未來展望

首先針對模擬學習環境的改進部份，在學習點「預約機制」部分，目前的預約時間

範圍設定，太過於粗糙；學習者到達之前，學習點空間被佔住而無法利用。因此，針對 此一缺點改進預約機制，預計的作法為學習點上的每個空間單位增設「時間預約排程」，

且為了預防學習者遲到或延後離開，將會有預留些許緩衝時間。

接下來針對「學習導引演算法」，在 3.2.2 節的範例中，可以發現 MOLGA 對單人 路徑的學習總效益，並不是最好的選擇，但是其執行速度快，及能夠有效預約協助使用 者避開人數已滿的學習點且程式設計容易為其優點。於是未來將以最佳化方法去訓練演 算法參數的係數值，使得單人學習路徑效益也獲得最佳化。

而 GAFUL 部分，在 5.4 節結果分析中，可以發現 GAFUL 的缺點在於第一次規劃 時將會花費較大量的運算時間，學習者將感覺較久的等待，預計的改進方式，由系統設 計來改善，使用「預處理」的方式，能夠提前規劃行程，讓學習者感覺不到運算的等待。

但以上兩個學習導引演算法中，MOLGA 法雖然有預約機制，能夠避免重新選點，

但針對個人學習路徑無法最佳化，且無法兼顧到學習順序好壞的問題。GAFUL 法雖然 有針對個人學習路徑做最佳化，但是無法避免多個學習者路徑的重疊，無法在同一時刻 有效分散學習者，減少點上人數飽和的機會，且當「人數密度」到達某個門檻之後，重 算次數(時間)將會大幅增加。

有鑑於以上兩點，未來預計嘗試應用兩個演算法來解決學習導引問題，一為「快速 混雜基因演算法」[7][9][46]，此演算法由基因演算法改良而來，與簡單基因演算法有兩 個不同處，「基因長度不固定」且可兼顧隱藏在序列中的「基因相關性」；二為「禁忌 搜尋法」，此搜尋法特點在於記錄下已經選擇過的學習點，避免在一定的時間內重複選 擇到，應用在本研究可以避免多人學習路徑上的重疊次數，藉此分散學習的路徑。

再者，由本實驗結果可發現，在理論上 GAFUL 的學習效益應該比 MOLGA 好，但 是結果顯示大部分的情況下，MOLGA 法的學習效益比 GAFUL 法好，造成此一現象有 兩種可能，GAFUL 法參數設定不當或是 GAFUL 法導引概念不適宜此種環境。

為了證明 GAFUL 法並非參數設定不當造成此一現象，因此針對 GAFUL 法在不同 的交配率以及演化代數下進行學習效益的測試，而結果發現交配率與演化代數對學習效 益影響不大，詳情請見附錄 B 與附錄 C。經過驗證並非參數設定不當，則為 GAFUL 導

引概念不適合的可能性較大。因為路徑是依照現有的狀況做出規劃，但實際上學習者到 達學習點時，學習環境可能早已歷經許多次的變化，規劃已經不符合現況。為了避免這 個問題，勢必需要預測學習點未來的情況，依照預測的情況做出規劃，才有可能將規劃 時效性的影響降到最低，有鑑於此，本研究未來將嘗試在演算法中加入未來狀況的評估。

此外，計畫將學習導引加入適性化概念[3][13][14][15]，我們可以透過將較重要、

關鍵性的學習點設定為較高的權重，來進行「主題式學習」，例如在博物館中，教學課 程主題為認識古代文物，而該學習者對“唐代文物”的知識較為缺乏，我們就能依此需求 調整學習點的權重值，讓路徑規劃演算法可優先考慮唐代相關文物，使學習者在學習歷 程中對“唐代文物”有較多的認識，更貼近學習者的需求。

另外，也考量到學習點概念不同，可能會有學習順序上的考量，因此未來將考慮將 學習點間的邊(Edge)加上不同程度權重[31]，利於學習順序的選擇。最後我們將來也希 望將更多個人化的資訊納入考量，更落實無所不在情境感知學習的目標。

參考文獻

[1] Alexander Schrijver . 1986. Theory of Linear and Integer Programming. John Wiley and Sons. 1998.

[2] Brid C. Doherty, Peter T. O’Hare, Michael J. O’Grady and Gregory M.P. O’Hare.

(2006). Entre-pass: Personalising u-learning with Intelligent Agents. Wireless, Mobile and Ubiquitous Technology in Education, 2006. WMUTE '06.

[3] Brusilovsky, P. (1996). Methods and techniques of adaptive hypermedia. User Modeling and User-Adapted Interaction, 6 (2-3), 87-129.

[4] Cassia Pereira Nino, Jader Marques, Debora Nice Ferrari Barbosa, Claudio Fernando Resin Geyer, Jorge Luis Victoria Barbosa, Iara Augustin. (2007) . Context-Aware Model in a Ubiquitous Learning Environment . Pervasive Computing and Communications Workshops, 2007. PerCom Workshops '07.

