推薦學習

推薦技術使用於電子商務等商業用途中已非常普遍，推薦相關的商品可增加 網路購買的訂單，例如從網路上購買手機，可從手機之間的點閱率發現手機之間 的關聯性，而使用者便可利用這些產生出的資訊於相同性質的商品上做比較，找 尋到最適合自己的商品。使用相同的邏輯概念，我們也能將推薦技術用於學習，

並比較推薦結果的優劣。邱永祥(2003)提出運用類神經網路與資料探勘技術於網 路教學課程推薦之研究，主要以學習者為主，透過類神經網路與資料探勘技術，

建立能依社群性、興趣性及選課性等多元化管道推薦網路教學之課程。利用類神 經網路做為學習者分群處理技術，產生學習者社群，並有效率的產生相同社群的 學習者課程推薦、興趣社群對課程的推薦以及已選修課程學習者的關聯式課程推 薦。藉此多元化的課程推薦，以提高學習者之學習興趣並作為學習者選課前之參 考(邱永祥，2003)。邵秀梅(2003)提出資料探勘應用於個人化網路學習導覽推薦 之研究，此研究提出一套個人化網路教學導覽推薦機制，結合合作式推薦方法與 資料探勘中的叢集分析、關聯法則探勘技術，將學習者的網路教材瀏覽記錄拿來 進行學習者分群推薦與學習者不分群推薦的實驗比較，其結果為運用分群方法在 個人化網路學習導覽推薦的應用上可以提供較準確、較符合學習者需求的教材瀏 覽建議，並針對網路教材瀏覽的特有性質設計出一套新的學生分群方法，以提高 推薦的準確度(邵秀梅，2003)。也曾有學者提出將行動學習整合進推薦系統中之 研究，此研究以手機或 PDA 等行動裝置發展一套行動學習系統，並以該校已有 的推薦系統整合，使學習者獲得更有利的線上學習環境(Andronico, Carbonaro, Casadei, Colazzo, Molinari & Ronchetti, 2003)。此外，在利用推薦機制影響線上學 習系統的研究，他們發展一套具有找到相關網站內容能力的系統，而該系統會觀 察學習者的學習和評級以產生適性化的教材給予其他學習者。因此，雖然學習者 們沒有直接的互動，卻可藉由教學網站檢索其他學習者的相關資料(Tang &

McCalla, 2003)。簡士堯(2004)提出以內容為基礎之網路學習導覽推薦之研究，此 研究以內容為基礎的推薦方式，利用跟使用者過去所喜好相似的內容來推薦，將 使用者瀏覽過的教材網頁做關鍵字的擷取，並與所有教材網頁的關鍵字做比對，

藉由尋找彼此相關聯的教材網頁來達成推薦的目的。透過內容為基礎觀念的基礎 將單一使用者瀏覽過的網頁內容及瀏覽順序加以過濾，並使用資料探勘的技術針 對內容上進行分群，在分群的模組中判斷使用者的興趣及學習程度，進而推薦給 使用者合適的學習內容，達成事半功倍的學習效果(簡士堯，2004)。管怡婷(2004) 提出以學習風格為基礎之學習資源推薦機制研究，此研究首先利用問卷分析學習 者的學習風格，將學習者分成四種學習風格，再將不同風格學習者的瀏覽記錄做

關聯規則分析，找出四種學習風格學習者的瀏覽行為模式。最後將學習者瀏覽記 錄與規則比對後，推薦未閱讀文章及相關文章給予學習者學習(管怡婷，2004)。

林易虹(2005)提出符合 Learning Design 標準學習活動的推薦系統之研究，此研究 提出了一套學習活動的推薦機制，以達到能夠有目標性地搜尋並重複利用符合 Learning Design 標準之教學活動的目的，而研究結果顯示此推薦機制可輔佐使用 者找到適合他們需求的學習活動(林易虹，2005)。莊俊賢(2006)提出在線上學習 系統透過資料探勘技術建構推薦學習，此研究在線上學習系統平台上建構一推薦 系統，利用目錄式之學習方式，並透過 Web Mining 的技術做推薦，推薦有效的 學習路徑給學習者，讓學習者在線上學習系統可做有效率的學習(莊俊賢，

