臺灣博碩士論文加值系統

本研究針對學習者在符合SCORM 2004 順序瀏覽規範（Sequencing and Navigation；SN）教材中，透過SCORM 2004 執行環境（Real Time Environment；RTE）進行課程瀏覽學習，並記錄其學習歷程，進行資料探勘（Data Mining），以萃取學習成就高的學習者「值得推薦之學習路徑」。
研究流程有三，首先，利用SCORM 2004 SN所提供之規則，以高職電腦概論中「數值系統轉換」為實驗課程，設計教材並制定瀏覽規則，配合修改SCORM 2004 RTE之應用程式介面，記錄學習者之學習歷程檔案，並從其中取出有效學習之學習紀錄；其次，以研究者所任教學校班級學生103人為實驗對象，在SCORM 2004 RTE上進行課程學習，再施以學習成就測驗；最後，運用資料探勘技術，將學習成就測驗成績高於1個標準差之優異學習者的各單元學習序列，建立Aggregation Tree進行學習路徑探勘，找出其學習路徑型樣。
本研究結果找出二條學習成效良好之較佳學習路徑型樣。未來在學習本課程時，經探勘所得之各單元學習順序可作為教學者改進適性化課程設計之決策依據。最後，本研究的應用意涵亦一併討論。

The purpose of this study is to explore SCORM-compliant Sequencing and Navigation (SN) path traversal patterns by data mining schema. Whereas ADL Real-Time Environment (RTE) allows us to trace students' learning portfolio such as their learning paths kept in database for attaining the best path traversal pattern for high achievement of students.
The main steps in this study consist of three: First、using SCORM 2004 SN as tool to encode the unit: 「Numerical system transformation」 in 「Introduction to computer」 course at vocational high school level. Thus、the course can be run in the ADL RTE 2004 for tracking the learning portfolios. Second、those subjects include 103 students and their learning outcome has been attained by examinations. Finally、the techniques of data mining are used to do analysis by sequential pattern from learning portfolio. The criteria for extracting data from learning portfolio are greater than one standard deviation in learning achievement of course units in the post-test. Then、it focuses on finding the best path traversal patterns for high achievement of students among the course units.
The result of this study has two path traversal patterns as highly related to better learning outcome. These results of this study might be used for course developers in terms of designing an adaptive e-learning. Finally、the implications for future study are also discussed.

摘 要 ......................................................... I
Abstract ...................................................... III
目 次 ......................................................... V
圖目次 ......................................................... VIII
表目次 ......................................................... X
第一章 緒論 .................................................... 1
第一節 研究背景與動機 ............................................1
第二節 研究目的 ................................................. 4
第三節 待答問題 ................................................. 4
第四節 研究範圍與限制 ............................................5
第五節 名詞解釋 ................................................. 6
壹、SCORM 2004 SN .............................................. 6
貳、資料探勘 .................................................... 6
參、網站探勘 .................................................... 7
肆、學習歷程檔案 ................................................. 7
伍、學習路徑 .................................................... 7
第六節 論文架構 ................................................. 8
第二章 文獻探討 ................................................. 9
第一節 SCORM數位學習標準 ........................................ 9
壹、教材集合模式（Content Aggregation Model; CAM）................ 10
貳、 課程執行環境（Run-Time Environment; RTE）.................... 11
參、順序瀏覽規則（Sequence and Navigation; SN）................... 12
