跳到主要內容

臺灣博碩士論文加值系統

(44.201.94.236) 您好!臺灣時間:2023/03/24 12:26
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:楊智凱
研究生(外文):YANG, CHI-KAI
論文名稱:演算法視覺化教學系統實作及應用
論文名稱(外文):The Study on the Implementation and Application of Algorithm Visualization Teaching System
指導教授:孫培真孫培真引用關係
指導教授(外文):SUN, PEI-CHEN
口試委員:謝盛文何淑君孫培真
口試委員(外文):HSIEH, SHENG-WENHO, SHU-CHUNSUN, PEI-CHEN
口試日期:2019-06-13
學位類別:碩士
校院名稱:國立高雄師範大學
系所名稱:軟體工程與管理學系
學門:電算機學門
學類:軟體發展學類
論文種類:學術論文
論文出版年:2019
畢業學年度:107
語文別:中文
論文頁數:105
中文關鍵詞:演算法視覺化多媒體學習認知理論數位遊戲式學習
外文關鍵詞:Algorithm VisualizationCognitive Theory of Multimedia LearningDGBL
相關次數:
  • 被引用被引用:1
  • 點閱點閱:137
  • 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:0
論文口試審定書 i
英文論文口試審定書 ii
致謝 iii
中文摘要 iv
ABSTRACT v
目錄 vi
表目錄 ix
圖目錄 xi
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 3
第三節 研究問題 4
第四節 研究範圍與限制 4
第五節 重要名詞解釋 4
第六節 論文架構 6
第二章 文獻探討 7
第一節 學習理論 7
第二節 演算法視覺化 11
第三節 有助於學習之教學設計元素 21
第三章 研究方法 29
第一節 研究對象 29
第二節 研究架構 30
第三節 研究假說 30
第四節 研究設計 31
第五節 研究工具 31
第六節 實施程序 33
第七節 資料分析 34
第四章 系統設計與開發 35
第一節 系統需求分析與功能設計 36
第二節 系統架構 42
第三節 系統流程 46
第四節 演算法視覺化輔助教材設計 47
第五章 實驗結果與分析 54
第一節 實驗基本資料分析 54
第二節 實驗前各組程度分析 54
第三節 實驗後假設驗證 55
第六章 結論與未來研究 72
第一節 結論 72
第二節 未來研究方向 72
參考文獻 74
附錄一、上課講義 80
附錄二、實驗組學習單 83
附錄三、對照組學習單 84
附錄四、學習成就測驗試題 88
附錄五、訪談問題 93
附錄六、核心關鍵模組程式碼 94
一、PHP程式寫出HTML 5及Javascript程式之程式碼範例 94
二、動畫影片流程控制模組程式碼範例 95
三、形成評量模組程式碼範例 98
四、語音旁白模組程式碼範例 101
五、即時反饋、歷程記錄、錯誤訂正與Ajax模組程式碼範例 102
六、動態規劃解0/1背包問題穿抽演算法動畫程式碼範例 105

表目錄
表2-1 演算法視覺化(AV)對學習影響之相關研究 12
表2-2 演算法視覺化(AV)之技術及作法相關研究 15
表2-3 本研究與國外新興演算法視覺化網站比較 20
表2-4 多媒體教材語音旁白對學習影響之相關研究 22
表2-5 遊戲學習對教學影響之相關研究 23
表2-6 形成性評量對學習影響之相關研究 25
表2-7 即時反饋(IRS)對學習影響之相關研究 26
表2-8 學習歷程管理系統對學習影響之相關研究 27
表3-1 實驗組與控制組學生人數統計表 30
表3-2 實驗設計 31
表3-3 測驗題目類型與配分 32
表5-1 實驗前實驗組與對照組之描述性統計 54
表5-2 實驗前實驗組與對照組之獨立樣本t檢定 55
表5-3 實驗後實驗組與對照組之描述性統計 56
表5-4 實驗後實驗組與對照組之獨立樣本t檢定 56
表5-5 學習成就假設驗證結果 57

圖目錄
圖1-1 論文架構圖 6
圖2-1 雙碼理論(Dual Coding Theory)示意圖 7
圖2-2 多媒體學習認知理論(cognitive theory of multimedia learning)示意圖 8
圖2-3 Data Structure Visualizations 網站 16
圖2-4 visualgo.net 網站 16
圖2-5 OpenDSA 網站 17
圖2-6 Algomation 網站 18
圖2-7 Algorithm Visualizer 網站 18
圖2-8 AlgoVis 網站 19
圖2-9 本研究範疇示意圖 28
圖3-1 研究流程圖 29
圖3-2 研究架構 30
圖3-3 實驗流程圖 33
圖3-4 實驗組學生操作使用 AV-DGBL系統 34
圖4-1 系統開發流程圖 35
圖4-2 系統核心功能目標示意圖 36
圖4-3 系統功能示意圖 39
圖4-4 競爭遊戲結合形成性評量功能示意圖 40
圖4-5 硬體架構圖 42
圖4-6 AV-DGBL系統程式執行流程架構圖 43
圖4-7 系統使用流程圖 45
圖4-8 AV-DGBL系統主畫面 47
圖4-9 AV-DGBL系統形成評量與即時反饋功能畫面 49
圖4-10 AV-DGBL系統學習歷程與錯誤訂正畫面 50
圖4-11 AV-DGBL系統登入畫面 50
圖4-12 AV-DGBL系統關卡選擇畫面 51
圖4-13 AV-DGBL系統學習管理畫面 51
圖4-14 AV-DGBL系統學習者自訂數據畫面 52
圖4-15 AV-DGBL系統遊戲獎勵畫面 52
圖4-16 AV-DGBL系統學習者全班火箭升空畫面 53
圖4-17 AV-DGBL系統氣泡排序法單元畫面 53
中文文獻
王子華. (2008). 應用網路形成性評量求助策略於數位學習環境之效益評估. 課程與教學, 11(1), 21-46.
