跳到主要內容

臺灣博碩士論文加值系統

(44.220.255.141) 您好!臺灣時間:2024/11/03 04:25
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

我願授權國圖
: 
twitterline
研究生:李昭毅
研究生(外文):Chao-Yi Li
論文名稱:利用學習歷程進行多元適性化補救之研究
論文名稱(外文):Applying Learning Portfolios to Multiple Adaptive Remedial Learning
指導教授:夏延德夏延德引用關係鍾斌賢鍾斌賢引用關係
指導教授(外文):Yen-Teh HsiaBin-Shyan Jong
學位類別:碩士
校院名稱:中原大學
系所名稱:資訊工程研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:127
中文關鍵詞:學習歷程主成份分析配分多元適性化補救因素分析思考風格ANOVA檢定
外文關鍵詞:Thinking StylesPrincipal Component AnalysisAnalysis of VarianceLearning PortfoliosMultiple Adaptive RemedialFactor Analysis
相關次數:
  • 被引用被引用:4
  • 點閱點閱:201
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
摘要
隨著網際網路的普及,越來越多教師透過遠距教學進行相關之教學活動,然而在遠距教學的研究上,許多相關文獻都談到學生學習歷程之應用,如學生的閱讀時間、登入次數、互動討論等,因此找出影響學生學習成就的關聯性為一重要議題。
本研究提出將學習歷程歸類出兩種屬性,分別以量為基礎之線上行為,透過主成份分析法找出各項線上行為的權重作為線上表現配分依據;和以質的角度觀察學生教材學習軌跡以及線上作業測驗各項成績,分析這些線上行為因子間的相互關聯後,再由本系統給予學生多元適性化的補教學習。
本研究的目的為觀察學生線上行為,針對其不同學習之狀況進行適性化輔導,以提升學習成就;並透過不同時間點的觀察,找出學習行為不佳的學生,觀察影響他們偏差的學習模式,不斷導正學生的學習方向,使之合乎教師的期望。
本系統提供概念學習介面,教師可以依照需求將線上教材進行分類成概念,設定各教材應學習的閥值,系統會偵測學生目前學習概念的狀況,即時掌握學生學習狀況,適時給予補救。最後利用ANOVA檢定驗證學生在多元適性化補救後,線上活動之變化與學習成就間的相互關係,探討學生在透過本研究幫助後,是否有明顯增進其學習成效。
本研究也初步探討教師與助教熱忱度和學生學習積極度是否有關。在驗證良好線上學習環境,除了學生應積極上線學習外,老師與助教適時提供各項教學資源及輔助對學生的影響是否也有明顯的幫助。
As the popularization of the internet, there are many teachers carry on relevant teaching activities through the distance teaching. However, according to many papers of distance teaching, they refer to learning portfolios of the students such as reading time, log in times and conversation with each others. So it is a very important issue to find out the corelation about the influence factors of the students’ learning achievement.
In this paper , learning portfolios is classified into two kinds of attributes , the first one is quantity-based, that is, finding out each weight values of on-line behavior via principal component analysis of factor analysis,and using these values to decide the performance score of student. The second one is observing teaching materials of learning portfolio and on-line homework via viewpoint of quality. After analyzing the corelation of these on-line behavior factor, the students will obtain multiple adaptive remedial via proposed system.
This study tries to observe on-line behavior of the students,the proposed system applies each student adaptive remedial according to different learning situation in order to rise learning achievement, and finds out the students whose behavior is not good and then observe their learning modes. According to these modes,the system correct the learning direction of the students and make them conform with the teacher's expectation.
The proposed system provides a interface of concept learning, the teachers can classify the on-line teaching materials into desire concept according to the demand, and then decide a threshold each materials should have. The proposed system will detects the students’ learning states, grasp students’ states of studying immediately and helps them in good time. Finally, in order to assure if the students can improve learning achievement, we use analysis of variance to verify the corelation between the variation of on-line activities under multiple adaptive remedial and learning achievement.
