在线学习系统透过数据探勘技术建构推荐学习心得.docxVIP

在线学习系统透过数据探勘技术建构推荐学习心得一、研究背景藉由课程的统一与教材的重复使用可节省制作教材的时间，所以SCORM(Sharable Content Object Reference Model)的课程标准油然而生。主要目标是建立共通性架构，达成学习工具与内容的互操作性目标。SCORM解决课程共通性的问题，让课程有了统一化的标准。二、研究动机网际网路的发展带來在线学习的普及因课程统一与制作课程工具便利，让课程有愈來愈多的趋势学习方式的变动，让学习者可选择其他吸收知識的方式三、研究目的本研究主要是以搜集学习者的学习歷程再透过 Web mining 分析推荐路径，给于未來学习者做先前学习者的路径參考资料，分析相关性较高学习路径给予学习者做推荐。推荐后的评估需要长时间的去搜集资料与分析，并非本研究的重点，本研究着重于在在线学习平台提供一个实时的推荐给予学习者做參考，引导学习者走向较为正确的学习路径。四、e-Learning 定义：e-Learning 就是学习者与教学者不再受限于传统面对面授课、固定时间、地点的限制，可以随时随地透过网路进行互动教学，学习者可以依自己的学习狀况调整自己学习的进度，教学者亦可视学习者的情况调整其教学进度，以达到客制化的学习质量。五、SCORM定义：SCORM (Sharable Content Object Reference Model) 标准是由美国国防部与白宫科技会于1997 年所聯合推动的ADL 计划中被提出的标准规格内容：1.可存取性(Accessibility)2. 可沟通性(Interoperability)3. 耐久性(Durability)4. 可重用性(Reusability)六、在线学习系统透过数据探勘技术建构推荐学习本研究主要是研究网页使用者探勘(Web Usage Mining) 收集在线学习者浏览课程信息，再将这些学习程歷加以分析探勘。网页使用者探勘是将资料探勘技术应用到网页浏览信息的探勘，通常探勘的资料來源是网站日志文件。Step1确立算法：PPA 演算法。以实时作业的方式做处理，所以较适用于在线学习平台不断的新增学习路径信息，才可提供最快的学习路径统计信息结果。Step2确立研究方法：參數的部份加上有效的学习时间及以良好成绩。有效的学习时间：将学习者的学习时间做分類，只留下较可靠的学习时间做为学习记錄的依据。（单纯浏览网页、浏览网页做网习的时间会较长）以良好成绩：搜集良好成绩的在线学习者的学习路径。（搜集「通过测试」成绩较好的学习者的路径做为參考的依据）Step3资料转换：把在网页走访记录存在webblog中：记录包括日期、在网页活动的时间、学习者ip地址、网页地址Step4形成学习概念图：筛选出的学习路径需要分類，给予不同領域不同的学习推荐路径。会在不同的学习領域下提供不同的学习信息。Step5形成推荐：推荐參考的路径给学习者，引导学习者，学习较为正确的学习歷程；这些学习歷程來自于先前的学习者的经验，经过筛选留下最佳的学习给未來的学习者。七、结论与建议1.本研究认为的推荐学习应该有下列几点特性：学习路径的推荐「提供參考」的接口，以学习者有自由性修正自己学习路径，也因此修正资料库中的学习路径.在线学习应以「实时性」的方式推荐參考路径。学习概念图「没有固定」的学习模式。新的课程，新的知識在在线学习没有固定的学习路径，可让学生透过「个人经验自行产生路径」。协同式的学习模式可依人數的增加慢慢，因而导向大众化的学习路径，较为正确的路径会依人數，多數人的经验认可此路径的可靠度，路径的统计次數也会相同的提升。真正的推荐应包含适应化的去分析学习者的风格，课程也应该分類，例如「文字、图形、动画、影片…等等」特性，再依学习者的学习风格给予适合特性的学习课程。2．未來几个可以研究及努力的方向：将此架构实作于 e-Learning 的平台之上，再给予适当的系统评估。整合其他系统：网路发展迅速，可以在结合其他的网路技术增加学习质量，让学习多元化。加入「适应化」的学习推荐系统，因材施教的概念去建构出个人化学习路径推荐系统，因为本架构是以分類的方式推荐出学习路径，个人化的学习才是未來学习的走向。学习推荐路径「參數」是可以再更进一步的去研究，在在线学习的课程推荐情况与电子商务的商品推荐情况是有些许上的不同，所撷取的參數部份都可以再做更进一步的讲究，让推荐的效果更为精准。例如学习的有效时间，的商品浏览的购物时间是有所差異的。3. 研究结果电子商务商品推荐转向在线学习的课程推荐。较「实时性」的推荐路径于在线学习平台中。电子商务上的商品推荐是有「关聯性」与在线学习的「方向性」有所不同，在存取路径资料上是有差異的。设计出简单版的在线模拟实时推荐课程平台。