王怡萱. (2016). 探究 Kahoot 雲端即時反饋系統輔助高中國文學習之效益. 教育傳播與科技研究(115), 37-57.
王詩妮, 吳東光, & 孟瑛如. (2014). 多媒體註解轉助低閱讀能力學生線上閱讀理解之成效研究. 國立臺灣科技大學人文社會學報, 10(4), 333-352.
王譯嫺. (2010). 建構互動式線上數位學習平台─ 以資料結構為例.
立石賢吾. (2018). 練好機器學習的基本功:用Python進行基礎數學理論的實作.
江伶娟. (2018). 平板IRS與紙本IRS融入國中數學教學之比較. (碩士), 中華大學, 新竹市.
江其勳. (2017). 十二年國教課綱後資訊科技課要教什麼?. 科技教育新未來, 42-47.
行政院. (2016). 數位國家‧創新經濟發展方案.
吳伊帆. (2009). 多媒體文字訊息設計與學習者控制播放模式對學習成效, 使用時間及認知負荷影響之研究.
吳瑞源, & 吳慧敏. (2008). 動畫教材之學習者控制播放模式與多媒體組合形式對學習成效與學習時間影響之研究. 師大學報: 科學教育類, 53(1), 1-26.
呂信賢. (2016). 探討競爭遊戲情境與個人化輔助策略對英語字彙學習成效之影響. 中山大學資訊管理學系研究所學位論文, 1-115.
李育懃, & 歐陽誾. (2015). 即時反饋系統應用於國小三年級學生修辭教學之行動研究. 師資培育與教師專業發展期刊, 8(3), 77-101.
李茹楨. (2019). 基於差異化及任務導向學習之英文學習管理系統開發. (碩士), 臺北市立大學, 臺北市.
周曉旻, 葉建宏, 施勇綸, 李進成, & 林素美. (2018). 運用 Socrative 即時反饋評量工具輔助臨床血液學白血球形態教學之成效. 台灣醫檢會報, 33(2), 22-30.
林育慈, & 吳正己. (2016). 運算思維與中小學資訊科技課程. 教育脈動(6), 5-20.
施駿宏, & 陳姚真. (2010). 多媒體呈現方式與空間能力對國二學生 [地震與海嘯] 學習結果之影響. Journal of Information Technology and Applications (資訊科技與應用期刊), 4(2), 84-93.
徐文俊. (2017). 數位遊戲融入Unity程式設計學習系統之建構與其成效之探討. (博士), 國立臺南大學, 台南市.
徐國華. (2011). 將陣列, 結構, 鏈結串列加入視覺化程式設計系統之問題探討. 中原大學資訊工程研究所學位論文, 1-63.
張安緹, & 陳鴻仁. (2018). 即時適性英語字彙遊戲學習系統教學之學習成效與學習動機分析. 數位學習科技期刊, 10(4), 31-58.
莊雅茹. (1996). CAL 軟體電腦動畫應用與學習成效分析. 視聽教育雙月刊.
許清楓. (2002). 應用視覺化軟體輔助高中生資料結構與演算法概念的學習. 臺灣師範大學資訊教育學系學位論文, 1-119.
