![]() |
|
以作者查詢圖書館館藏 、以作者查詢臺灣博碩士 、以作者查詢全國書目 、勘誤回報 、線上人數:31 、訪客IP:3.143.204.252
姓名 蔡明輝(Tsai-Ming Hui) 查詢紙本館藏 畢業系所 資訊工程學系在職專班 論文名稱 具題目推薦之VB程式學習輔助系統對高中生電腦學科成就之影響
(Research about the Computer Science Grades of students in Senior high school on Learning Assistant System for VB with Problem push delivery)相關論文 檔案 [Endnote RIS 格式]
[Bibtex 格式]
[相關文章]
[文章引用]
[完整記錄]
[館藏目錄]
[檢視]
[下載]
- 本電子論文使用權限為同意立即開放。
- 已達開放權限電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。
- 請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。
摘要(中) 目前高中電腦課程中常採用的教學方法,是在電腦教室使用”廣播教學”的方式,將教師的畫面廣播到所有學生的螢幕,雖然此種教學方法比傳統教室上課的方式更容易讓學生了解,但因缺乏互動,學生有可能跟不上教師的進度,或可能對程式語言的語法還不夠熟悉、語意還未完全理解,但教師已將畫面做了切換或進行下一進度,因而形成學生的學習障礙。
在這篇論文中,以題目推薦與解題指引為基礎的學習輔助系統,希望可以幫助學生學習,並且透過學習者模式與課程概念圖的結合,記錄學生在課程概念的”知識”與”運用”上的程度,進而提供適性化的案例以供學生學習。我們著力於建構學習者模式中的兩個模組,(1)學習狀態預測模組:透過建立Bayesian Belief Network 的工具,將學生的學習活動及學習成果等學習變數以Bayesian Belief Network 的形式表示而成的預測模型(2)解題指引模組:包含文字比對與答題指引,針對學生在網站上所進行的練習提供適切的互動。
本論文所建構的學習者模式可以做到(1)預測學生可能需要的題目並提供學生練習以強化其學習效果,(2)幫助學生掌控學習進度,藉由題目的推薦,主動提醒學生後續的學習進程,(3)幫助老師從學生的學習活動中即時預測學生的學習狀況,若發現學習成果可能不佳的學生,老師可即早給予輔助。摘要(英) abc 關鍵字(中) ★ 學習者模式
★ 學習狀態預測
★ BBN預測模組
★ 解題指引模組
★ 題目推薦關鍵字(英) ★ student model
★ problem push-delivery
★ prediction model using BBN
★ solving guidance model
★ prediction of student's status論文目次 第 一 章 緒論...............................................1
1-1 研究背景與動機.........................................................................1
1-2 目標..............................................................................................2
1-3 問題與對策..................................................................................3
1-4 論文結構......................................................................................5
第 二 章 相關研究與技術.....................................6
2-1 Bayesian Belief Network...............................................................6
2-1-1 Bayesian Belief Network 簡介......................................6
2-1-2 Bayesian Belief Network 的用途................................7
2-1-3 使用 Bayesian Belief Network 的原因.......................8
2-1-4 操作 Bayesian Belief Network 的工具.......................9
2-2 學習者模式................................................................................10
2-3 課程概念圖................................................................................11
2-4 相關論文整理............................................................................11
2-4-1 學習理論相關論文...........................................................11
2-4-2 題目推薦相關的論文.......................................................12
第 三 章 題目推薦與解題指引系統............................13
3-1 課程概念圖的建立....................................................................14
3-2 學習者模式的建立....................................................................15
3-2-1 Student Table(學生學習狀態記錄表).........................15
3-2-2 Case Table(案例資料表)................................................16
3-2-3 Practice Table(練習題資料表)...................................17
3-3 建構題目推薦系統....................................................................18
3-3-1 建立BBN(Bayesian Belief Network)之結構...............18
3-3-2 使用BBN結構推薦題目....................................................20
3-4 建構解題目指引系統.................................................................21
3-4-1 文字比對模組...................................................................21
3-4-2 答題支援模組...................................................................23
第 四 章 系統實作..........................................25
4-1 環境與平台................................................................................25
4-2 系統實作與功能模組................................................................25