This study also investigate the relation between teachers’ and assistants’ enthusiasm and the students’ learning achievement. Besides actively learning on-line, there is an obviously assistance if teachers and assistants provide teaching resources in right time.
目錄
摘要 I
誌謝 IV
目錄 V
圖目錄 VII
表目錄 X
第一章 序論 1
1.1研究動機 1
1.2研究目的 1
第二章 相關研究 3
2.1學習歷程(LEARNING PORTFOLIOS) 3
2.2思考風格(THINKING STYLES) 4
2.3適性化教學(ADAPTIVE LEARNING) 5
2.4因素分析(FACTOR ANALYSIS) 6
2.4主成份分析(PRINCIPAL COMPONENT ANALYSIS) 8
2.5資料探勘(DATA MINING)技術 13
2.5.1集群分析(Cluster Analysis) 13
2.5.2 關聯性法則分析(Association Rule Analysis) 15
2.6 統計檢定 15
2.6.1 Z分配 16
2.6.2獨立性考驗 16
2.6.3 T考驗 17
2.6.4 ANOVA檢定 17
2.6.5 Pearson檢定 18
第三章 系統架構 19
3.1系統介紹 19
3.1.1系統開發目的 19
3.1.2系統開發 20
3.2 系統功能規劃 21
3.2.1 課程設定 22
3.2.2 擷取及過濾線上學習歷程 23
3.2.3 利用學生線上行為資訊進行分群 24
3.2.4各項關聯性分析 27
3.2.5 教材學習軌跡 35
3.2.6 線上行為自動計分 41
3.3助教與教師熱忱系統之介紹 42
第四章 實驗結果與討論 48
4.1實驗環境 48
4.2實驗對象與課程 51
4.3問題與假設 53
4.4分析結果與討論 55
4.4.1實驗ㄧ 55
4.4.2實驗二 64
4.4.3 線上學習概念探討 70
4.4.4 警訊與線上學習活動關係探討 74
4.4.5 警訊與學習成就之關係探討 79
4.4.6 實驗三 80
4.4.7 電話諮詢與思考風格之相關探討 104
4.4.8 初步探討助教、老師線上討論與學生學習之關聯性 104
4.4.9 探討歷屆線上表現分數與學習成就之關聯 107
第五章 結論與未來工作 110
5.1成效與貢獻 110
5.1.1提供教師更多元的學習歷程分析 110
5.1.2 提供概念與教材學習規範設定功能 110
5.1.3 線上主成份分析配分 110
5.1.4多元適性化補救 110
5.2 未來工作 111
5.2.1進階的文章過濾機制 111
5.2.2 老師和助教的學習歷程探討與分析 111
5.2.3 更細部的人格特質分析 111
5.2.4 結合概念檢定系統 111
參考文獻 112




圖目錄
圖2.1線上計分流程圖 10
圖2.2 K-MEANS分群圖示(K=4) 14
圖2.3階層演算(分散)法圖示 14
圖2.4 Z分配之曲線 16
圖3.1系統架構圖 21
圖3.2為設定課程介面 22
圖3.3 各項活動數據示意圖 24
圖3.4 各項線上成績數據示意圖 24
圖3.5 手動分群示意圖 25
圖 3.6半自動分群示意圖 25
圖3.7 演算法分群示意圖 26
圖3.8 邏輯分群示意圖 26
圖3.9 四分法分群示意圖 27
圖3.10條件式分群示意圖 27
圖3.11 T-TEST示意圖 28
圖3.12 獨立性考驗示意圖 29
圖3.13 關聯性分析示意圖 29
圖3.14 電子郵件發送介面圖(1) 30
圖3.15 電子郵件發送介面圖(2) 30
圖3.16手機簡訊發送介面圖(1) 31
圖3.17手機簡訊發送介面圖(2) 31
圖3.18時間軌跡介面 32
圖3.19自動更新分群介面圖 32
圖3.20演算法分群自動更新設定介面圖 33
圖3.21半自動分群自動更新設定介面圖(1) 33
圖3.22半自動分群自動更新設定介面圖(2) 34
圖3.23邏輯分群自動化更新設定介面 34
圖3.24條件式分群自動化更新設定介面(1) 35
圖3.25條件式分群自動化更新設定介面(2) 35
圖3.26 匯入教材節點介面 37
圖3.27選取分類的節點(1) 37
圖3.28選取分類的節點(2) 38
圖3.29 設定概念名稱及節點的閥值 38
圖3.30 學生各週概念學習狀況 39
圖3.31 學生各週教材學習狀況 39
