臺灣博碩士論文加值系統

隨著網際網路及電腦科技的進步，線上英語學習的教學方式提供了比傳統教學更多的學習輔助工具，進而讓學習者可以挑選適合本身的教學模式。而學生在學習英文時，往往查了許多與文章內關鍵概念無關的單字，如連接詞、副詞等，這種耗時的學習方式，事半功倍，辛苦而難成。
本論文事先將文章內的名詞片語萃取出來，並以Google PageRank[BriP98]為基礎，利用PageRank的概念應用到單篇文章當中，將單字視為一節點，將單字間之相關性視為一連結後進行計算，將得到的分數進行排名後成為重要的關鍵詞，並將這些重要的關鍵詞轉化為一圖形結構提供給學生進行閱讀的參考。
根據以上的圖形結構來閱讀文章，老師透過課堂利用系統加入教材使用，學生在課後也進行系統使用閱讀文章。以問卷調查的方式對於學生使用系統後是否對閱讀文章有幫助，是否使用系統之後增加字彙數量，以及是否從圖形結構的輔助閱讀對閱讀文章有效。我們從問卷分析出對於閱讀文章搭配圖形結構輔助，有效的提升學生閱讀的興趣及幫助。

Because of the speed development of Internet and computer science, online learning English teaching methods to provide a more tools than traditional teaching, thereby allowing learner to choose for themselves the teaching mode. When students learning English, often check a key concept in many of the article other than the word, such as adjectives, conjunctions and adverbs, this is waste time to learn, it is tough and hard for.

This thesis is based on Google PageRank, use of the concept of PageRank transferred to a single article, the word as node, and the relation between the word as a link. Before extraction of noun phrase from articles within calculation to get the scores to rank the important keyphrase and transferred to a graphical structure to provide reading skill for students.

Students reading English articles within a graphical structure, through the use of the teacher and students use the system to reading after school. After that, students use their experience to the way of a questionnaire survey and recommends.

After the analysis we find more than 80% feel that help and interest in English reading. Students use this system reading English within a graphical structure make them reading efficiency and improve reading skills.

摘要 I
ABSTRACT II
誌謝 III
目錄 IV
圖目錄 VI
表目錄 VIII
第一章 緒論 1
1.1 動機 1
1.2 目的 1
1.3 章節描述 2
第二章 文獻探討 3
2.1概念圖與知識結構 3
2.2文章分析與關鍵詞(KEYPHRASE)萃取 5
2.2.1 文章分析 5
2.2.2 文章與概念 5
2.2.2 閱讀/搜尋中之概念 6
2.2.3 文件之概念向量 8
2.2.4 搜尋引擎之概念/關鍵字分析 9
2.2.5 關鍵詞萃取 9
2.3 從 GOOGLE PAGERANK, TEXTRANK到SINGLERANK 10
第三章 文章剖析及顯著概念關係圖之建構 13
3.1文章剖析與概念萃取 13
3.2 顯著概念的計算 16
3.3 建立一圖形知識結構 19
3.4 建構TSCR圖演算法 21
第四章 系統設計與完整例子 23
4.1 文件萃取經由 STANFORD PARSER 24
4.2 SINGLERANK 計算 31
4.3 名詞片語的挑選 33
4.4 知識結構的產生 36
第五章 實驗設計與問卷分析 38
5.1 實驗流程與問卷設計 38
5.1.1 實驗流程 38
5.1.2 實驗假設 39
5.1.3 問卷設計 40
5.2 資料分析 51
第六章 結論與未來工作 53
6.1 結論 53
6.2 未來工作 53
參考文獻 54
附錄 56
附錄 A：電腦背景 56
附錄B：意見調查 57
附錄C：科技接受量表 58
附錄D：PENN TREEBANK的TAG SET 60