陳明秀, 蔡仕廷, & 張基成. (2016). 嚴肅遊戲之角色扮演與情境模擬對於學習成效之影響: 以國小五年級碳足跡課程為例. 教育科學研究期刊, 61(4), 1-32.
陳俊宏. (2014). 使用形成性評量於數位遊戲式學習融入國小四年級 分數概念教學成效之研究. 國立臺北教育大學數學暨資訊教育學系學位論文, 1-67.
陳姚真, & 吳宇穎. (2008). 多媒體組合方式與知覺偏好對學習結果的影響. 教育學刊(30), 29-60.
黃正謙. (2014). 線上互動式教學影片系統之設計與實作. 中山大學資訊管理學系研究所學位論文, 1-141.
黃宜瀞. (2014). C語言動畫模擬及練習導向教材與設計之評估. (碩士), 國立雲林科技大學, 雲林縣.
黃建翔. (2017). 淺談IRS即時反饋系統運用至大學課程教學之策略. 臺灣教育評論月刊, 6(10), 81-87.
黃淑賢, 游子宜, & 施如齡. (2018). 性別對於科技融入立體書的歷史學習成效與心流之研究. 數位學習科技期刊, 10(3), 77-102.
楊凱翔, 陳俊宏, & 朱蕙君. (2015). Effects of Game-Based Formative Assessment on Elementary School Students. 數位學習科技期刊, 7(4), 25-45.
楊景盛, 林素華, 王國華, & 黃世傑. (2011). 認真遊戲課程模組發展與評估—以人體內分泌系統為例. 課程與教學, 14(1), 199-231.
楊懷恩, 陳哲銘, 劉柏含, 賴奕欣, & 趙婉容. (2018). 比哨的獵人學校太魯閣族狩獵文化的數位遊戲式學習. 地理學報(89), 43-60.
廖怡婷. (2014). 探討分段式教學影片穿插互動式測驗教材對線上學習成效之影響-以護理人員為例. 中正大學資訊管理系醫療資訊管理研究所學位論文, 1-93.
廖瑋薪. (2016). 有意義的遊戲化架構於線上學習管理系統之研究. (碩士), 國立彰化師範大學, 彰化縣. Retrieved from https://hdl.handle.net/11296/pnfcdx
劉彥杰. (2016). 探討應用 IRS 提升學習動機之研究. (碩士), 國立高雄師範大學, 高雄市.
蔡文榮. (2014). 探討及時反饋系統運用在大學 [管理數學] 之教學現況. 教育科學期刊, 13(2), 75-96.
蔡奇珉. (2017). 以認知歷程為取向之數位教材設計-以資料結構課程的樹為例. 交通大學應用數學系所學位論文, 1-95.
鄭玉梅. (2011). 媒體呈現方式對國小三年級學生閱讀訊息理解與注意力之影響研究. 淡江大學教育科技學系碩士在職專班學位論文, 1-140.
謝文翔. (2012). 多媒體數位教材之音訊對學生學習成效之影響: 以資料結構教材為例. (碩士), 正修科技大學, 高雄市.
簡子堯. (2017). 具學習歷程紀錄的互動式影片學習系統. (碩士), 靜宜大學, 台中市. Retrieved from https://hdl.handle.net/11296/546sv7
簡子堯, & 王岱伊. (2016). 具有記錄學習歷程的互動式影片教學系統. TANET2016 臺灣網際網路研討會, 1234-1238.
羅綸新, & 齊瑮琛. (2012). 多媒體教材解釋模式對文言文學習成效之影響. 華語文教學研究, 9(3), 1-29.
蘇家賢. (2001). 網路超媒體暨互動式演算法動畫對演算法學習成效影響之研究. (碩士), 銘傳大學, 台北市.
英文文獻
Amershi, S., Carenini, G., Conati, C., Mackworth, A. K., & Poole, D. (2008). Pedagogy and usability in interactive algorithm visualizations: Designing and evaluating CIspace. Interacting with Computers, 20(1), 64-96.
Byrne, M. D., Catrambone, R., & Stasko, J. T. (1999). Evaluating animations as student aids in learning computer algorithms. Computers & education, 33(4), 253-278.
Christiawan, L., & Karnalim, O. (2016). AP-ASD1: An Indonesian Desktop-based Educational Tool for Basic Data Structure Course. Jurnal Teknik Informatika dan Sistem Informasi, 2(1).
Clark, J. M., & Paivio, A. (1991). Dual coding theory and education. Educational psychology review, 3(3), 149-210.
Danan, M. (1992). Reversed subtitling and dual coding theory: New directions for foreign language instruction. Language learning, 42(4), 497-527.