第二節 資料探勘 ................................................. 16
壹、 資料探勘的意義及流程 ......................................... 16
貳、 資料探勘在數位學習領域的應用 .................................. 19
第三節 網站探勘 ................................................. 25
壹、 網站探勘的意義與目的 ......................................... 25
貳、 序列型樣探勘技術 ............................................ 27
第四節 學習歷程檔案 ............................................. 36
第三章 研究方法 ................................................ 39
第一節 研究流程 ................................................. 39
第二節 研究架構 ................................................. 41
第三節 實驗設計 ................................................. 42
第四節 實驗對像 ................................................. 43
第五節 研究工具................................................. 44
壹、SCORM 2004 SN .............................................. 44
貳、SCORM 2004 RTE ............................................. 45
參、學習成就測驗 ................................................. 49
肆、學習路徑探勘工具 ............................................. 49
伍、軟體工具 .................................................... 51
陸、硬體設備 .................................................... 52
第六節 實驗實施 ................................................. 53
壹、準備階段 .................................................... 53
貳、實施階段 .................................................... 53
第七節 資料收集 ................................................. 54
第四章 研究結果與討論 ........................................... 55
第一節 有效學習歷程資料 .......................................... 55
壹、SCORM 2004 SN教材規則 ....................................... 55
貳、RTE應用程式介面修改 .......................................... 62
第二節 學習路徑探勘 ............................................. 66
壹、資料前處理 .................................................. 66
貳、學習路徑型樣探勘 ............................................. 69
第三節 值得推薦之學習路徑型樣 .................................... 72
第五章 結論與建議 ............................................... 75
第一節 研究結論 ................................................. 75
壹、學習歷程檔案記錄方面 .......................................... 75
貳、學習路徑探勘方面 ............................................. 76
參、學習路徑型樣應用方面 .......................................... 77
第二節 研究發現................................................. 79
壹、學習路徑 .................................................... 79
貳、進行資料探勘的資料量需求 ...................................... 80
第三節 對未來研究建議 ........................................... 80
壹、學習歷程檔案記錄方面 .......................................... 80
貳、學習歷程檔案探勘方面 .......................................... 81
參、SN規則模板應用方面 ........................................... 82
肆、學習路徑型樣應用方面 .......................................... 82
參考文獻 ........................................................ 83
壹、中文文獻 .................................................... 83
貳、英文文獻 .................................................... 86
附錄 ........................................................... 91
附錄一：學習路徑探勘之完整Aggregation Tree ........................ 91
附錄二：「數值系統轉換」學習成就測驗試題 ............................ 106
附錄三：課程學習成就測驗成績 ...................................... 108

壹、中文文獻
[1]石旭原（2002）。以SCORM為知識本體應用基模之網路學習系統實作案例研究。台中市：逢甲大學資訊工程研究所碩士論文。
[2]吳宗憲（2004）。符合SCORM規範的教材順序編輯工具之研究。高雄市：國立高雄師範大學資訊教育研究所碩士論文。
[3]吳彥欽（2001）。非簡單瀏覽路徑之探勘與應用。桃園縣：國立中央大學資訊工程研究所碩士論文。
