PowerPoint简报-国立政治大学资讯科学系.ppt

* 2011/07/26 基於數位閱讀標註行為探勘影響閱讀焦慮因素提升閱讀成效 (萬芳高中) 發展一能夠預測學習者閱讀文章時之「個人化閱讀焦慮預測模型」，透過資料探勘技術於個人閱讀歷程及標註行為中進行閱讀焦慮預測規則的建立，以提供教師掌握造成學習者閱讀焦慮之關鍵因素，並提供適當閱讀輔助策略，藉此減緩學習者閱讀焦慮程度，進而提升其閱讀學習成效。 * 個人化閱讀焦慮預測模型 閱讀標註行為整理 閱讀標註行為紀錄整理 各項標註行為因素的次數正規化處理 閱讀焦慮量表轉換 模型建置資料處理（1/2） 閱讀標註使用 螢光標示 閱讀標註互動 標註被回應次數 翻譯 回應他人標註次數 評論 標註被喜愛次數 摘要 喜愛他人標註次數 相關連結 標註互動總次數 標註總次數 ? * 模型建置資料處理（2/2） * 個人化閱讀焦慮預測決策樹 資料前處理 刪除部分不正確訓練樣本 閱讀標註行為因素與閱讀焦慮關聯性分析 瞭解哪些閱讀標註行為因素與閱讀焦慮之間的關聯性較高，以作為決策樹建置時的標註行為因素選擇之依據。 決策樹建置 採用C4.5決策樹演算法 採用K-fold cross-validation（K＝10）進行決策樹預測正確率評估 * 決策樹I建模結果 參考過去文獻加入性別因素(MacIntyre et al,2002:林文玉，2002) 訓練樣本個數共18個 預測準確率為72.2％ 閱讀策略輔助 鼓勵學習者多瀏覽他人標註並使用評論標註類型。 決策樹建模結果(1/3) * 決策樹II建模結果 分別建置男女兩棵不同的決策樹，平均預測準確率72.1% 男性（n＝23） 預測準確率為60.87％ 女性（n＝12） 預測準確率為83.33％ 閱讀策略輔助 閱讀能力較差，因此鼓勵他多去翻譯先試著看懂文章內容。 要求學習者多瀏覽其他學習者標註內容並多與其他學習者互動。 鼓勵學習者多去瀏覽他人標註並並標示喜愛等標註互動。 決策樹建模結果(2/3) * 決策樹III建模結果 訓練樣本個數共20個 預測準確率為70％ 閱讀輔助策略： 鼓勵學習者多瀏覽他人標註並與他人互動。 決策樹建模結果(3/3) * * 2011/07/26 * 學習者個人閱讀標註學習履歷 線上教師觀察學習者閱讀焦慮使用者介面(1/2) * 線上教師觀察學習者閱讀狀態使用介面 2011/07/26 * 線上教師觀察學習者閱讀焦慮使用者介面(2/2) * 線上教師觀察學習者閱讀焦慮狀態使用介面 * 標註品質評比方法 * 「最近被點擊時間間隔」T1與「平均被點擊時間」T2兩個考量之標註熱門程度輸入因素計算方式，其中T1代表該標註目前到上次被點擊時間的間隔；T2則是該標註平均被點擊的頻率；k為點擊次數。 T1值越小代表該標註最近仍然有人點擊觀看； T2之值越小，即代表該標註具有較多的點擊觀看次數，兩者均可作為量化每一則標註熱門程度的考量因素。 標註熱門程度決定機制(1/2) * 本研究考量兩個輸入變數T1 與T2 ，每個輸入有三種語意變數，因此會得到九條模糊規則： 標註熱門程度可信度C 平均被點擊時間T2 S M L 最近被點擊 時間間隔T1 S VHCD HCD MCD M HCD MCD LCD L MCD LCD VLCD 標註熱門程度決定機制(2/2) * 優質標註 透過「標註品質評比機制」取得每個標註的「標註熱門程度可信度C」後，將超過設定門檻值TH之標註視為優質標註。 達人標註 系統將針對每個學習者所撰寫標註的「標註熱門程度可信度C」加總後，取前五名的學習者為標註達人。 以標註熱門程度可信度萃取出「優質標註」與「達人標註」 * * 獎章階級激勵機制 獎章階級激勵機制可引導學習者循序漸進地完成學習任務，並激發學生互動合作學習之動機與態度 每個階級都有不同的達成條件，完成條件後學習者可獲得獎章並升級 皇后 ?標註類型： 我想說 = 3 篇 (字數*0.3 MAX=6) 很奇怪 = 2 篇 (字數*0.1 MAX=3) ?回應人數 12 人 (人數*40% MAX = 20) *被回應人數 3 人 (人數*10% MAX=5) *被喜愛篇數 3 篇 (人數*10% MAX=5) ?標註類型： 新知識 = 3 篇 (字數*0.2 MAX=5) 補充舉例 = 2 篇 (字數*0.2 MAX=5) ?回應人數 6 人 (人數*20% MAX=10) *被回應人數 2 人 (人數*5% MAX=3) 獎章階級激勵機制(升級條件與權限) 士兵 騎士 主教 國王 升級條件 開放權限 ?可撰寫標註 ?主題標註 2 篇 (字數*0.1% MAX = 3) ?閱讀主題標註 ?撰寫回應標註 ?主題標註 8 篇 (字數*0.6% MAX