 
圖目錄
圖 1 概念圖 3
圖 2 概念圖裡的含意 4
圖 3 交互連結 4
圖 4 PAGERANK 11
圖 5 句(1)經過剖析得到的語法樹 13
圖 6 名詞片語走訪 15
圖 7 名詞片語子樹 15
圖 8 詞性節點 15
圖 9 概念節點 15
圖 10名詞片語位置 16
圖 11 關係集合 16
圖 12 單字間連結圖 17
圖 13概念轉換 17
圖 14 概念分數 18
圖 15名詞片語分數 19
圖 16名詞片語排名 19
圖 17 顯著概念圖 20
圖 18 TSCR產生的流程 21
圖 19 系統架構 23
圖 20 基本單字字庫 24
圖 21 文章例子 25
圖 22 文章建立一 25
圖 23 文章建立二 26
圖 24 文章建立三 26
圖 25 語法樹一 27
圖 26 語法樹二 27
圖 27 語法樹三 28
圖 28 語法樹四 28
圖 29 文章內生字 29
圖 30 文章列表 29
圖 31文章點選 30
圖 32關鍵詞分數一 31
圖 33關鍵詞分數二 31
圖 34關鍵詞分數三 32
圖 35 文章內容一 33
圖 36 文章內容二 34
圖 37 文章內容三 34
圖 38 文章內容四 35
圖 39 文章內容五 35
圖 40 文章內容六 35
圖 41圖形結構一 36
圖 42圖形結構二 37
圖 43圖形結構三 37
圖 44實驗流程 38
圖 45實驗假設模組 39
圖 46 人口統計問卷因素 40
圖 47 電腦態度量表的維度和因素 41
圖 48 科技接受度量表的因素 47

 
表目錄
表 1新聞類文章中的(人,事,地,物)核心(概念)關鍵詞分析 7
表 2 功能詞 8
表 3 關鍵詞搜尋的演算法 14
表 4 概念計算 18
表 5假設 40
表 6 CRONBACH’S ALPHA 42
表 7 信心因素的信度統計 42
表 8 學習因素的信度統計 42
表 9 焦慮因素的信度統計 43
表 10 喜歡因素的信度統計 43
表 11 行為因素的信度統計 43
表 12 休閒因素的信度統計 43
表 13 認知維度的信度統計 44
表 14 影響維度的信度統計 44
表 15 行為維度的信度統計 44
表 16 電腦態度的信度統計 44
表 17 認知維度的轉軸成分矩陣 45
表 18 影響維度的轉軸成分矩陣 46
表 19 行為維度的轉軸成分矩陣 46
表 20 行為內涵的信度統計 47
表 21 察覺使用難度的信度統計 48
表 22 察覺樂趣的信度統計 48
表 23 社會影響的信度統計 49
表 24 完全量表的信度統計 49
表 25 科技接受度量表的轉軸成分矩陣 50
表 26 PEU1 51
表 27 PEU2 51
表 28 BI1 52
表 29 PE1 52
表 30 PE4 52