圖3.32 學生各週概念學習狀況圖 40
圖3.33 優先學習教材列表 40
圖3.34 教材軌跡實作流程 41
圖3.35 線上行為計分之資料選取 42
圖3.36線上行為之權重 42
圖3.37助教熱忱首頁 43
圖3.38教師熱忱首頁 44
圖3.39設定觀察區間 44
圖3.40匯入名單 45
圖3.41擷取線上行為 45
圖3.42設定線上行為之權重 46
圖3.43計算分數 46
圖3.44教師熱忱列表 47
圖3.45助教熱忱列表 47
圖4.1中原網路學園首頁 49
圖4.2觀看教材介面 49
圖4.3課程討論區 50
圖4.4議題討論區 50
圖4.5線上作業列表 51
圖4.6線上測驗列表 51
圖4.7系統程式與實作概念圖 53
圖4.8作業系統與實作概念圖 53
圖4.9 96 SP登入次數變化圖 60
圖4.10 96 SP登入天數變化圖 61
圖4.11 96 SP張貼課程互動變化圖 61
圖4.12 96 SP點閱課程互動變化圖 61
圖4.13 96 SP張貼議題討論變化圖 62
圖4.14 96 SP點閱議題討論變化圖 62
圖4.15 96 SP 教材點閱次數變化圖 62
圖4.16 96 SP 教材點閱時間變化圖 63
圖4.17 96 SP整學期-登入次數變化圖 67
圖4.18 96 SP整學期-登入天數變化圖 67
圖4.19 96 SP整學期-課程互動張貼變化圖 68
圖4.20 96 SP整學期-課程互動點閱變化圖 68
圖4.21 96 SP 整學期張貼議題討論變化圖 68
圖4.22 96 SP 整學期點閱議題討論變化圖 69
圖4.23 96 SP 整學期教材點閱次數變化圖 69
圖4.24 96 SP 整學期教材閱讀時間變化圖 69
圖4.25 96 SP 系統程式簡介各週閱讀時間(MIN) 71
圖4.26 96 SP ASSEMBLER各週閱讀時間(MIN) 71
圖4.27 96 SP 期中複習各週閱讀時間(MIN) 72
圖4.28 96 SP COMPILER各週閱讀時間(MIN) 72
圖4.29 96 SP 資料庫管理系統各週閱讀時間(MIN) 72
圖4.30 96 SP 軟體工程各週閱讀時間(MIN) 73
圖4.31 96 SP 作業系統與電腦之關係各週閱讀時間(MIN) 73
圖4.32 96 OS登入次數變化圖 86
圖4.33 96 OS登入天數變化圖 87
圖4.34 96 OS課程張貼次數變化圖 87
圖4.35 96 OS課程點閱次數變化圖 87
圖4.36 96 OS議題張貼次數變化圖 88
圖4.37 96 OS議題點閱次數變化圖 88
圖4.38 96 OS教材點閱次數變化圖 88
圖4.39 96 OS教材閱讀時間變化圖 89
圖4.40 96 OS整學期登入次數變化圖 99
圖4.41 96 OS整學期登入天數變化圖 99
圖4.42 96 OS整學期張貼課程討論變化圖 99
圖4.43 96 OS整學期張貼議題討論變化圖 100
圖4.44 96 OS整學期點閱教材變化圖 100
圖4.45 96 OS整學期閱讀教材變化圖 100
圖4.46 96 OS整學期點閱議題討論變化圖 101
圖4.47 96 OS整學期點閱課程討論變化圖 101








表目錄
表2-1 KMO決策標準表 7
表2-2 KMO和BARTLETT檢定 7
表2-3變項的共同性 7
表2-4 解說總變異量 8
表2-5 各主成份負荷矩陣 11
表2-6 各線上行為之權重 11
表2-7 歷年學生線上表現分數和系統程式與實作學習成就之關聯分析 12
表2-8 歷年學生線上表現分數與作業系統與實作學習成就之關聯分析 12
表2-9 ANOVA檢定結果 18
表2-10 PEARSON檢定結果 18
表4-1 課程修課人數 52
表4-2 實驗對象 55
表4-3線上行為配分 56
表4-4實驗組與對照組線上表現分數之ANOVA檢定 57
表4-5實驗組與對照組小考分數之ANOVA檢定 57
表4-6實驗ㄧ簡訊發送時程表 58
表4-7線上活動變動後簡訊內容(第一次簡訊) 58
表4-8線上活動變動後簡訊內容(第二次簡訊) 59
表4-9實驗與對照組的期中成績ANOVA檢定 63
表4-10司法型的第三、四次簡訊內容 65
表4-11立法型的第三、四次簡訊內容 65
表4-12行政型的第三、四次簡訊內容 66
表4-13實驗與對照組的原始總成績ANOVA檢定 70
表4-14警訊與線上活動變化關係(實驗ㄧ) 74
表4-15警訊與線上表現分數(平均)之變化關係(實驗ㄧ) 75
表4-16實驗組與對照組線上表現分數檢定(第1~9週) 75
表4-17實驗組與對照組線上表現分數檢定(第1~11週) 76
表4-18警訊與線上活動變化關係(實驗二) 76
