臺灣博碩士論文加值系統

網際網路的興起促使新型態教學環境的產生，眾多網路教學環境下，學習者難免有下列三個問題：學習者控制（learner control）、迷失（disorientation）以及認知負荷過重（cognitive overload）。本研究致力探討資料探勘技術應用於網路學習，並結合推薦系統技術，發展一套課程教材推薦系統，幫助學習者有效率地進行學習。為了避免傳統以多數人經驗，造成「積非成是」的探勘結果，本研究於教材推薦清單中，加入「學習經驗分類」的參考資訊，供學習者參考。並希望以實證研究的方式，透過推薦系統實作，以及問卷調查的方式，對學習者進行統計與分析，以瞭解學習者對於推薦系統使用在網路教學平台上的反應。最後，研究結果顯示，學習者接受推薦系統運用於網路教學平台上，且對於推薦的資訊抱有信任的態度。另外本研究結果發現，比起傳統以排序方式給與推薦的方式，多數學習者使用認為，學習經驗分類的資訊是判斷與決定欲瀏覽教材的重要依據。

The development of Internet promotes the emergence of learning environments. In online-learning environments, learners often face three problems: learner control, disorientation and cognitive overload. In this thesis, we combine data mining and recommendation system to develop a material recommendation system, to help learners study in an efficient way. In order to avoid “two wrongs make a right” of the data mining result, we investigate the problem of how learners exploit the information of “learning experience” in making decision on recommendation adoptions. Questionnaires are also designed to find out the learners’ attitude about the recommendation system. Finally, we find that learners accept the recommendation system as a useful learning support tool in the e-learning platform, and they are satisfied with the information of recommendation. Furthermore, compared with traditional sequencing way of recommendation presence, most learners believe classification of learning experience is important to the decision on what material to retrieve.

中文摘要........................................................................................................................ I
英文摘要.......................................................................................................................II
致 謝..................................................................................................................... III
目 錄..................................................................................................................... IV
表目錄......................................................................................................................... VI
圖目錄...................................................................................................................... VIII
第壹章 緒論................................................................................................................1
第一節 研究背景................................................................................................1
第二節 研究動機................................................................................................2
一 學習者在網路教學環境下的問題.......................................................2
二 資料探勘運用於教育領域上的盲點...................................................3
三 學習者的反應........................................................................................3
第三節 研究問題與目的....................................................................................5
第四節 名詞釋義................................................................................................6
第貳章 文獻探討........................................................................................................8
第一節 推薦系統 (Recommender Systems) ...................................................8
一 內容過濾(Content-based Filtering) ..................................................10
二 協同式過濾(Collaborative Filtering)................................................12
第二節 資料探勘 (Data Mining) ...................................................................16
一 資料探勘簡介......................................................................................16
二 關聯規則探勘(Association Rules).....................................................17
三 序列型樣探勘(Sequential Patterns Mining) ....................................19
四 相關研究..............................................................................................20
第三節 系統滿意度..........................................................................................23
第参章 研究設計與方法..........................................................................................24
第一節 研究流程..............................................................................................24
第二節 研究方法..............................................................................................26
一 研究對象與範圍..................................................................................26
二 研究設計..............................................................................................27
第三節 問卷設計..............................................................................................33
第四節 系統實作..............................................................................................36
一 規則引擎(rule engine)........................................................................36
二 規則庫(rule base)的建置...................................................................36
三 推薦頁面..............................................................................................38
四 IDEAL 系統架構圖............................................................................39
第肆章 研究結果與分析............................................................................................41
第一節 電腦基本技能問卷..............................................................................41
一 學生個人基本資料分析......................................................................41
二 信度與效度檢定..................................................................................45
三 資料分析與結果..................................................................................48
第二節 推薦系統滿意度問卷分析.................................................................52
一 基本資料分析......................................................................................52
二 信度與效度檢定..................................................................................53
三 資料分析與結果..................................................................................55
第三節 小結......................................................................................................60
第伍章 結論與未來展望..........................................................................................63
第一節 結論......................................................................................................63
第二節 研究限制..............................................................................................64
第三節 未來研究..............................................................................................65
一 研究範圍與時間..................................................................................65
二 不同的探勘方式..................................................................................65
三 多元化的推薦方式..............................................................................66
四 考量學生的學習風格..........................................................................66
文獻探討......................................................................................................................67
一 中文文獻......................................................................................................67
二 英文文獻......................................................................................................70