[4]李建億、吳孟淞、吳政道、李育強（2000）。在全球資訊網學習環境中學習歷程發掘法之研究。TANET2000研討會。
[5]沈清正、陳仕昇、高鴻斌、張元哲、陳家仁、黃琮盛、陳彥良（2002）。資料間隱含關係的挖掘與展望。資訊管理學報（TSSCI）第九卷，專刊期，75-100。
[6]林佑安（2002）。資料挖掘技術於個人化輔助教學系統的應用。彰化縣：大葉大學資訊管理研究所碩士論文。
[7]林孟鴻（2001）。應用歷程檔案建立網路學習輔助機制。高雄市：國立中山大學資訊管理研究所碩士論文。
[8]林敏慧、陳美樺、管怡婷、郭榮學和陳慶帆（2001）。網路教學與傳統教學之差異與融合分析。民國95年4月22日，取自http://www.gcsce.org/gccce2001/big5/peper/paper/網上學習/F121-Lin.doc，Retrieved Sep 25 2005。第五屆全球華人學習科技研討會。
[9]林義朝（2004）。使用結構化學習特徵進行學習歷程探勘。中壢市：中原大學資訊工程研究所碩士論文。
[10]林福來（2004）。數位學習理論為數學內容成功基石。民國95年4月22日，取自http://www.elearn.org.tw/NR/exeres/8D3BD618-0CAA-4BE0-B9A4-77A9AF675A33.htm. Retrieved Sep 15 2005。台北市：資策會。
[11]林錦泓（2002）。透過多代理人實作SCORM為基礎的教案推薦系統。高雄市：國立高雄師範大學資訊教育研究所碩士論文。
[12]邱繽瑩（2003）。開發SCORM教材之多媒體編輯工具實作。台南市：國立成功大學工程科學研究所碩士論文。
[13]倪家祥（2001）。以網站行為的歷程建立具時間性學習者模式。桃園縣：國立中央大學資訊工程研究所碩士論文。
[14]塗文祥（2002）。分析學習路徑以輔助網路學習行為評量之研究。台北市：國立台灣大學土木工程研究所碩士論文。
[15]張時力（2005）。特徵化線上學習活動診斷系統。中壢市：中原大學資訊工程研究所碩士論文。
[16]張彙音、陳聖哲、曾明性和黃國豪（2006）。基於SCORM規範之適性化課程推薦系統。第二屆台灣數位學習發展研討會（TWELF'2006）論文集，256-265。
[17]張錦松（2004）。以代理人為架構實作於學習端之學習歷程分析。嘉義縣：國立中正大學資訊工程研究所碩士論文。
[18]莊宛毓（2005）。符合SCORM 2004 SN之適性化教材對學習成效之研究。高雄市：國立高雄師範大學資訊教育研究所碩士論文。
[19]許靜坤（2005）。符合SCORM 2004 SN規範的問題導向學習實徵研究。高雄市：國立高雄師範大學資訊教育研究所碩士論文。
[20]陳世訓（2002）。網站日誌探勘的研究與實作。台北市：國立台灣大學資訊工程學研究所碩士論文。
[21]陳芸霈（2001）。從學習歷程紀錄檔動態建構決策法則以支援適性化教學。高雄市：國立中山大學資訊管理研究所碩士論文。
[22]陳得利（2002）。網路化歷程檔案系統之設計與實作。高雄市；國立中山大學資訊管理研究所碩士論文。
[23]童宜慧、張基成（1996）。網路化學習歷程檔案系統之建構與評鑑—一個電子化的真實性學習評量工具。遠距教學。第13/14期合刊，78-90。
[24]黃仁鵬、陳秀如、錢依佩（2002）。以TD演算法探勘教學網站中的最佳學習路徑。台南市：南台科技大學資訊管理系。
[25]黃雅慧（2003）。應用網站探勘於網站瀏覽之個人化—以健康檢查業為例。台北市：東吳大學資訊科學研究所碩士論文。
[26]黃履峰（1998）。Web學習環境中追蹤學習者學習路徑方法。台北市：國立台灣師範大學資訊教育所碩士論文。
[27]楊昇宏（1999）。資料挖掘應用於找尋瀏覽網頁之型樣。台中市：逢甲大學資訊工程研究所碩士論文。
[28]楊錦潭、黃秋燕（2005）。資料探勘在數位學習的應用。中華民國資訊學會通訊。第8卷，第二期，33-54。
[29]廖聖傑（2003）。從學習歷程檔案建構決策樹以支援網路教學。高雄市：國立中山大學資訊管理研究所碩士論文。
[30]趙月綢（2005）。符合SCORM 2004數位學習標準工具開發之產學合作案研究。高雄市：國立高雄師範大學資訊教育研究所碩士論文。
[31]蔡旻芳（2001）。網路學習之學習歷程分析系統。高雄市：國立中山大學資訊管理研究所碩士論文。
[32]蔡俊彥（2003）。符合SCORM規範教材庫管理系統之研究。高雄市：國立高雄師範大學資訊教育研究所碩士論文。
[33]顏榮泉（1998）。全球資訊網在教學與學習上之應用探討。教學科技與媒體，第25期。
貳、英文文獻
[34]ADL (2004). SCORM 2nd Edition Overview. (July 22、2004). Retrieved March 20、2006、form the World Wide Web : http://www.adlnet.org/downloads/
[35]ADL (2004). SCORM Content Aggregation Model. Version 1.3.1. (July 22、2004). Retrieved March 20、2006、form the World Wide Web: http://www.adlnet.org/downloads/
[36]ADL (2004). SCORM Run-Time Environment. Version 1.3.1. ( July 22、2004). Retrieved March 20 、2006、form the World Wide Web: http://www.adlnet.org/downloads/
[37]ADL (2004). SCORM Sequencing and Navigation. Version 1.3.1. (July 22、2004). Retrieved March 20 、2006、form the World Wide Web: http://www.adlnet.org/downloads/
[38]Agrawal R.、& Srikant R. (1995). Mining Sequential Patterns. Proceedings of Int'1 Conference on Data Engineering(ICDE)、Taipei、Taiwan、3-14.
[39]Agrawal R.、Aggrawal C.、& Prasad V.V.V. (2000). A Tree Projection Algorithm for Generation of Frequent Item Sets. Proceedings of Int'1 Conference on J. Parallel and Distributed Computing、128-142.
[40]Berendt B.、Spiliopoulou M. (2000). Analysis of Navigation Behaviour in Web Sites Integrating Multiple Information Systems. Proceedings of the VLDB Journal (2000) 9、56-75.
[41]Berry、Michael J.A.、& Gordon L. (1997). Data Mining Techniques For Marketing、Sales、and Customer Support. John Wiley & Sons、Inc.、New York、NY.
