臺灣博碩士論文加值系統

本研究以國小六年級數學領域之複合圖形為例，探討以證據為中心的評量架構並結合多重學生模式之貝氏網路為推論工具的評量診斷模式，建置一套方便有效的診斷系統，並以Flash 製作補救教學動畫，希望藉由本系統讓學生可以接受個別化的診斷測驗，並給予適性化、即時化的電腦補救教學。期能同時達到評量、診斷、補救教學的功能。
研究結果發現：
一、結合多重學生模式之貝氏網路確實可以提高辨識率。
二、本系統確能診斷出學生所具備的錯誤概念，顯示本研究中結合多重學生模式之貝氏網路所建立的適性測驗效果是良好的。
三、本研究之電腦化適性診斷測驗確實可以取代紙筆測驗，並且達到省時省力之效。
四、經由電腦適性化補救教學活動後，大部分的受測學生的錯誤類型均降低，而所具備之子技能大致都有提升，顯示本研究之電腦適性化補救教學系統的確可以提升學生學習成效。
五、學生之錯誤概念發生情形與具備之子技能會隨著所在地區與班級老師之教學方法之不同而有所差異。

The main purpose of the research is to explore the educational assessment on the basis of Evidence-Centered Design（ECD） to build a convenient and effective diagnosis system. We use multiple Bayesian networks for modeling assessment data and identifying bugs and sub-skills in The “Compound Shape” of Mathematics in Grade 6. This research integrates the opinion of the experts, scholars and primary school teachers. Also, the multimedia computer is devised for Diagnostic Testing and computerizes adaptive remedial instruction with the system. Students can receive not only individual diagnostic tests. But adequate and in-time computerized adaptive remedial instruction. Evaluation Diagnosis and remedy can be achieved simultaneously.
The findings of this research are as follows:
1. Multiple Bayesian networks did enhance the recognition level.
2. The system could diagnose students’ errors, which shows that the adaptive test based on the multiple Bayesian networks was effective.
3. The computerized adaptive remedial instruction was testified to be able to replace written tests in a convenient and time-saving way.
4. After adopting computerized adaptive remedial instruction, the bugs of most students were reduced and their skills were improved. It revealed that the computerized adaptive remedial instruction did help enhance students’ learning effects.
5. The distribution of students’ bugs and skills varied with districts where the schools were located and the teachers’ teaching methods.

中文摘要-i
Abstract-ii
目錄-iii
圖目錄-v
表目錄-vii
第一章 緒論-1
第一節 研究動機-1
第二節研究目的-2
第三節名詞解釋-2
第四節研究限制-4
第二章 文獻探討-6
第一節「以證據中心」的評量設計-6
第二節 評量傳送系統的四個程序-9
第三節試題順序結構之電腦化適性測驗-11
第四節貝氏網路-13
第五節貝氏網路在教育測驗上的應用-18
第六節複合圖形教材能力指標分析與錯誤類型-20
第七節電腦補救教學-23
第八節多重貝氏網路融合方法-27
第三章 研究方法-31
第一節 研究方法與步驟-31
第二節 研究流程-32
第三節 研究工具-54
第四節 研究對象-54
第五節 研究限制-55
第四章 研究結果-56
第一節 多重貝氏網路在在診斷測驗的成-56
第二節 電腦適性診斷測驗之成效分-57
第三節 電腦適性補救教學活動之成效-71
第五章 結論與建議-84
第一節 結論-84
第二節建議-85
參考文獻-86
一、中文部分-86
二、英文部分-88
附錄
附錄一 試題內容分析表-89
附錄二 前測試卷-97
附錄三 後測試卷-100
附錄四 補救教學動畫腳本設計-103
附錄五 施測相片-110