表4-19警訊與線上表現分數(平均)變化關係(實驗二) 77
表4-20實驗組與對照組線上表現分數檢定(第1~16週) 77
表4-21實驗組與對照組線上表現分數檢定(第1~19週) 78
表4-22實驗與對照組線整學期上活動的變化 79
表4-23警訊與考試成績變化關係(實驗ㄧ) 79
表4-24警訊與考試成績變化關係(實驗二) 80
表4-25線上行為配分 81
表4-26實驗組二、實驗組一與對照組之ANOVA檢定 81
表4-27各組別簡訊內容之規劃 82
表4-28 實驗組二的思考風格之警訊內容 82
表4-29實驗ㄧ之警訊內容 83
表4-30實驗組二的思考風格之警訊內容 83
表4-31實驗ㄧ之警訊內容 85
表4-32 實驗二之第三封警訊內容 85
表4-33實驗組二與對照組之期中考檢定 90
表4-34實驗組二與實驗組ㄧ之期中考檢定 90
表4-35實驗組ㄧ與對照組之期中考檢定 90
表4-36 行政型學生電話諮詢內容 91
表4-37 立法型學生電話諮詢內容(1) 92
表4-38 立法型學生電話諮詢內容(2) 92
表4-39 司法型學生電話諮詢內容 93
表4-40 實驗組二之第四次簡訊內容 93
表4-41 實驗組一之第四次簡訊內容 94
表4-42 實驗組二之第五、六次簡訊內容 95
表4-43 實驗組一之第五次簡訊內容 97
表4-44 實驗組二期末考前的電話諮詢 97
表4-45實驗組二與對照組期末考ANOVA檢定 102
表4-46實驗組二與實驗組一期末考ANOVA檢定 102
表4-47實驗組一與對照組期末考ANOVA檢定 102
表4-48實驗組二與對照組線上表現分數之ANOVA檢定 103
表4-49實驗組二與實驗組一線上表現分數之ANOVA檢定 103
表4-50實驗組一與對照組線上表現分數之ANOVA檢定 104
表4-51 三種思考風格學生回答之狀況 104
表4-52助教與學生相關性檢定(1) 105
表4-53助教與學生相關性檢定(2) 105
表4-54教師與學生相關性檢定(1) 105
表4-55教師與學生相關性檢定(2) 106
表4-56老師與學生各群組表現之相互關係 106
表4-57助教與學生各群組表現之相互關係 106
表4-58 歷屆系統程式與實作線上表現差與原始總分之檢定 107
表4-59歷屆作業系統與實作線上表現差與原始總分之檢定 108
表4-60 96學年度學生線上表現與期中和期末考之檢定 109
參考文獻
P. Brusilovsky , C. Peylo, “Adaptive and Intelligent Web-based Educational Systems”, International Journal of Artificial Intelligence in Education 13 156–169 IOS Press, 2003
P. Brusilovsky , “KnowledgeTree: A Distributed Architecture for
Adaptive E-Learning”, ACM 1-58113-912-8/04/0005 156–169 IOS Press, 2004
C. M. Chen , Y.Y. Chen, “Learning Performance Assessment Approach Using Learning Portfolio for E-learning Systems” , Proceedings of the Fifth IEEE International Conference on Advanced Learning Technologies
(ICALT’05), 2005
C. M. Chen, C. M. Hong, S. Y. Chen and C. Y. Liu , “Mining Formative Evaluation Rules Using Learning Portfolios for Web-based Learning Systems”, International Joint Conference on Neural Networks, 2006
C. C. Chang , “Building A Web-Based Learning Portfolio for Authentic Assessment”, Proceedings of the International Conference on Computers in Education (ICCE’02), 2002
