跳到主要內容

臺灣博碩士論文加值系統

(35.172.136.29) 您好!臺灣時間:2021/08/02 17:22
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:葉晟德
研究生(外文):Sheng-De Yeh
論文名稱:結合多風格量表之適性化數位學習系統
論文名稱(外文):Using Mulitiple Learning Style Profile in Adaptive E-Learning System
指導教授:陳碧茵陳碧茵引用關係黃國豪黃國豪引用關係
指導教授(外文):Be-Yin ChenGwo-Haur Hwang
學位類別:碩士
校院名稱:嶺東科技大學
系所名稱:資訊科技應用研究所
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:63
中文關鍵詞:數位學習學習風格Keefe學習風格量表所羅門學習風格量表適性化學習自動問答系統
外文關鍵詞:E-learningLearning StyleKeefe & Monk Learning StyleSolomom Learning StyleAdaptive LearningAutomatic Question-Answering System
相關次數:
  • 被引用被引用:4
  • 點閱點閱:521
  • 評分評分:
  • 下載下載:95
  • 收藏至我的研究室書目清單書目收藏:7
過去的學習風格研究大多著重於課堂教學,且使用單一風格量表做為整體學習風格之判斷。本研究目的在於結合Keefe等人的學習風格量表(Learning Style Profile)與所羅門學習風格,實做了一套結合多風格量表之適性化數位學習系統(MALS:Multiple Adaptive Learning System),創造出有效提升學習成效的結合多風格量表適性化數位學習環境,其中包含了數位學習教學模組及問答模組。
本系統使用Keefe等人的學習風格量表來判斷學習教材、學習測驗及問題解答的難易度;而使用所羅門學習風格為教材及問題解答的類型與學習模式的分析。
經由119位學生之實驗,我們發現當學習者透過MALS學習後成績平均優於其它學習者。而學習者透過MALS平台中之問答模組發問時,我們也發現給予學習者適當類型的解答,能提高學習者對於解答的滿意度。
In the past a lot of learning style research focused on classroom teaching, and used the sole style metered to do judgment for the whole learning style. The main objective of this research is to integrate the Learning Style Profile by Keefe & Monk and Solomom Learning Style. Our done a multiple learning style profile in adaptive e-learning system. It is expected to create an adaptive learning way to enhance the efficiency of learning. In MALS includes adaptive e-learning module and automatic question-answering module.
The initial step of this research used the Learning Style Profile by Keefe & Monk and Solomom Learning Style. The former is used to judge for the three-level difficulty of material and as well as of test and answer. The latter is used to analyze the type of material and learning mode.
After a week on-line learning, we found that if learners assure to study, the average grades of an experiment group is superior to the one of a control group. When learners ask question in MALS, we find the adaptive answers for answers can to the learners improve satisfaction.
目 錄
摘 要 i
ABSTRACT ii
誌 謝 iii
目 錄 iv
表 目 錄 vi
圖 目 錄 vii
第一章 前言 1
第一節 研究動機 1
第二節 研究目的 1
第二章 文獻探討 3
第一節 學習風格 3
壹、學習風格的定義 3
貳、Keefe學習風格理論 3
參、所羅門學習風格理論 5
第二節 適性化學習 5
第三節 智慧型個人化網路教學系統開發平台之研製 6