2006)。郭睿原(2006)提出數位學習系統利用模糊理論和叢集技術採礦使用者傾向 以推薦學習物件內容之研究，此研究整合已有的數位學習技術，以模糊理論及叢 集技術分析分別描述學習者之知識所具有不明確的特質及學習者對於領域知識 中概念理解之分佈和學習傾向，設計新的演算法輔助學習，引導學習者學習其他 新的概念知識，可有效改善使用者的滿意度。其研究結果顯示，提出的輔助模組 能有效幫助不同能力之學習者完成領域知識之學習，同時也具有顯著的推薦準確 度(郭睿原，2006)。本研究將上述與推薦學習相關的文獻整理如表 2-3 所示。

表 2-3 推薦學習相關文獻整理

學者 (年代) 研究目的 研究結果

邱永祥 (2003) 整合類神經網路與資料探勘 技術，設計一套能對學習者進 行分群，並依分群結果、個人 學習興趣及其選課資料產生 推薦機制提供給學習者具參 考性的選課依據。

此課程推薦機制具有社群特 質、關係性質、學習者分群 效率高三種特質，並能產生 適當的課程推薦資訊。

表 2-3 推薦學習相關文獻整理(續)

Andronico, Carbonaro, Casadei, Colazzo, Molinari and Ronchetti (2003)

將行動學習整合進推薦系統 McCalla (2003)

利用推薦機制影響線上學習

表 2-3 推薦學習相關文獻整理(續) Learning Design 標準之教學 活動的目的。

位學習上更能強化數位學習優於傳統教學。在過去的研究中發現，推薦技術使用 於數位學習中，不論是學習者所瀏覽過的教材網頁、學習風格或是學習路徑等，

皆與資料探勘相關技術有著密不可分的關係，而最終的目的都是要給予學習者準 確的推薦、增加學習者學習的速度及學習滿意度。

第六節 SCORM 數位教材標準

SCORM(Sharable Content Object Reference Model)是由美國白宮科技辦公室 室與國防部於 1997 年所共同推動的 ADL(Advanced Distributed Learning)先導計 畫中，綜合統早期標準組織的成果，得以推出共享式內容元件參考模式 SCORM 並得到普遍性的認同。ADL 主要的訴求在於提供高品質的教學內容與訓練、針 對個人訂作一套適性化的學習內容以及在任意時空中具備成本效益的學習等(徐 文杰、林沛傑，2003)。SCORM 標準涵蓋內容除 ADL 計畫中的內容外， 還包 括執行環境(Run-Time Environment, RTE)與課程物件內容的整合模式(Content Aggregation Model, CAM)。執行環境主要引用 AICC 對於互通性的規範，利用 API Adaptor 建構學習者與 LMS 之間的環境。課程物件內容的整合模式則描述 各類學習課程資訊，將相關的學習訊息包裝成同一個課程，使其可在不同的系統 間使用(鍾依萍，2004)。

在 SCORM 標準規格內容涵蓋教材的開發、包裝、交流等主題，其目標是 讓教材內容達到可存取性(Accessibility)、可溝通性(Interoperability)、耐久性 (Durability)、再使用性(Reusability)四項要求(Adlnet, 2001)。可存取性主要是使用 者可跨越時空於網路上存取到需要的教材，可溝通性是在某平台上使用某工具開 發的教材，可以被其他平台或工具接受，達到跨越平台，並以網頁瀏覽器做為與 使用者溝通的媒介。耐久性是當系統軟體版本更新或改變時皆能向下相容，不需 重編教材內容。而再使用性可將一教材內容整合至不同的應用程式或其他的課程 中，並可提供不同的開發工具來使用。教材標準的統一是未來的趨勢，符合

SOCMR 標準的教材可在不同學習平台環境中流通，雖然製作符合 SOCMR 標準 的課程較繁瑣，但近幾年符合此標準的製作工具已產生，使製作上變得簡單及省 時，教材相對也將愈來愈豐富。