呂靜芳（1999）。由網站行為歷程以貝式學習建立學習者模式之引導系統。國立中央大學資訊工程研究所，桃園縣。
李俊儀(2005)。以貝氏網路為基礎的電腦化適性測驗選題策略-以國小數學科診斷測驗為例。台中師範學院測驗統計研究所碩士論文，台中市。
李俊儀，許雅菱，施淑娟，郭伯臣，許天維(2005)。貝氏網路在錯誤類型分類之應用-以國小四年級學童「面積」單元為例。人工智慧理論與應用。銘傳大學2005國際學術研討會。銘傳大學，桃園縣。
侯雪卿(2004)。國小高年級學童圓概念教學模組補救教學之個案研究。國立嘉義大學國民教育研究所碩士論文，嘉義市。
范瑞君(2006)。以貝氏網路為基礎之能力指標測驗編製及補救教學動畫製作~以六年級數學領域之『量與實測』相關指標為例。亞洲大學資訊工程學系碩士在職專班碩士論文，台中縣。
財團法人台灣網路資訊中心，台灣網路資訊中心網路使用調查2006年7月調查，2006年。線上檢索日期：2006年12月24日。網址：http://www.twnic.net.tw/download/200307/07all.pdf
張新仁（2000） 補救教學面面觀。刊於邱上真等著（民89）。補救教學理論與實務。國立高雄師範大學特殊教育中心叢書。
許志毅(2003)國小數學領域電腦化適性診斷測驗及補救教學系統之內容開發及試用──以「扇形」單元為例。台中師範學院測驗統計研究所碩士論文，台中市。
許雅菱(2005)。貝氏網路在教育測驗分析上的應用。台中師範學院測驗統計研究所碩士論文，台中市。
郭生玉(1995)。國中學生成敗歸因和學業冒險取向、學習失敗忍受力關係之研究。教育心理學報，59-76 頁。
郭伯臣、謝典佑(2007) 貝氏網路測驗分析軟體 Test Analysis Software based on Bayesian Network (TASBN) 。未出版。
郭伯臣、曾彥鈞(2007) 貝氏網路線上測驗平台。未出版。
陳怡如、吳慧珉與黃碧雲，“電腦化適性診斷測驗之研究“，測驗統計年刊，第十二輯，上期，66-99 頁。
陳長春(1992)。加強補救教學的意義。中縣文教，第13 期。
潘俊帆（2001）。以貝氏網路為基礎的個人差異化知識處理機制。東海大學工業工程研究所，台中縣。
蔡昆穎（2004）。國小數學領域電腦化適性診斷測驗及補救教學系統之內容開發及試用─以「擴分、約分」單元為例。台中師範學院測驗統計所碩士論文，台中市。
謝典佑(2006)。多重貝氏網路在教育測驗上的應用。國立台中教育大學數學教育學系研究所論文，台中市。
謝典佑，張雅媛，許天維(2006)。動態投票演算法於多重貝氏網路效能提升之研究。國立台中教育大學教育測驗統計研究所，台中市。
顏雅莉(2002)。國小五年級學生在線上補救教學環境下學習時間概念成效之研究。國立台南大學教育經營與管理研究所碩士論文，台南市。
譚寧君 (1998)。國小兒童面積迷思概念分析研究。國立台北師範學院學報，11，573-602，台北縣。
饒達欽（1990）。電腦與資訊教育。臺北。松崗電腦圖書資料股份有限公司。88
英文部份
Airasian, P. W. & Bart, W. M.(1973). Ordering theory: A new and useful measurement model. Journal of Educational Technology, Vol.5, pp.56-60.
Almond,R.G.,Mislevy, Robert J. (1999) Graphical models and computerized adaptive testing. Applied Psychological Measurement,23(3):223-237.
Gable, R. A., Enright, B. E., and Hendrickson, J. M.(1991).Curriculum Based Assessment and Instruction in Arithmetic.Teaching Exceptional Children, 24(1), 6-9.
Gagne’,R.M（. 1985）.The conditiona of learning. 4th ed. N.Y.：Holt,Rinehart ＆ Winston.
Kuo, B.C., Hsieh, T.Y., & Chang, Y.Y (2006). Combining Multiple Bayesian Networks for Modeling Students' Learning Bugs and Skills. The 7th International Conference on Intelligent Technologies, Taipei, Taiwan 13-15, December 2006
Mislevy, R. J., Almond, R. G., Lukas, J. F. (2003). A brief introduction to evidence-centered design, 8-19.
Takeya, M.(1991). A New Test Theory, published by Waseda University Publishing Inc., Tokyo.
Terry & Thomas, M.（1999）.Weaving the web into biology teaching.
Vomlel, J.(2003). Bayesian networks in educational testing. http://utia.cas.cz/vomlel/. 1-4