臺灣博碩士論文加值系統

心理方面的特性均非具體實物，變動而抽象，目前的技術是不能夠直接觀察和測量，但是這些特性可從實際的行為中表現出來，於是我們根據受試者在某一特定情境中的反應情形，以間接測量的方法，來估計或推斷各種潛在的心理特質之差異程度，如何精確與迅速的推斷出受試者的心理特質，正是我們迫切需要的。
現在的教學評量趨向於電腦化測驗，應用貝氏網路因果的理論，針對學生個人、班級、班群或學校等不同的群體，建置一個可以分析診斷問題，預測學生學習能力的系統，來幫助學生找出自己的那些基本概念不清楚，方便教師進行課後補救教學的參考。適性測驗用來診斷個人的技能，適性測驗使用貝氏網路對一個受測的學生和給予的問題模式化。
傳統用在教育心理測驗的方法是試題反應理論。貝氏網路目前的應用被認為是多維IRT的一般化。它有兩個基本優點：
1. 推論的過程更能反映出學生並且提供更佳的透視已模型化的問題。
2. 學生模式是能將技能之間的相依性模型化。因此，在保有原來精確度之下，適性測驗本質上能被縮短。
本研究以國小四年級數學科「面積」單元為例，利用試題證據訓練貝氏網路，選用ＡＯ*演算法來作為選題策略，建構試題結構，與歐氏距離法做比較，來分析了解 一.實體的線上學習診斷系統是否可行？二.適性選題的診斷在實體線上學習診斷系統上，是否具有功效？所以我們收集學生實際在線上作答的情況，以歐氏距離法與貝式網路作為分析的工具，討論其正確率，作為實體線上診斷是否可行的參考。

Non- concrete material object of characteristic of the psychology, but the change is abstract, can not be observed and measured directly in present technology, but these characteristics can show from the real behavior , then we, according to experimenter's response situation in a certain specific situation, in order to the method that is measured indirectly , to estimate or infer the difference degree of various kinds of potential psychological specialities, how experimenters' psychological speciality has appeared in accurate and fast inference, it is exactly what we need urgently.
The present in implementing trends towards computerized adaptive testing, use shellfish's theory of the cause and effect of the network, direct different colonies , such as individual , class , group or the school of class ,etc. against students, one of construction can be analysed question of diagnosing, predict the system of student's learning ability , help students to find out those one's own basic conception without clear , help the teacher remedy the reference of teaching after class ing. In this section we present an example of an adaptive test that was used to diagnose person s skills The adaptive test uses Bayesian networks to model a tested student and the given questions。
Classical approach used in educational and psychological testing is item response theory IRT 。The presented application of Bayesian network can be regarded as a generalization of the multidimensional IRT It brings two basic advantages 。
1. It can better reflect the student reasoning process and provides better insight into the modelled problem 。
2. The student model encode dependence between skills 。Therefore adaptive tests can be substantially shortened while the test precision is kept
This paper probes into the mathematic unit of square measure of grade 4， using the evidence of test questions to train Bayesian Networks ， and uses AO* Algorithms as strategy of selecting items to construct question structures， compare with Euclidean distance that provides to implement the real learning diagnose on-line system。 By using system to analyze the following questions；First , is the real learning diagnose on-line system feasible？Second，does adaptive selecting item on real learning diagnose on-line system have any efficiency？
So we collected the situation of students answered items，using Bayesian Networks and Euclidean distance as tools of analyzing，discussing its correct rate，and doing the entity whether real learning diagnose on-line system is a feasible reference or not。

第一章 緒論
第一節 研究動機……………………………………………………1
第二節 研究目的……………………………………………………3
第三節 名詞解釋……………………………………………………4
第四節 論文架構……………………………………………………5
第二章 文獻探討
第一節 貝氏定理……………………………………………………6
第二節 貝氏網路……………………………………………………7
第三節 電腦適性化測驗理論………………………………………10
第四節 貝氏網路在教育測驗上的應用……………………………12
第五節 以貝氏網路為主的電腦適性測驗…………………………14
第三章 研究方法
第一節 研究方法……………………………………………………22
第二節 研究步驟……………………………………………………24
第三節 研究工具……………………………………………………33
第四節 研究對象與限制……………………………………………34
第四章 研究成果
第一節 18題的試題結構樹的分類正確率比較……………………35
第二節 執行時間比較 ………………………………………………38
第三節 非18題的試題結構樹的分類正確率比較…………………39
第五章 結論與建議
第一節 結論…………………………………………………………42
第二節 建議…………………………………………………………43
參考文獻
中文部分………………………………………………………………44
英文部分………………………………………………………………45
附錄一 施測試題…………………………………………………47
附錄二 專家知識結構……………………………………………48
附錄三 古典的難易度……………………………………………49












