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

簡易檢索 / 詳目顯示

回結果列表

研究生：	蔡明輝 Tsai-Ming Hui
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
指導教授：	陳國棟 Gwo-Dong Chen
口試委員:
學位類別：	碩士 Master
系所名稱：	資訊電機學院 - 資訊工程學系在職專班 Executive Master of Computer Science & Information Engineering
畢業學年度：	93
語文別：	中文
論文頁數：	50
中文關鍵詞：	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
外文關鍵詞：	student model, problem push-delivery, prediction model using BBN, solving guidance model, prediction of student''s status
相關次數：	點閱：4 下載：0
分享至:	分享至facebook 分享至twitter

查詢本校圖書館目錄查詢臺灣博碩士論文知識加值系統勘誤回報

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。

abc

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

                                

[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