第三章 個人化閱讀焦慮程度預測模型
第二節、 個人化閱讀焦慮程度預測模型建置
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表3.1 影響閱讀焦慮因素之可能閱讀標註行為特徵
類別
（Category）
特徵
(Feature）
類別
（Category）
特徵(Feature）
標註類型使 用程度
螢光標示 合作式閱讀 互動程度
個人標註被回應總次數
翻譯 回應他人標註總次數
相關連結 個人標註被標示喜歡總次數
困惑 標示他人標註為喜歡總次數
評論 閱讀標註互動總次數
解釋 摘要
透過上述二部份資料的收集，即完成影響學習者閱讀焦慮因素資料的收集，
經過資料前處理動作後，即可作為後續決策樹建置個人化閱讀焦慮預測模型資料 的來源。
二、 讀者對於文章閱讀焦慮程度資料
本研究透過參與建置個人化閱讀焦慮程度預測模型的學習者，分別針對本研 究所設計的所有文章利用合作式閱讀標註系統進行閱讀標註學習，並於各篇文章 閱讀完畢後，填寫外語閱讀焦慮量表(Saito, Horwitz & Garza, 1999 ; Hsiao, 2002)，
以作為本研究進行學習者對各篇文章焦慮程度的資料分群之用，詳細資料處理過 程於下一節中詳述。
第二節、 個人化閱讀焦慮程度預測模型建置
本研究發展之個人化閱讀焦慮程度預測模型建置過程共可分為三個階段：（1）
學習者閱讀行為因素定義階段；（2）閱讀行為因素與焦慮關聯性分析；（3）決策 樹建置階段。上述三階段完成後即可探勘出個人化閱讀焦慮程度預測規則
（Personalized Reading Anxiety Level Prediction Rules），其模型建置流程如圖 3.2 所示，詳細步驟說明如下。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖3.1 個人化閱讀焦慮程度預測模型建置流程圖
一、 學習者閱讀行為因素定義階段
本階段收集建立個人化閱讀焦慮程度預測模型欲輸入作為資料探勘之資料，
包括學習者閱讀行為因素及文章閱讀焦慮程度兩部份。首先，本研究要求學習者 透過本研究所發展之合作式閱讀標註系統進行選定之英語文章閱讀標註，並從閱 讀標註歷程中取得學習者各種類型標註的閱讀標註紀錄，並進行各標註類型使用 程度與合作式閱讀標註互動程度計算，透過上述二部份的資料蒐集，即完成學習 者閱讀因素資料收集。
在完成選定之英語文章進行閱讀標註後，本研究要求參與個人化閱讀焦慮程 度預測模型建置之學習者於閱讀各篇文章後，進行英語閱讀焦慮量表填寫，以評 估學習者對於各篇文章閱讀焦慮程度，並完成閱讀焦慮程度資料的收集。
二、 閱讀行為因素與焦慮關聯性分析
基於前一節所歸納的學習者閱讀行為因素，本階段將進行閱讀標註行為因素 與學習者所填寫閱讀焦慮量表分數之關聯性分析，透過關聯性分析可以得知在訓
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
優先選擇與焦慮較相關因素進行決策樹的建模，以獲得更精簡之決策樹所表達之 閱讀焦慮情緒預測規則及提升預測模型準確率。
三、 決策樹建置階段
將上一階段中針對文章閱讀焦慮程度轉換後的結果與學習者閱讀行為因素 整合，依據閱讀焦慮量表結果，透過決策樹演算法探勘不同閱讀焦慮程度學習者 係由哪些學習者閱讀標註行為因素決定之分類規則，據此即可瞭解學習者閱讀標 註行為因素與文章閱讀焦慮程度之間的對應關係，並且建立可依據閱讀標註行為 預測閱讀焦慮情緒之個人化閱讀焦慮程度預測模型。詳細決策樹建置流程如圖 3.5所示。
圖3.2 閱讀焦慮程度決策樹建置流程圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
本階段探勘不同閱讀焦慮程度係由哪些學習者閱讀標註行為因素決定之分 類規則，本研究採用Quinlan 所提出的決策樹演算法 C4.5 Algorithm（Quinlan, 1993），該演算法改良自ID3 演算法，主要是以資訊獲利率（Information Gain Ratio）
作為選擇屬性的指標，藉以改善ID3 演算法在進行分類時會選擇分出較多子集合 的閱讀標註行為特徵建立決策樹缺點，以成為較佳之決策樹建模。