[5] Ching-Chiu Chao. (2006). An Investigation of Learning Style Differences and Attitudes toward Digital Game-based Learning among Mobile Users. Wireless, Mobile and Ubiquitous Technology in Education (ICHIT'06).

[6] Ducatel, K. , Bogdanowicz, M. , Scapolo, F & Leijten, J. & J-C. Burgelman. (2001).

SCENARIOS FOR AMBIENT INTELLIGENCE IN 2010. Technical report, Information Society Technologies, European Commission, 2001.

[7] Gen, M. and Cheng ,R.(1997).Genetic Algorithm and engineering design. A Wiley-Interscience Publication , New York (1997)

[8] Glover, F. .(1989). Tabu search I . ORSA J. Comput. , vol. 1, pp. 190-206, 1989.

[9] Goldberg, D.E.(1989). Messy genetic algorithm: Motivation , analysis , and first result . Complex System ,3(5),493-530(1989).

[10] Holland, J. H. (1975). Adaptation in natural and artificial systems. University of Michigan Press, Ann Arbor, Mich.

[11] Hwang, G.J. (2006). Characters, Characteristics and Strategies of Ubiquitous Learning . IEEE International Conference on Sensor Networks, Ubiquitous, and Trustworthy Computing (SUTC 2006), June 5-7, 2006 , Taichung, Taiwan.

[12] Hua, L.S.(2004). Mobile Museum Guiding System. Unpublished master dissertation,

Yuan-Ze University.

[13] Keefe, J.W.(1979). Learning style: an overview, NASSP's Student learning styles:

Diagnosing and prescribing programs, pp. 1-17

[14] Keefe, J.W.(1991). Learning style: Cognitive and thinking skills. National Association of Secondary School Principals.

[15] Keefe, J.W.(1988). Profiling and utilizing learning style. National Association of Secondary School Principals.

[16] Klausmeier, H.J., Rossmiller, R.A., & Saily, M. (Eds.).(1977). Individually guided education: concepts and practices. New York: Academic Press.

[17] LaValle, S. M., “Form Dynamic Programming to RRTs : Algorithmic Design of Feasible Trajectories”, Verlag Berlin & Heidelberg, Control Problems in Robotics, STAR 4, pp.19-37, 2003.

[18] Michalewicz, Genetic Algorithms + Data Structures = EvolutionPrograms, Third Edition,Springer, 1996.

[19] Mitchell, K. ,Race, N.J.P. (2005). uLearn: Facilitating Ubiquitous Learning through Camera Equipped Mobile Phones. Wireless and Mobile Technologies in Education, 2005. WMTE 2005.

[20] Moushir M. El-Bishouty, Hiroaki Ogata and Yoneo Yano. (2006). Learner-Space Knowledge Awareness Map in Computer Supported Ubiquitous Learning. Wireless, Mobile and Ubiquitous Technology in Education, 2006. WMUTE '06.

[21] Narendra Karmarkar. (1984). "A New Polynomial Time Algorithm for Linear Programming", Combinatorica, Vol 4, nr. 4, p. 373–395.

[22] Sakamura, K., & Koshizuka, N.(2005). Ubiquitous Computing Technologies for Ubiquitous Learning. Proceedings of the 2005 IEEE International Workshop on Wireless and Mobile Technologies in Education (WMTE’05).

[23] Satyanarayanan, M. Carnegie Mellon Univ., Pittsburgh, PA. (2001). Pervasive computing: vision and challenges . Personal Communications, IEEE Aug 2001.

[24] Shengguo Sun, Mizuo Kansen, Qiu Han, Tongjun Huang, Aiguo He, Zixue Cheng.

(2006). A Ubiquitous Education Support Method based on Analysis of Learning Patterns Using Rule-Based Reasoning. Advanced Information Networking and Applications (AINA’06).

[25] Tennenhouse D. ,Intel Corp. (2000) . Proactive computing . Communications of the

ACM archive Volume 43 , Issue 5 (May 2000) table of contents .

[26] Verdejo, M.F., Celorrio, C., Lorenzo, E., Sastre, T., UNED, Spain. (2006). An Educational Networking Infrastructure Supporting Ubiquitous Learning for School Students. Advanced Learning Technologies, 2006.

[27] Weiser, M..(1991) The computer for the twenty-first century. Scientific American, Sep.

1991.

[28] Weiser, M. (1993). Hot Topics: Ubiquitous Computing. IEEE Computer, October 1993.

[29] Yang, S.J.H. , Huang, A.F.M. , Chen, R., Shian-Shyong Tseng, Yen-Shih Shen. (2006).

Context Model and Context Acquisition for Ubiquitous Content Access in ULearning Environments. Sensor Networks, Ubiquitous, and Trustworthy Computing, 2006.

