導引演算法模組

在導引演算法模組中，包含有三個演算法模組，亂數選取模組、MOLGA 模組和 GAFUL 模組，並且此三個模組與學習預約模組的資料交換十分密切，如圖 4.4 演算法 導引架構圖。

圖 4.4 演算法導引之架構圖

模擬系統將會以每一個學習者的角度來模擬學習者行為，在學習活動開始之後，不 管活動行程怎麼安排，都必須在時間限制內返回終點。因此模擬學習者最重要的部份就 是「時間」。因此針對此一部份，模擬系統對模擬學習者，設定了一些參數，詳列如下：

(1) CT：學習者目前已花費時間，規劃學習路徑時，將會以目前花費時間推算出剩餘 時間，並以演算法規劃學習路徑。

(2) Locate Vertex：學習者目前所在學習點。

(3) Arrive Time：學習者預定到達下一個學習點的時刻。當時刻一到，則馬上觸發學習 者登記進入(Check In)流程，相當於模擬系統偵測到學習者進入學習點。

(4) Leave Time：預定從下一個學習點學完離開的時刻。當時刻一到，則馬上觸發學習 者離開(Check Out)流程，相當於模擬系統偵測學習者到離開。

(5) Schedule Queue：預定學習路徑列表，由學習導引模組協助規劃運算，推薦給學習 者。

(6) Record Queue：紀錄學習者學習過的學習點列表。

4.4.1 亂數選取法

在模擬學習活動中以隨機選擇法模擬學習者，主要是模擬「沒有學習規劃」的學習 者，走到哪裡學到哪裡，但已經學過的學習點則不重複學習，直到時間限制才返回終點。

其演算法分為兩個觸發事件，一為「學習者離開學習點」，二為「學習者進入學習點」。

而當系統偵測到學習者「離開」學習點時：第一步，先呼叫「亂數搜尋法」，亂數 選取學習點，推薦學習者前往。第二步，使用學習預約模組辦理「離開」(Check Out) 目前學習點。

而當系統偵測到使用者「到達」學習點時：第一步，先檢查學習者是否能夠在時間 限制內返回終點，若答案為「否」，則建議學習者回到終點，結束學習活動；若答案為

「是」，則繼續第二步。第二步，檢查學習點是否還有空位，若尚「有」空位，則使用 學習預約模組辦理「進入」(Check In) 流程。；若「沒有空位」，則重新以「亂數搜尋

法」重新選點。

由以上演算法流程可知，「隨機亂數搜尋法」並未使用預約機制，因此遇到學習點 已滿，必須重新選點的可能性很大。

4.4.2 目標極大化學習導引演算法

系統以「目標極大化學習導引演算法」(MOLGA)選取較適合的學習點，導引學習 者前往，但已經學過的學習點則不重複學習，同樣也是以時間限制(LT)為停止條件。同 樣在進入離開學習點時，觸發事件。

當系統偵測到學習者要「離開」學習點時，第一步，先以 MOLGA 法選擇學習點 推薦學習者前往。若目前「沒有」學習點可以前往，則留在目前學習點上，等待下一個 時刻再次選擇學習點；若「有」學習點可以前往，則進行第二步。在第二步中，學習者 確定前往學習點後，使用學習預約模組協助辦理「預約」( Reserve )學習點。第三步，

使用學習預約模組辦理「離開」(Check Out)目前學習點。

當系統偵測到使用者「到達」學習點時，第一步，先檢查學習者是否能夠在時間限 制內返回終點，若答案為「否」，則建議學習者回到終點，結束學習活動；若答案為「是」， 則繼續執行第二步。

在第二步中，檢查學習點是否還有空位，若「有空位」，則使用學習預約模組辦理

「進入」(Check In) 流程；若「沒有空位」，則使用 MOLGA 法重新選點，而且在學習 者確定前往學習點後，使用學習預約模組協助使用者辦理「預約」( Reserve )流程。接 下來，使用學習預約模組辦理「取消預約」(Cancel Reserve)目前所在學習點。

由以上的演算法的流程條件可知，MOLGA 法，含有預約機制，將可以避免許多重 複選點的機會。

4.4.3 學習導引之基因演算法

「學習導引之基因演算法」(GAFUL)的作法，規劃完學習路徑後，推薦給學習者，

學習者依序前往即可。遇到須重新規劃路徑時，只考慮未學點為候選點，停止條件也為 學習限制時間。

系統偵測到學習者要「離開」學習點時，第一步，先檢查是否已有規劃學習路徑，

若「有」規劃學習路徑且規劃的下一個學習點還「有空位」，則依規劃前往即可；若「沒 有」規劃或規劃的下一個學習點「沒有空位」，則以 GAFUL 法重新規劃學習路徑，推 薦給學習者。最後，使用學習預約模組辦理「離開」(Check Out)流程目前學習點。

系統偵測到使用者到達學習點時，首先檢查是否還有足夠的時間可返回終點，若答 案為「否」，則建議學習者到終點；若答案為「是」，則繼續執行下一步。第二步，檢 查學習點是否還有空位，若「有空位」，則辦理「進入」(Check In) ；若「沒有空位」，

則以 GAFUL 法重新規劃學習路徑，推薦給學習者，並且在學習者確定前往學習點後，

系統協助使用者辦理「預約」( Reserve )。最後，使用學習預約模組辦理「取消預約」

(Cancel Reserve)流程，取消預約目前所在之學習點。

由以上演算法流程可知，GAFUL 法尚未使用預約機制，但在前往下個學習點前，

會檢查人數是否已滿，且在規劃路徑時已將飽和資訊考慮進去，因此重新規劃路徑的可 能性比「隨機亂數搜尋法」小。