壹、學生學習之特徵參數 6
貳、學習風格分析 7
參、課程難易度分析 7
第四節 自動問答 8
壹、概述 8
貳、ACSS自動化客戶服務系統 12
參、WISE網路資源搜尋系統 13
肆、自動化問答系統之研製 14
第三章 結合多風格量表之適性化數位學習系統 17
第一節 系統架構 17
壹、教師介面 18
貳、學生介面 18
參、系統管理員介面 18
肆、系統資料庫 18
第二節 學習風格模組 19
第三節 適性化教學模組 20
第四節 適性化自動問答模組 21
第五節 系統畫面 22
第四章 系統實驗與分析 35
第一節 適性化教學模組實驗 35
第二節 單與多適性化學習風格量表成效之比較實驗 41
壹、對照組 42
貳、單風格-所羅門 42
參、單風格-Keefe 42
肆、多風格-所羅門和Keefe 42
伍、適性化教學 43
陸、學習風格測驗 44
柒、實驗分析 44
第三節 適性化自動問答模組實驗規劃 47
第五章 結論與未來工作 57
參考文獻 58
附一、結合多風格量表之適性化數位學習系統問卷 62
附二、結合多風格量表之適性化自動問答模組問卷 63

表 目 錄
表2-1 Keefe學習風格量表中認知風格量表 4
表2-2 所羅門各類型代表意義 5
表2-3 智慧型個人化網路教學系統-學生學習之特徵參數 6
表4-1 前測與後測比較表 36
表4-2 確實學習與未確實學習之比較表 36
表4-3 實驗分組對照表 41
表4-4 實驗分組對照表 45
表4-5 ANOVA -前測 45
表4-6 ANOVA -前測 46
表4-7 實驗前後成績對照表 46
表4-8 實驗前後成績對照表 47
表4-9 HTML適性化問答模組實驗分組 48
表4-10 HTML適性化問答模組-呈現方式滿意度(分組一) 49
表4-11 HTML適性化問答模組-呈現方式滿意度(分組二) 49
表4-12 HTML適性化問答模組-呈現方式滿意度(分組三) 49
表4-13 HTML適性化問答模組-呈現方式滿意度(分組四) 49
表4-14 HTML適性化問答模組-難易度滿意度(分組一) 49
表4-15 HTML適性化問答模組-難易度滿意度(分組二) 50
表4-16 HTML適性化問答模組-難易度滿意度(分組三) 50
表4-17 HTML適性化問答模組-難易度滿意度(分組四) 50
表4-18 HTML適性化問答模組-呈現方式滿意度(四組比較) 50
表4-19 HTML適性化問答模組-難易度滿意度(四組比較) 50
表4-20 HTML適性化問答模組-呈現方式滿意度(描述性統計量) 51
表4-21 HTML適性化問答模組-呈現方式滿意度(ANOVA) 51
表4-22 HTML適性化問答模組-呈現方式滿意度(檢定多重比較) Scheffe 法 52
表4-23 HTML適性化問答模組-難易度滿意度(描述性統計量) 52
表4-24 HTML適性化問答模組-難易度滿意度(ANOVA) 52
表4-25 HTML適性化問答模組-難易度滿意度(多重比較) Scheffe 法 53
表4-26 HTML適性化問答模組問卷-第七題(描述性統計量) 54
表4-27 HTML適性化問答模組問卷-第七題(ANOVA) 55
表4-28 HTML適性化問答模組問卷-第七題(多重比較) Scheffe 法 55
表4-29 HTML適性化問答模組-第八題(描述性統計量) 56
表4-30 HTML適性化問答模組-第八題(ANOVA) 56

圖 目 錄
圖3-1 結合多風格量表之適性化數位學習系統架構圖 17
圖3-2 學習風格模組架構圖 20
圖3-3 系統主畫面 22
圖3-4 認知風格測驗 23
圖3-5 認知風格量表-連續處理技能 23
圖3-6 認知風格量表-同時處理技能 24
圖3-7 認知風格量表-分析技能 24
圖3-8 認知風格量表-空間技能 25
圖3-9 所羅門學習風格量表 25
圖3-10 HTML課程學習中畫面-序列型 26
圖3-11 HTML課程學習中畫面-綜合型 27
圖3-12 HTML課程學習中畫面-視覺型 27
圖3-13 HTML課程學習中畫面-語言型 28
圖3-14 HTML課程學習中畫面-教材難度難 28
圖3-15 HTML課程學習中畫面-教材難度中 29
圖3-16 HTML課程學習中畫面-教材難度易 29
圖3-17 適性化自動問答模組中問題發問介面 30
圖3-18 HTML適性化問答模組-視覺型 31
圖3-19 HTML適性化問答模組-語言型 32
圖3-20 HTML適性化問答模組教材難易度-難 33
圖3-21 HTML適性化問答模組教材難易度-中 33
圖3-22 HTML適性化問答模組教材難易度-易 34
圖4-1 學生學習課程後之部份測驗分數 36
圖4-2 使用適性化學習系統對於您學習是否有幫助 38
圖4-3 適性化學習系統中針對不同使用者自動給與不同方式的教材:(視覺型:圖文方式)、(語言型:純文字方式),您是否滿意系統給與的教材類型 38
圖4-4 適性化學習系統中針對使用者學習狀況自動調整教材的難易度,您是否滿意系統給與的教材難易度 39
圖4-5 適性化學習系統的HTML課程內容題否詳盡 39
圖4-6 適性化學習系統對於您而言是否容易使用 40
圖4-7 適性化學習系統操作介面是否完善 40
圖4-8 對於目前適性化學習系統整體而言使用是否滿意 41
