教學。台北：華彩。
岳修平、林一鵬(民87)。網路非同步輔助教學評估計劃。國科會研究計劃。
許瀚濃（民86）。國中生多媒體電腦輔助學習影響因素之研究。國立高雄師範大學工業科技教育研究所碩士論文。
黃玉枝(民80)，國中資優學生與普通學生學習風格及學校適應之比較研究，國立台灣師範大學特殊教育研究所碩士論文。
陳年興、王敏煌(民86)。全球資訊網上教材製作輔助工具之研發。隔空教育論叢，9，77-104。
陳信良(民89)。以類神經網路探討策略動力理論於企業策略聯盟及競爭優勢之研究。國科會研究計劃：89-2416-H-274-001。
陳彙芳(民88)。多媒體電腦輔助學習之實驗室研究－探討認知負荷對學習成效之影響。國立中央大學資管所碩士論文。
游政男(民90)。學習風格與超媒體網頁架構方式對學習鐘擺週期之影響。國立東華大學教育研究所碩士論文。
郭重吉（民76）。英美等國晚近對學生學習風格之研究。資優教育季刊，22，2-8。
簡建忠(民90)。企業實施e-learning與傳統教學對不同學習型態之學習成效影響之研究。國立中正大學勞工研究所碩士論文。
張一蕃，尹建中，李英明，瞿海源，羅曉南，謝瀛春，謝清俊(民86)。資訊科技對人文、社會的衝擊與影響。行政院經濟建設委員會委託研究計畫研究報告。
張瑛蘭(民89)。應用基因演算法於合作學習最佳化分組之研究。國立台南師範學院資訊教育研究所碩士論文。
楊家興(民82)。超媒體：一個新的學習工具。教學科技與媒體。12，28-39。
楊博顯(民84)。從學習傾向探討超媒體在設計資訊提供之應用。私立大同工學院機械工程研究所碩士論文。
蔡振昆(民90)。傳統教學與網路教學之比較研究-從教學媒體、班級經營及教學。國立中山大學資訊管理研究所碩士在職專班碩士論文。
盧炳勳,曹登發(民81)，類神經網路理論與應用，台北:全華。
謝麗菁(民83)。認知特質與訓練型態對資訊系統使用者學習績效之影響---以文書處理系統為例。私立淡江大學資訊管理研究所碩士論文。
顏榮泉(民85)。全球資訊網在教學與學習上的應用探討。教學科技與媒體，25，33-41。
董家莒(民89)。「問題解決」為基礎之電腦輔助教學成效。國立台灣師範大學地球科學研究所碩士論文。
鍾萬生(民88)。資訊科技對教育的影響與因應。師友，383 ，21-23。

英文部份
Andreas Ausserhofer(1999). Web-Based Teaching and Learning: A Panacea?. IEEE Communications Magazine, March 1999, 92-96.
Bangert-Drowns, R. L., Kulik, J. A. & Kulik, C-L. C. (1985). Effectiveness of computer-based education in secondary schools. Journal of Computer-Based Instruction, 12(3), 59-68.
Bork, A. (1979). Interactive learning. In R.P. Taylor (Ed.). The computer in the school: Tutor, tool tutee, New York:Teachers College, 53-66.
Bozionelos, N. (1997). Psychology of Computer Use: XLIV. Computer Anxiety and Learning Style, Perceptual and Motor Skills, 84(3,Pt1), 753-754.
Brusilovsky P., John Eklund & Elmar Schwarz (1998) Web-based education for all: a tool for development adaptive courseware. Computer Networks and ISDN Systems, 30(1-7), 291-300.
Bonham, L. A. (1988). Learning style use: In need of perspective. Lifelong learning: an omnibus of practice and research, 11(5), 14-19.
Bostrom, R. P., Olfman, L. & Sein, M. K. (1990). The Importance of Learning Style in End-User Training, MIS Quarterly,14(1), 101-119.
Brumby, M. (1982). Students’ perceptions of the concept of life. Science Education, 66(4), 613-622.
Cavin, C. S., & Lagowski, J. J. (1987). Effects of computer simulated or laboratory experiments and student aptitude on achievement and time in a college general chemistry laboratory course. Journal of Research in Science Teaching, 24(2), 145-160.