表目錄
表3-1 面積測驗題型編製架構……………………………………………26
表3-2 「面積」單元測驗試題涉及錯誤類型成分 ……………………26
表3-3 以歐氏距離方式做錯誤類型組型計算……………………………29
表3-4 以歐氏距離方式做學生技能組型計算……………………………30
表 3-5 以改良式歐氏距離方式做錯誤類型組型計算 ………………… 31
表 3-6 以改良式歐氏距離方式做學生技能組型計算 ………………… 32
表 4-1 錯誤類型和技能推論正確率表……………………………………35
表 4-2 採用動態threshold 錯誤類型和技能推論正確率表 ………… 37
表 4-3 執行時間比較 …………………………………………………… 38
表4-4 不同選題數的各個分類正確率值的接近度比較 ……………… 39
表4-5 歐式距離法不同選題數的各個分類正確率值的接近度比較 ……40
表4-6 加權式歐式距離法不同選題數的各個分類正確率值的接近度比較 …41


圖目錄
圖2-1 一個具有方向性的非循環有向圖…………………………………7
圖2-2 貝氏網路的範例……………………………………………………9
圖2-3 策略分解圖…………………………………………………………15
圖2-4 簡單試題結構圖範例………………………………………………18
圖2-5 古典難易度原理圖…………………………………………………21
圖3-1 面積錯誤類型貝氏網路……………………………………………27
圖4-1 錯誤類型和技能推論正確率………………………………………36
圖4-2 採用動態threshold 錯誤類型和技能推論正確率 ……………37
圖 4-3 不同選題數的各個分類正確率值的折線圖………………………40

何明鏡，劉湘川，郭伯臣(民93)。以知識結構為主的適性診斷測驗系統之研究-以高階語言C++之算術邏輯運算及輸入輸出函數為例。網路學習評量系統。網路學習理論與應用學術研討會。新竹，交通大學。
李俊儀，許雅菱，施淑娟，郭伯臣，許天維(民94)。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。桃園，銘傳大學。
施淑娟(民94)。應用貝氏網路進行國小五年級「小數」單元學習診斷之研究。國立台灣師範大學教育心理與輔導研究所博士論文計畫，未出版，台北市。
許雅菱(民94)。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，未出版，台中市。
劉湘川彙編(民93b)。貝氏網路機率模式。國立台中師範學院九十三學年度第二學期。「貝氏統計理論」教學講義。
蘇俊和(民91)。貝氏網路的建構與學習機制之研究-以航太產業績效管理為例。東海大學碩士論文，未出版，台中市。
潘俊帆(2001) 以貝氏網路為基礎的個人差異化知識處理機制
黃漢申(2003) 從稀少資料學習 一個貝氏網路參數學習的方法
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

劉麒峰(2004) 以貝氏網路為基礎的國中數學相關因素預測及診斷系統。
Columbia 應用貝氏網路針對多位數減法的錯誤判斷
李天岩http://episte.math.ntu.edu.tw/articles/mm/mm_13_3_01/index.html

英文部分
Almond,R.G.,Mislevy, Robert J. (1999) Graphical models and computerized adaptive testing. Applied Psychological Measurement,23(3):223-237.
Almond,R.G., Dibello,L., Jenkins,F., Senturk,D., Mislevy,R.J., Steinberg,L.S., Yan,D. (2001).Models for Conditional Probability Tables in Educational Assessment.In Proceedings of the 2001 Conference on AI and Statistics .Society for Artificial Intelligence and Statistics http://www.ai.mit.edu/conference /aistats2001/files/almond46.ps.
Hambleton,R.K. & Swaminathan,H.(1985).Item response theorey:Principles and applications. Boston,MA:Kluwer-Nijhoff.
Johnsonbaugh,R., Schaefer,M. (2004).Dynamic programming ,algorithms,P.323.
Lee, J.(2003).Diagnosis of bugs in multi-column subtraction using Bayesian networks. Unpublished ph.D., Columbia University.
Mislevy, Robert J., Almond, Russell G., Lukas, Janice F.(2003).A Brief Introduction to Evidence-Centered Design.
Vomlel,J.(2002)Evidence Propagation in Bayesian Networks for Computerized Adaptive Testing .Aalborg University .http://www.cs.auc.dk/~jirka
Vomlel,J.(2003).Bayesian Networks in Educational Testing Testing.http://utia.cas.cz/vomlel/.
Vomlel,J.(2004). Building adaptive tests using Bayesian networks.
Kybernetika –Volume 40(2004),Number 3,p.333-3

An Introduction to Causal Inference ( Richard Scheines)
Constraint Based Aids to Causal Model Specification
( Richard Scheines )