圖4-9 HTML問題解答頁面之滿意度調查 48
圖4-10 MALS自動問答模組滿意度調查 54
[1]中央研究院中文詞庫小組,「CKIP 中文分詞詞庫」,中央研究院,民國八十八年。
[2]李世林,曾秋蓉,黃國禎,「智慧型個人化網路教學系統開發平台之研製」,2001年臺灣區網際網路研討會暨網路學習與繼續專業教育國際會議。台灣,中正大學,民國九十年十月二十四日至二十六日。
[3]李孟瑜,曾秋蓉,「Development of an Intelligent Network-based Customer Service System」,私立中華大學資訊工程研究所碩士論文,民國九十一年。
[4]卓輝泰,「依學習風格建構中學適性數位學習模式之研究」,國立中正大學資訊工程研究所碩士論文,民國九十一年。
[5]林鳳春,「探討不同學習風格的國小學童運用網路教學在動物分類學習之成效」,臺北市立師範學院科學教育研究所碩士論文,民國九十年。
[6]林農堯,黃國禎,「Development of an Adaptive Virtual Tutoring-Assistant System on Computer Networks」,國立暨南國際大學資訊管理研究所碩士論文,民國九十二年。
[7]張育銘,黃國禎,「自我調適能力之智慧型網路客戶服務系統」,全國計算機會議, 文化大學,民國九十年。
[8]郭重吉,「英美等國晚近對學生學習風格之研究」,資優教育季刊,22期,pp.2-8,民國七十六年。
[9]陳欽峰,「Scorm-Based 適性化網路學習管理平台之設計」,臺中師範學院教育測驗統計研究所碩士論文,民國九十三年。
[10]黃國豪,張仕政,陳冠宏,尤弘志,「結合所羅門學習風格之適性化學習與評量系統」,2005台灣數位學習發展研討會,台灣,國立台灣師範大學,民國九十四年五月六日至七日。
[11]劉信雄,「國小學生認知風格、學習策略、自我效能與學業成就關係之研究」,國立政治大學教育研究所博士論文,民國八十一年。
[12]數位學習國家型科技計畫網站,http://elnpweb.ncu.edu.tw/index.htm。
[13]顏榮泉,「全球資訊網在教學與學習上之應用探討」,教學科技與媒體,25期,pp.33-41,民國八十五年。
[14]魏智強,「自動化問答系統之研製」,中華大學資訊工程研究所碩士論文,民國九十五年。
[15]A. Hulth, “Improved Automatic Keyword Extraction Given More Linguistic Knowledge”, Proceedings of the 2003 Conference on Empirical Methods in Natural Language Processing, Sapporo, July, 2003, pp. 216-223.
[16]Bill Manaris, “Natural Language Processing: A Human-Computer Interaction Perspective”, In Advances in Computers (Marvin V. Zelkowitz, ed.), Academic Press, New York, 1998, Vol. 47, pp. 1-66.
[17]Boris Katz and Jimmy Lin, “Selectively Using Relations to Improve Precision in Question Answering”, Proceedings of the EACL-2003 Workshop on Natural Language Processing for Question Answering, April 2003.
[18]Boris Katz, “Annotating the World Wide Web using natural language”, Proceedings of the 5th RIAO Conference on Computer Assisted Information Searching on the Internet, 1997.
[19]Boris Katz, Sue Felshin, Deniz Yuret, Ali Ibrahim, Jimmy Lin, Gregory Marton, Alton Jerome McFarland, and Baris Temelkuran, “Omnibase:Uniform access to heterogeneous data for question answering”, Proceedings of the 7th International Workshop on Applications of Natural Language to Information Systems, 2002, pp. 230-234.
[20]Budi Yuwono and Dik Lun Lee, “WISE: a World Wide Web resource database system”, IEEE Transactions on Knowledge And Data Engineering, Aug. 1996, Vol. 8, No. 4, pp. 548-554.