[余民寧97] 余民寧, (1997), “有意義的學習：概念構圖之研究”, 商鼎文化出版社, 台北
[陳惠茹03]陳惠如, (2003), “設計對話型代理人語言協助引導認知學習”, 私立中原大學, 中壢市, 台灣, 中華民國.
[陳勇成10]陳勇成, (2010), “線上遊戲之卡片做為教育獎勵以提升學生學業成績－以小學英文單字為例”, 私立中原大學未出版之碩士論文, 中壢市, 台灣, 中華民國.
[BriP98]S. Brin and L. Page. 1998. The anatomy of a large-scale hypertextual Web
search engine. Computer Networks and ISDN Systems, 30(1–7).
[CCHC Alberto J. Canas, Roger Carff, Greg Hill, Marco Carvalho, Marco
AELC05]Arguedas, Thomas C. Eskridge, James Lott, and Rodrigo Carvajal (2005), “Concept Map：Integrating Knowledge and Information Visualization”, Knowledge and Information Visualization, Lecture Notes in Computer Science(LNCS), vol.3426, pp 205-219, 2005.
[CarR04]Carpineto, C.; Romano, G. (2004), Concept Data Analysis: Theory and Applications, Wiley, ISBN 978-0-470-85055-8.
[RobJ76] Robertson, S. E., &; Jones, K. S. (1976). “Relevance weighting of search terms,” Journal of the American Society for Information Science, May-June, pp.129-146.
[MatI04]Yutaka Matsuo, Mitsuru Ishizuka(2004), “Keyword Extraction from a Single Document using Word Co-occurrence Statistical Information”, Transactions of the Japanese Society for Artificial Intelligence, Volume 17, Issue 3, pp. 217-223.
[MihP04] Mihalcea, Rada and Paul Tarau (2004). “TextRank：Bringing order into texts”, Proceedings of the 2004 Conference on Empirical Methods in Natural Language Proceeding, pp.404-411.
[MSS99]John R. McClure, Brain Sonak, Hoi K. Suen(1999). “Concept Map Assessment of Classroom Learning：Reliability, Validity, and Logistical Practicality”, Journal of Research in Science Teaching(JRST), 1999, vol. 36(4), pp 475-492.
[NguP09]Chau Q. Nguyen, Tuoi T. Phan, (2009). “An Ontology-Based Approach for Key Phrase Extraction”, Proceedings of the ACL-IJCNLP 2009 Conference Short Papers, pages 181–184, Suntec, Singapore, 4 August 2009.
[NoC08]J.D. Novak and A.J. Canas(2008), “The theory underlying concept maps and how to construct and use them”, Technical report IHMC Cmap Tools 2006-1 Revised 2008-01, Florida Institute for Human and Machine Cognition Pensacola, FL(2008).
[NoG84]Joseph D. Novak and D. Bob Gowin, “Learning How to Learn”, New York：Cambridge University Press, 1984.
[Novak98]J.D. Novak, “Learning, Creating, and Using Knowledge：Concept Maps As Facilitative Tool in Schools and Corporations”, N.J. Mahwah, Lawrence Erlbaum &; Assoc., 1998.
[FPW99]Frank, E., G. W. Paynter, I. H. Witten, C. Gutwin, and C. G. Nevill-Manning. 1999. Domain-specific keyphrase extraction. In Proc. of the 16th International
Joint Conference on Artificial Intelligence, Stockholm, Sweden. pp. 668–673. San Francisco, CA: Morgan Kaufmann Publishers.
[GGPG05]Evangelia Gouli, Agoritsa Gogoulou, Kyparisia Papanikolaou &; Maria Grigoriadou, “Evaluating Learner’s Knowledge Level on Concept Mapping Tasks”, Proceedings of the Fifth IEEE International Conference on Advanced Learning Technologies(ICALT’05), 5-8 July 2005, pp. 5-28.
[TAA00]J. Turns, C.J. Atman, R. Adams, “Concept maps for engineering education：a cognitively motivated tool supporting varied assessment functions”, IEEE Transactions on Education, Vol. 43, No 2. May 2000, pp. 164-173.
[WanX08] Wan, Xiaojun and Jianguo Xiao. (2008). “Single document keyphrase extraction using neighborhood knowledge”, Proceedings of the 23rd AAAI Conference on Artifical Intelligence, pp.855-860
[WCH08]Stis Wu, Maiga Chang, Jia-Sheng Heh(2008), “Game-Based Learning Scenes Design for Individual User in the Ubiquitous Learning Environment”, Technologies for E-Learning and Digital Entertainment, 2008, Vol. 5093, pp. 451-462.
[WPFGN99] Witten, I.H., Paynter, G.W., Frank, E., Gutwin, C., and NevillManning, C.G.(1999), “Kea: Practical automatic keyphrase extraction.”, In Proc. of the 4th ACM Conference on Digital Libraries, 1999.