[42]Chen M.S.、Park J.S.、& Yu. P.S. (1995). An Effective Hash-Based Algorithm for Mining Association Rules. Proceedings of ACM SIGMOD、24(2)、175-186.
[43]Chen M.S. & Yun C.H. (2000). Mining Web Transaction Patterns in an Electronic Commerce Environment. Proceedings of the 4th Pacific-Asia Conf. on Knowledge Discovery and Data Mining、216-219.
[44]Cooley R.、Mobasher B.、& Srivastava J. (1997). Web Mining: Information and Pattern Discovery on the World Wide Web. Proceedings of 9th IEEE Int'1 Conference on Tools with Artificial Intellgence、558-567.
[45]Cooley R.、Mobasher B.、& Srivastava J. (1999). Data Preparation for Mining World Wide Web Browsing Patterns. In IEEE Knowledge and Information System、1(1)、5-32.
[46]Cooley R. (2003). The Use of Web Structure and Content to Identify Subjectively Interesting Web Usage Patterns. Proceedings of ACM Transactions on Internet Technology、Vol. 3、No. 2、May 2003、93-116.
[47]Fayyad U.M. (1996). Data Mining and Knowledge Discovery: Making Sense out of Data. IEEE Expert、Vol.11、No.5、October 1996、20-25.
Han J. & Kamber M. (2001). Data Mining: Concepts and Techniques. Academic Press、San Francisco.
[48]Han J. & Pei J. (2000). Mining Frequent Patterns by Pattern-Growth: Methodology and Implications. Proceedings of ACM SIGKDD、December 2000、Volume 2、14-20.
[49]Han J.、Pei J.、& Yin Y. (2000). Mining Frequent Patterns without Candidate Generation. Proceedings of AMC SIGMOD、Int'1 Conference Management of Data、1-12.
[50]Hua-Fu Li & Man-Kwan Shan (2000). Mining Non-Simple Traversal Paths from Web Access Logs. 2000 Workshop on Internet and Distributed Systems、Tainan、Taiwan、266-272.
[51]Maged El-Sayed、Carolina Ruiz、& Elke A. Rundensteiner (2004). FS-Miner: Efficient and incremental mining of Frequent Sequence Patterns in Web logs. Proceedings of 6th ACM International Workshop on Web Information and Data Management (WIDM'04)、128-135.
[52]McFadden Fred r.、Hofer Jeffery A.、& Mary Prescott B. (1999). Modern DataBase Management. Fifth Edition、USE: Sddison-Wesley.
[53]Ming-Syan Chen、Jong Soo Park、& Philip S. Yu (1996). Data Mining for Path Traversal Patterns in a Web Environment. Proceedings of the 16th ICDCS、385-392.
[54]Myra Spiliopoulou、& Lukas C. Faulstich (1998). WUM: A Tool for Web Utilizaton Analysis. Proceedings of EDBT Workshop WebDB、184-193.
[55]Myra Spiliopoulou、Lukas C. Faulstich、& Karsten Winkler (1999). A Data Miner Analyzing the Navigational Behavior of Web User. Proceeding of the Workshop on Machine learning in user Modeling of the Advanced Course in Artificial Intelligence International Conference、July、Creta、Greece.
[56]Niko Myller、Jarkko Suhonen、& Erkki Sutinen (2002). Using Data Mining for Improving Web-based Course Design. Proceedings of the International Conference on Computers in Education (ICCE'02).
[57]Park J.S.、Chen M.S.、& Yu P.S. (1998). Efficient Data Mining for Path Traversal Pattern. Proceedings of IEEE Tran. on Knowledge and Data Engineering、209-220.
[58]Pei J.、Han J.、Mortazavi-Asl B.、& Zhu H. (2000). Mining Access Patterns Efficiently from Web Logs. Proceedings of Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'00)、Kyoto、Japan、396-407.
[59]Pei J.、Han J.、Pinto H.、Chen Q.、Dayal U.、& Hsu M.-C. (2001). PrefixSpan: Mining Sequential Patterns Efficiently by Prefix-Projected Pattern Growth. Proceedings of 2001 Int. Conf. on Data Engineering(ICDE'01)、215-224.
[60]Rastogi R. & Shim K. (2002). Mining Optimized Association Rule with Categorical and Numeric Attributes. Proceedings of IEEE Transactions on Knowledge and Data Engineering,Vol. 14、No. 1、29-50.
[61]Thuraisingham B. (2000). A Primer for Understanding and Applying Data Mining. IT Professional、Vol.2、No.1、28-31.