[21]David B. Bracewell, Fuji Ren, and Shingo Kuriowa, “Multilingual Single Document Keyword Extraction for Information Retrieval”, Proceedings of IEEE International Conference on Natural Language Processing and Knowledge Engineering, Oct. 30-01, 2005, pp. 517-522.
[22]G. Salton and M. McGill, “Introduction to Modern Information Retrieval”, New York N.Y.: McGraw-Hill, 1983.
[23]G. Salton, A. Wong, and C.S. Yang, “A Vector Space Model for Automatic Indexing”, Communications of the ACM, Nov. 1975, Vol. 18, No. 11, pp. 613-620.
[24]G. Salton, and C. Buckley, “Term Weighting Approaches in Automatic Information Retrieval”, Journal of Information Proceeding and Management, 1988, Vol. 24, No. 5, pp. 513-523.
[25]Heinz Hartmann, “Ego Psychology and the Problem of Adaptation”, International universities press, 1958.
[26]J. Prager, E. Brown, A. Coden, and D. Radev, “Question answering by predictive annotation”, Proceedings of the 23rd annual international ACM SIGIR conference on Research and development in information, Athens, Greece, 2000, pp. 184-191.
[27]J. W. Keefe, “Profiling and utilizing learning style. ” Reston, Va.: NASSP, 1988.
[28]Jimmy Lin and Boris Katz, “Question Answering from the Web Using Knowledge Annotation and Knowledge Mining Techniques”, Proceedings of the twelfth international conference on Information and knowledge management, New Orleans, Louisiana, USA, Nov. 3–8, 2003, pp. 116-123.
[29]Judy C. R. Tseng and Gwo-Jen Hwang, “Development of an Automatic Customer Service System on the Internet”, to appear in Electronic Commerce Research and Applications, 2006.
[30]L. A. Bonham, “Learning style use: In need of perspective. Lifelong learning”, 11(5), 14-17, 19, 1988.
[31]M. Makrehchi and M. Kamel, “A fuzzy set approach to extracting keywords from abstracts”, Program Committee of 23rd International Conference of the North American Fuzzy Information Processing Society, Banff, AB, Canada, June 27-30, 2004.
[32]P. Brusilovsky, “Adaptive hypermedia. User Modeling and User Adapted Interaction, ” Ten Year Anniversary Issue (Alfred Kobsa, ed.) 11 (1/2), 2001 , pp.87-110
[33]P. Brusilovsky, “Methods and Techniques of Adaptive Hypermedia. ” User Modeling and User Adapted Interaction, 6(2-3), 1996, pp.87-129.
[34]Paul De Bra, Peter Brusilovsky, Geert-Jan Houben, “Adaptive Hpermedia: From Systems to Framework” , ACM Computing Surveys (CSUR) , 31(4), Dec 1999.
[35]R. Dunn, K. Dunn, “Teaching elementary students through their individual learning styles. ” Boston: Allyn and Bacon, 1992.
[36]R. Kongachandra, C. Kimpant, T. Suwanapong, and K. Chamnongthai, “Newly-born keyword extraction under limited knowledge resources based on sentence similarity verification”, IEEE International Symposium on Communications and Information Technology, Oct. 26-29, 2004, Vol. 2, pp. 1183-1187.
[37]T.A. Runkler and J.C. Bezdek, “Automatic keywords extraction of Chinese document using small world structure”, Proceedings of International Conference on Natural Language Processing and Knowledge Engineering, Oct. 26-29, 2003.
[38]Y. Matsuo and M. Ishizuka, “Keyword Extraction from a Single Document using Word Co-occurrence Statistical Information”, International Journal on Artificial Intelligence Tools, 2004, Vol. 13, No. 1, pp. 157-169.
[39]Y. Sakakibara, K. Misue, and T. Koshiba, “Text classification and keyword extraction by learning decision trees”, Proceedings of Ninth Conference on Artificial Intelligence for Applications, March 1-5, 1993.
[40]Zhu Mengxiao, Cai Zhi, and Cai Qingsheng, “Automatic keyword extraction with relational clustering and Levenshtein distances”, Proceedings of International Conference on Natural Language Processing and Knowledge Engineering, Oct. 26-29, 2003.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top