Clustering, A Tutorial on Clustering Algorithms, http://www.elet.polimi.it/upload/matteucc/Clustering/tutorial_html/, Last viewed date: 2008/06/19.
D. Cress, “ eflective Assessment: Portfolios in Engineering Courses”, Frontiers in Education Conference , 1995
R. Carreira, J. M. Crato, D. Goncalves, J. A. Jorge ,“Evaluating Adaptive User Profiles for News Classification”, in Proc. Int. Conf. Intell. User Interfaces Jan. 13–16, pp.206–212 , 2004
M. H. Dunham, “Data Mining: Introductory and Advanced Topics” , Prentice Hall, NJ, 2003.
M. David, “Introduction to the Chi Square Test of Independence, HyperStat Online Statistics Textbook”, http://davidmlane.com/hyperstat/B143466.html, last viewed date: 2008/06/19
A.P.Dempster, N.M. Laird, and D.B. Rubin, “Maximum Likelihood from Incomplete Data via theEM algorithm”, Journal of the Royal Statistical Society, Series B, Vol. 39(1), pp.1-38, 1977.
R.L. Ebel, D.A. Frisble, “Essentials of Educational Measurement”, Englewood Cliffs, New Jersey: Prentice-Hill, 1991
M. Grigoriadou, G. Tsaganou, T. Cavoura , “Dialogue-Based Personalized Reflective Learning”, Proceedings of the IEEE International Conference on Advanced Learning Technologies (ICALT’04) ,2004
H. Hotelling, “Analysis of a Complex of Statistical Variables into Principal Components”, Journal of Educational Psychology, Vol. 24, pp. 417-441, 498-520, 1993.
D. Hochbaum, D. Shmoys, “A best possible heuristic for the k-center problem”, Mathematics of Operations Research, Vol. 10, No.2, pp.180-184, 1985.
N. Henze , W. Nejdl ,“A Logical Characterization of Adaptive Educational Hypermedia”. New Review of Hypermedia and Multimedia (NRHM), 10 (1), 77-113, 2004.
S.C. Johnson, “Hierarchical Clustering Schemes”, Psychometrika, Vol. 2, pp.241-254, 1967.
B. S. Jong , T. Y. Chan, and Y. L. Wu , " Learning Log Explorer in E-learning Diagnosis ", Education, IEEE Transactions on Publication Date:
Aug. 2007
L. Kaufman , P.J. Rousseeuw, “Clustering by means of medoids”, In Dodge,Y. (ed.), Statistical Data Analysis Based on the L1-norm and Related Methods, North Holland, Amsterdam, pp.405–416, 1987.