Chang, C. Y. (2000). Enhancing tenth graders’ earth science learning through computer-assisted instruction. Journal of Geoscience Education, 48(1), 81-85.
Chen, S.L. (1998). The Application of Neural Networks to Pattern Recognition of Tradition Chinese Sphygmology. Ph.D. Dissertation, Department of Electrical Engineering of National Sun Yat-Sen University.
Chen, S. L. (1993). Fault Tolerant Neural Network. Proceeding of NCS, 670-677.
Chen, S .L. (1997). Multiple Nodes Fault Tolerant Neural Networks in a Pattern Recognition Application. Proceeding of Euromicro97’, 248-253.
Collis, F. L. (1994). The internet as an educational innovation：lessons from experience with computer implementation. Educational Technology, Leadership, 45(5), 38-40.
Conklin, J. (1987). Hypertext: An introduction and survey. IEEE Computer, 20(9), 17- 41.
Dunn, R., & Dunn, K. (1978). Teaching students through their individual learning styles：A practical approach. Reston, VA：Reston Publishing Co.
Enns, Carolyn Zerbe. (1993). Integrating Separate and Connected Knowing: The Experiential Learning Model. Teaching of Psychology; 20(1), p7-13.
Fischer, B., & Fischer, L.(1979). Styles in teaching and learning. Educational Leadership, 36(4), 245-254.
Hicks, B., & Hyde, D. (1973). Teaching about CAI. Journal of teacher Education, 24(3), 120.
Jain, A.K., & Maojianchang, Mohiuddin,(1996). Artifical Neural Network: a tutorial, IEEE computer special issue on Neural computing, 293(3), 31-44.
Jonassen, D. H. (1996). Mindtools: Computer in the classroom. Prentice Hall: Englewood.
Keefe, J. W. (1987). Learning Style Theory and Practice. Reston: Nation Association of Secondary School Principals.
Kolb, D. & Fry, R. (1975). “Toward an applied theory of experiential learning. ” In C. L. Cooper (ed.). Theories of group processes. London: John Wiley and Sons.
Kolb, D. A. (1984). Experiential Learning: Experience As The Source of Learning And Development. Englewood Cliffs, New Jersey: Prentice Hall.
Kulik, J. A., & Kulik, C. C. (1987). Review of recent research literature on computer-based instruction. Contemporary Educational Psychology, 12(3), 222-230.
Kristina, Höök (1998). Evaluating the utility and usability of an adaptive hypermedia system, Knowledge-Based Systems, 10(5), 311-319.
Licia, C., & Paul, D. B. (1998). A flexible hypertext courseware on the Web based on a dynamic. Interacting with Computers, 10(2), 143-154.
Mark, R. (1999). Using the Internet to Unite Student and Teacher Education. Journal of Technology and Teacher Education, 7(3), 256-267.
Marchionini, G. (1988). Hypermedia and learning: Freedom and chaos Educational Technology, 28(11), 8-12.
Marton, P. & Saijo, R. (1976). On qualitative differences in learning outcomes and process part 1. British Journal of Educational Psychology, 46(1), 4-11.
Moore, M.G.(1989). Three Types of interaction. The American Journal of Distance Education, 3(2), 1-6.
Papert, S. (1996). The Connected Family，中譯本，WWW新家庭，台北市：大塊文化。
Pask, G. (1976). Styles and Strategies of Learning. British Journal of Educational Psychology, 46(2), 128-148.
Perkowitz, M., O. Etzioni (1997). Adaptive Web Sites: an AI Challenge. In proceeding of the 17th International Joint Conferences on Artificial Intelligence, 1, 16-23.
Quinlan,J. R.,(1986).Induction of Decision Tree. Mechine Learning, 1(1), 81-106.
Rumelhart, E. David, Widrow, Bernard and Lehr, A. Michael, (1997). The Basic Ideas in Neural Networks, Communications of the ACM, 37(3).
Sein, M.K. & Robey, D. (1991). Learning Style and The Efficacy of Computer Training Methods. Perceptual and Motor Skills,72(1),243-248.
Stumpf, S. A. & Freedman, R. D. (1975). Student evaluation of course and faculty based on a perceived learning criterion: Scale construction, validation, and comparison of results. Applied Psychological Measurement, 2(2), 189-202.
Smith, Donna. & Kolb, David. A. (1985). User guide for the learning-style inventory. Boston: McBer and Company.