4-2-1 題目推薦系統實作..........................................................26
4-2-2 解題指引系統實作..........................................................32
第 五 章 實驗分析與討論....................................37
5-1 實驗對象與實驗設計................................................................37
5-1-1 題目推薦系統實作..........................................................26
5-1-2 解題指引系統實作..........................................................32
5-2 實驗結果統計與分析...............................................................38
5-3 實驗結果討論...........................................................................41
第 六 章 結論..............................................44
參考文獻..................................................46
附錄一(問卷調查表).........................................48
附錄二(訪談記錄).........................................49參考文獻 [1] 陳國棟,劉寶鈞,張智凱, “建立於全球資訊網上之虛擬教室之討論系統“ The 5th International Conference on Computer Assisted Instruction pp.16-23,1996。
[2] 李良一,“網路期刊評量系統:建構合於規範的邊際參與環境及作品集評量系統。,國立中央大學資訊工程研究所碩士論文,2002。
[3] 呂靜芳,“由網站行為歷程以貝式學習建立學習者模式之引導系統”,國立中央大學資訊工程研究所碩士論文,1999。
[4] 倪家祥,“以網站行為的歷程建立具時間性學習者模式”,國立中央大學資訊工程研究所碩士論文,2001。
[5] 徐龍凱,“改善學生自知能力並提升學習成效之行動式學習系統”,國立中央大學資訊工程研究所碩士論文,2001。
[6] 陳淑芬、張國恩(民86),"概念構圖式學習系統",國立台灣師範大學資訊教育研究所碩士論文,國立台灣師範大學。
[7] 鄭廉勳,“適性化的使用者模組案例式學習知識庫”,國立中央大學資訊工程研究所碩士論文,2002。
[8] BKD (Bayesian Knowledge Discoverer) develop by Knowledge Media Institute of The Open University at http://kmi.open.ac.uk/projects/bkd
[9] Burton, R. B., Diagnosing bugs in a simple procedural skill. In D.Sleeman & J. S. Brown(Eds.), Intelligent Tutoring Systems, London: Academic Press,1982.
[10] Chi, M.T.H, R. Glaser and E. Rees, Expertise in problem solving. In R.J. Sternberg(Ed.) Advances in the Psychology of Human Intelligence, Vol. 1,1982.
[11] Conati, C., A. Gertner, K. VanLehn, and M. Druzdzel. On-Line Student Modeling for Coached Problem Solving Using Bayesian Networks. In proceedings of the 6th International Conference on User Modeling, pp. 231-242, 1997.
[12] Cooper, G. F., Current research directions in the development of expert systems based on belief networks. Applied Stochastic Models and Data Analysis, vol. 5, No. 1, pp. 39-52, 1989
[13] Fletcher, J.D., Modeling of learner in computer-based instruction, Journal of Computer-Based Instruction, vol. 1, pp. 118-126, 1975.
[14] Gürer, D. W., M. desJardins, and M. Schlager. Representing a Student's Learning States and Transitions. In the 1995 AAAI Spring Symposium on Representing Mental States and Mechanisms, Stanford, CA; published as a AAAI technical report
[15] Jiawei Han, Micheline Kamber, Data Mining : Concepts and Techniques, MORGAN KAUFMANN PUBLISHERS , 2001
[16] John R. Anderson,“Problem solving and learning”, American Psychologist Vol.48, No.1.35-44 Jan 1993。
[17] Marco Ramoni, Paola Sebastiani, “Knowledge Discovery in Databases Using Bayesian Networks”, SGES Evening Lecture, June 1999.
[18] Merseth, K. K. (1991). The case for cases in teacher education. Washington, DC: AACTE.
[19] Merseth, K. K. (1992). Cases for decision making in teacher education. In J. H. Shulman (Ed.), Case methods in teacher education (pp.50-63). NY: Teacher College, Columbia University.
[20] MSBN(Microsoft Belief Network Tools) develop by Microsoft at http://www.research.microsoft.com/research/dtg/msbn/
[21] Tom M. Mitchell , Machine Learning , McGRAW-HILL INTERNATIONAL EDITIONS,1997
[22] Raluca Budiu, John R. Anderson,“Interpretation-Based Processing: A Unified Theory of Semantic Sentence Comprehension”, VOLUME 28, NUMBER 1 - JANUARY-FEBRUARY, 2004指導教授 陳國棟(Gwo-Dong Chen) 審核日期 2004-12-8 推文 plurk
funp
live
udn
HD
myshare
netvibes
friend
youpush
delicious
baidu
網路書籤 Google bookmarks
del.icio.us
hemidemi
myshare