中文文獻
(1).余明哲，圖書館個人化館藏推薦系統，國立交通大學資訊科學系碩士論文，2002。
(2).吳保珠 ，利用探勘技術發掘最適性之網頁學習路徑，南台科技大學資訊管理研究所碩士論文，2003。
(3).李政權，使用資料探勘技術進行文件推薦―以設計FAQ 推薦系統為例，中原大學資訊管理研究所碩士論文,2000。
(4).杜宜潔，整合網站使用探勘與網站內容探勘建構線上個人化新聞資訊推薦系統之研究，輔仁大學/資訊管理學系碩士論文，2001。
(5).林淑玉，智慧型網路教學課程推薦與導航之研究，真理大學管理科學研究所碩士論文，2002。
(6).武連斌，資料探勘之運用-以國中學生學習多媒體電腦輔助教學之行為為例，中國文化大學資訊管理研究所碩士論文，2002。
(7).邵秀梅，資料探勘應用於個人化網路教學導覽之研究，銘傳大學資訊工程學系碩士論文，2001
(8).邵秀梅，資料探勘應用於個人化網路學習導覽推薦之研究，銘傳大學資訊管理研究所碩士論文，2004。
(9).邱永祥，運用類神經網路與資料探勘技術於網路教學課程推薦之研究，朝陽科技大學資訊管理系碩士論文，2002。
(10).翁緗芸，透過資料探勘探討學習風格與線上教材瀏覽策略對學習成效影響之研究，銘傳大學資訊管理研究所碩士論文，2005。
(11).張瑛娜，行動通信網路上個人化服務推薦系統之設計，大同大學資訊工程研究所碩士論文，2004。
(12).許靜芬，應用網際探勘於網頁及商品自動化推薦系統之研究，國立台灣科技大學資訊管理研究所碩士論文，2001。
(13).郭建中，資料探勘技術應用於網路教材瀏覽模式之研究，銘傳大學資訊工程學系碩士論文，2000。
(14).陳正德，以項目為基礎的協同過濾應用於網路教材瀏覽推薦之研究，銘傳大學資訊工程研究所碩士論文，2004。
(15).馮文正，合作式網站推薦系統，國立交通大學資訊科學研究所碩士論文，2001。
(16).黃思佳，以資料探勘技術為基礎的個人化文件推薦系統，國立台灣科技大學資訊工程研究所碩士論文，2003。
(17).黃星峰，運用資料探勘建立個人適性化學習網站，大同大學資訊經營研究所碩士論文，2004。
(18).黃雅慧，應用網站探勘於網站瀏覽之個人化－以健康檢查業為例，東吳大學資訊科學研究所碩士論文，2003。
(19).楊煜愷，以完全項目集合演算法挖掘與分析使用者瀏覽行為，暨南國際大學資訊管理研究所碩士論文，2002。
(20).劉建宏，知識服務導向之推薦暨領航機制研究-以數位學習平台為例，大葉大學資訊管理學系碩士論文，2003。
(21).鄭玉玲，運用資料探勘技術實作數位圖書館上個人化之檢索與推薦服務-以南華大學圖書館為例，南華大學資訊管理學研究所碩士論文，2002。
(22).賴民崇，協同過濾式個人化網站瀏覽推薦系統，長榮大學經營管理研究所碩士論文，2004。
(23).簡士堯，以內容為基礎之網路學習導覽推薦之研究，銘傳大學資訊工程學系碩士論文，2003。
(24).顏榮泉，全球資訊網輔助學習系統之建構模式--以生活科技課程為例國立臺灣師範大學工業科技教育學系碩士論文，1996。
英文文獻
Aggarwal, C.C., and Yu, P.S. “A New Approach to Online Generation of Association Rules,” IEEE Transactions on Knowledge and Data Engineering (13:4), 2001
Balabanovic, M., and Shoham, Y. “Fab: Conten-based, Collaborative Recommendation,” Communications of the ACM (40:3), pp. 66-72. , 1997
Cohen, E., Datar, M., Fujiwara, S., Gionis, A., Indyk, P., Motwani, R., Ullman, J.D.,and Yang, C. “Finding Interesting Associations without Support Pruning,” IEEE Transactions on Knowledge and Data Engineering (13:1), pp. 64-78. , 2001
Doll, W.J. & TorKzadeh, G.,”The Measure of End-User Computing Satisfaction”, MIS Quarterly, Vol.12, No.2, June , pp.259-274. ,1988
Dunja Mladenic, “Text-Learning and Related Intelligent Agents: A Survey,” IEEE Intelligent Systems Volume: 14 Issue: 4 , pp. 44-54, July-Aug 1999
Evans, J., “Measures of Computer and Information Systems Productivity Key Information Interview,” Tech Report APR-20546/TR-5, Westinghouse Research Labs., Pittsburgh, PA, 1976.
Frawley, W, J. Et al. (Eds) , “Knowledge discovery in databases :an overview,” Menlo Park , CA:AAAI Press/The MIT Press, 1991.
Fu, X., Budzik, J., and Hammond, K.J. “Mining Navigation History for Recommendation,” ACM Proceedings of Intelligent User Interfaces.,2000,
Gelderman, M., “The Relation between User Satisfaction,Usage of Information Systems and Performance” Information and Management, Vol. 34, No. 1, 1998,
Gnardellis T. and Boutsinas B.,“On Experimenting withdata Mining in Education” 2001.
Han, J., and Kamber, M.”Data Mining: Concepts and Techniques”, Morgan Kaufmann Publishers, San Francisco, 2001.