[30] Zxue Cheng, Qiu Han, Shengguo Sun, Mizuo Kansen,Tomohiro Hosokawa, Tongjun Huang, Aiguo He. (2006). A Proposal on a Learner’s Context-aware Personalized Education Support Method based on Principles of Behavior Science. IEEE Proceedings of the 20th International Conference on Advanced Information Networking and Applications (AINA’06).

[31] 白如婷. (2005). 數位學習之適性化學習路徑規劃機制研發. 國立成功大學, 製造工 程研究所, 碩士論文, 2005 年.

[32] 行政院 NICI 小組.(2005). 論亞太各國無所不在的網路社會推動政策 (一).取自 http://www.nici.nat.gov.tw//content/application/nici/generala/guest-cnt-browse.php?ordi nal=&cnt_id=758

[33] 行政院 NICI 小組.(2005). 亞太各國無所不在的網路社會推動政策概述（二）日本 u-Japan.

http://www.nici.nat.gov.tw//content/application/nici/generala/guest-cnt-browse.php?ordi nal=&cnt_id=757

[34] 行 政 院 NICI 小 組 .(2006). 洞 悉 南 韓 無 所 不 在 政 策 — u-Korea.

http://www.nici.nat.gov.tw///content/application/nici/generala/guest-cnt-browse.php?ord inal=&cnt_id=763

[35] 行 政 院 NICI 小 組 . (2007). 國 家 資 通 訊 發 展 方 案 2007~2011 年 . http://www.nici.nat.gov.tw/include/getfile.php?fid=1103

[36] 林 世 懿 .(2004). 日 本 最 新 IT 政 策 ─u-Japan 建 構 Ubiquitous 社 會 . 技 術 尖 兵 http://www.st-pioneer.org.tw/modules.php?name=magazine&pa=showpage&tid=2198

[37] 連英惠，「智慧型旅遊路線排程系統」，靜宜大學資訊管理學系碩士班碩士論文，

2002。

[38] 陳兆宏. (2005) .深耕研發才能立於不敗之地 Research at Intel Day 2005 觀後感.

http://tech.digitimes.com.tw/ShowNews.aspx?zCatId=913&zNotesDocId=D6F189170A 70CAFD482570360047014C

[39] 陳德懷(2006)：愛麗絲夢遊學習仙境。台北市：遠流出版公司。

[40] 黃國禎（2005）。U-Learning 時代的來臨與挑戰。2005 年 10 月 28 日，取自 http://

www.elearn.org.tw/KMC/ExpertDefaultArticles/U-Learning 時代的來臨與挑戰.pdf [41] 楊子奇、蔡佩珊、黃國禎. (2006). U-Learning 環境的建置愈效益評估-以單晶 X 光

繞射研究人員培訓為例。2006 行動與無所不在數位學習研討會，中央大學，中壢，

台灣。

[42] 彭 本 方 .(2005). 科 技 應 該 深 植 於 生 活 之 中 -Ubicomp 之 父 Mark Weiser. Mobile Business 行動化企業. http://promotion.fetnet.net/pmt/ess_epaper0714/p31.html

[43] 經 濟 部 技 術 處 科 技 走 廊 .( 2 0 0 5 ). 無 線 傳 輸 無 限 可 能 —802.15.4/Zigbee.

( 2 0 0 5 / 0 8 / 2 9 ) http://doit.moea.gov.tw/news/newscontent.asp?IdxID=9&ListID=0613 [44] 劉盈秀.(2006). 地球村新樂子─網路世界樂 U 遊.取自電子商務時報(2006/2/24)

http://marketing.chinatimes.com/ItemDetailPage/MainContent/05MediaContent.asp?M MMediaType=ec_news&MMContentNoID=26005

[45] 韓世翔. (2004). 考量環境智慧之適性化行動學習平台。私立中原大學資訊管理學系 碩士學位論文，未出版。

[46] 簡崑棋. (2004). 結合模糊類神經網路與快速混雜基因演算法於專案工期之預測 . 國立成功大學，土木工程研究所，碩士論文，民 93 年七月.

附錄 A GAFUL 法之適配值變化圖

以下圖A.1與圖A.2，是在相同一筆環境資料，有15個學習點，有限時間的情況下，

學習路徑最多只能選擇12個學習點，其世代之適配值變化如下圖。

圖 A.1 GAFUL 適配值之世代變化圖

圖 A.2 GAFUL 適配值之世代變化圖

由圖 A.1 與圖 A.2 可知，GAFUL 法在第 15 世代之前，找到區域最佳解；而在第 23 世代之前，族群已經收斂完畢。可證明 GAFUL 法的確能使族群朝向更好的解進化。

附錄 B GAFUL 法之世代限制變化圖

圖 B.1 不同世代之學習效益變化圖

圖 B.2 不同世代限制之重算次數變化圖