C. S. Lin , M. S. Kuom, “Adaptive Networked Learning Environments Using Learning Objects, Learner Profiles and Inhabited Virtual Learning Worlds”, Proceedings of Fifth IEEE International Conference on Advanced Learning Technologies (ICALT’05) ,2005
LearnBank, Wisdom Master, http://demo.learn.com.tw, last viewed date: 2008/6/19.
R. J. Larsen , M. L. Marx ,“An Introduction to Mathematical Statistics and Its Applications, Third Edition, p. 282 ,1986
T. Li , P. Yue , Y. Qiu, G. Zhong , “Exploiting Model of Personality and Emotion of Learning Companion Agent”, AICCSA :860-865 ,2007
D. S. Moore, “Basic Practice of Statistics”, WH Freeman Company, 90-114, 2000
J.B. MacQueen, “Some Methods for classification and Analysis of Multivariate Observations”, Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability, Berkeley, University of California Press, pp.281-297, 1967.
K. Pearson, “On Lines and Planes of Closest Fit to Systems of Points in Space”, Philoshophical Magazine, vol. 2, pp. 559--572, 1901.
G. M. Rogers , J. M. Willioms ,“Electronic Portfolios as a Tool for Assessing Student Outcomes”, 25th ASEE/IEEE Frontiers in Education Conference,1999.
C. Spearman, “General Intelligence,objectively determined and measured”, American Journal of Psychology, 1904.
C. Spearman, “Proof and measurement of association between two things”, American Journal of Psychology, 1904.
C. Spearman, “The abilities of man”, American Journal of Psychology, 1927.
R. J. Sternberg, “Human intelligence: The model is the message, Science”, 230(4730), pp. 1111-1118, 1985.
R. J. Sternberg , “Allowing for thinking styles, Educational leadership”, 52(3), pp. 36-40, 1994.
R. J. Sternberg, “Thinking Styles”, New York: Cambridge University Press, 1997.
StatSoft , ”Cluster Analysis”, http://www.statsoft.com/textbook/stcluan.html, Last viewed date: 2008/06/19.
M. Samaka ,“Using a Faculty Portfolio in the Distinction of Teaching”, The SIGCSE Bulletin , 2005
E. Triantafillou, A. Pomportsis, E. Georgiadou , “AES-CS: Adaptive Educational System based on Cognitive Styles”, Proc. of the AH2002 Workshop ,2002
I. H. Witten , E. Frank, “Data Mining: Practical machine learning tools and techniques”, 2nd Edition, Morgan Kaufmann, San Francisco, 2005.
L. Wan, C. Zhao ,Q. Luo “Navigation and Sequencing Strategy of Learning Process in Distance Learning Context”, 36th ASEE/IEEE Frontiers in Education Conference, 2006.
M.K. William ,”The T-Test”, “Research Methods Knowledge Bases”, http://www.socialresearchmethods.net/kb/stat_t.php, last viewed date: 2008/06/19
W. Wang, J. F. Weng, J. M. Su , S. S. Tseng , “Learning Portfolio Analysis and Mining in SCORM Compliant Environment”, ASEE/IEEE Frontiers in Education Conference,2004
W. Wiersma, S.G. Jurs “ Educational Measurement and Testing”,Massachusetts :Allyn and Bacon,1990
林清山,心理與教育統計學,東華書局出版,1992。
林珊如,思考風格問卷與指導手冊, 未出版,2000。
林晉勗,台灣基金篩選系統之建立及績效評估與投資策略研究,2002。
張時力,特徵化線上學習活動診斷系統。中原大學資訊工程系研究所碩士論文,2005。
林志遠,應用資料探勘於學習歷程與成效相關性之研究。中原大學資訊工程系研究所碩士論文,2006。
陳建銘,學習歷程探勘與思考風格於適性化補救學習之研究。中原大學資訊工程系研究所碩士論文,2007。
鄭宇廷,應用學習成就及適性化教材之合作學習研究。中原大學資訊工程系研究所碩士論文,2008。
電子全文 電子全文(本篇電子全文限研究生所屬學校校內系統及IP範圍內開放)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