Kwak, M., and Cho, D.S. “Collaborative Filtering with Automatic Rating for Recommendation,” In Proceeding ISIE 2001 IEEE International Symposium on Industrial Electronics (1), pp. 625-628. , 2001
Lee, C.H., Kim, Y.H., and Rhee, P.K. “Web personalization expert with combining collaborative filtering and association rule mining technique,” Expert Systems with Applications (21), pp. 131-137. , 2001
Mark Kassop: Ten Ways Online Education Matches, or Surpasses, Face-to-Face Learning.” The Technology Source, May/June 2003.[On-line]Available online at：http://technologysource.org/article/ten_ways_online_education_matches_or_surpasses_facetoface_learning/
Mulvenna ,M.D., Anand,S.S., and Buchner,A.G. “Personalization on the Net using Web Mining,” Communications of the ACM (43:8),pp.123-125 ,2000
Resnick P. and Varian R., “Recommender system,” Communication of the ACM, vol. 40, no. 3, pp.56-58, March 1997.
Riecken, D. “Personalized Views of Personalization,” Communications of the ACM (43:8), 2000, pp. 27-28.
Trace, A. U., and Cornelia, C. W. “Corporate e-learning : exploring a new frontier”, WR Hambrecht Co. , 2000
Wiley, "Learning objects need instructional design theory " [On-line]Available online at：http://wiley.ed.usu.edu/docs/astd.pdf 2002
Zhu, T, Geiner, R., and Häubl G. “An Effective Complete-Web Recommender System,” Twelfth International World Wide Web Conference WWW 2003.
Zhu, T., Greiner, R., and Häubl G. “Predicting Where a Web User Wants to Go,”Best Practices and Future Visions for Search User Interfaces CHI 2003.