Deb, D., Fuad, M., Etim, J., & Gloster, C. (2018). MRS: Automated Assessment of Interactive Classroom Exercises. Paper presented at the Proceedings of the 49th ACM Technical Symposium on Computer Science Education.
Dixit, R. K., & Yalagi, P. S. (2017). Visualization based intelligent tutor system to improve study of Computer Algorithms. Journal of Engineering Education Transformations, 30(3), 157-163.
Fouh, E., Akbar, M., & Shaffer, C. A. (2012). The role of visualization in computer science education. Computers in the Schools, 29(1-2), 95-117.
Fouh, E., Karavirta, V., Breakiron, D. A., Hamouda, S., Hall, S., Naps, T. L., & Shaffer, C. A. (2014). Design and architecture of an interactive eTextbook–The OpenDSA system. Science of Computer Programming, 88, 22-40.
Halim, S., Koh, Z. C., LOH, V. B. H., & Halim, F. (2012). Learning Algorithms with Unified and Interactive Web-Based Visualization. Olympiads in Informatics, 6.
Jonathan, F. C., Karnalim, O., & Ayub, M. (2016). Extending the effectiveness of algorithm visualization with performance comparison through evaluation-integrated development. Jurnal Fakultas Hukum UII.
Karavirta, V., & Shaffer, C. A. (2013). JSAV: the JavaScript algorithm visualization library. Paper presented at the Proceedings of the 18th ACM conference on Innovation and technology in computer science education.
Karavirta, V., & Shaffer, C. A. (2015). Creating engaging online learning material with the JSAV javascript algorithm visualization library. IEEE Transactions on Learning Technologies, 9(2), 171-183.
Mayer, R. E. (2002). Multimedia learning. In Psychology of learning and motivation (Vol. 41, pp. 85-139): Elsevier.
Mayer, R. E. (2003). The promise of multimedia learning: using the same instructional design methods across different media. Learning and instruction, 13(2), 125-139.
Mayer, R. E., & Anderson, R. B. (1991). Animations need narrations: An experimental test of a dual-coding hypothesis. Journal of educational psychology, 83(4), 484.
Mcquaigue, M., Burlinson, D., Subramanian, K., Saule, E., & Payton, J. (2018). Visualization, Assessment and Analytics in Data Structures Learning Modules. Paper presented at the Proceedings of the 49th ACM Technical Symposium on Computer Science Education.
Mnuk, M. (2003). How helpful are systems for algorithm visualization?
Paivio, A. (1990). Mental representations: A dual coding approach (Vol. 9): Oxford University Press.
Romanowska, K., Singh, G., Dewan, M. A. A., & Lin, F. (2018). Towards Developing an Effective Algorithm Visualization Tool for Online Learning. Paper presented at the 2018 IEEE SmartWorld, Ubiquitous Intelligence & Computing, Advanced & Trusted Computing, Scalable Computing & Communications, Cloud & Big Data Computing, Internet of People and Smart City Innovation (SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI).
Rossling, G., & Naps, T. L. (2002). A testbed for pedagogical requirements in algorithm visualizations. ACM SIGCSE Bulletin, 34(3), 96-100.
Saraiya, P., Shaffer, C. A., McCrickard, D. S., & North, C. (2004). Effective features of algorithm visualizations (Vol. 36): ACM.
Urquiza-Fuentes, J., & Velázquez-Iturbide, J. Á. (2009). A survey of successful evaluations of program visualization and algorithm animation systems. ACM Transactions on Computing Education (TOCE), 9(2), 9.
網路資源
教育部. (2017). 十二年國教新課綱新增科技領域配套規劃情形說明. Retrieved from https://www.edu.tw/News_Content.aspx?n=9E7AC85F1954DDA8&s=7075025911FF0ACF
教育部. (2018). 十二年國民基本教育課程綱要國民中學暨普通型高級中等學校─科技領域. Retrieved from https://www.naer.edu.tw/files/15-1000-15281,c639-1.php?Lang=zh-tw
郭家宏. (2019). 【內附程式碼】工程師技能大全:如何用 Python 寫出所有的演算法?. Retrieved from https://buzzorange.com/techorange/2019/04/29/python-algorithm/
經濟部工業局. (2019). 2019-2021人工智慧應用服務產業專業人才需求推估調查摘要. Retrieved from https://www.italent.org.tw/ePaperD/9/ePaper20190300001
Jones, B. (2017). Analysts Predict That Artificial Intelligence Will Be a $14 Billion Industry by 2023. Retrieved from https://futurism.com/analysts-predict-that-artificial-intelligence-will-be-a-14-billion-industry-by-2023/

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