第五章 結論與未來建議
第二節 未來研究建議
本研究提出適合網路請購的操作介面導入機制架構，並以國立大學的網路請 購進行實例應用，但為找出最佳的導入模式，本研究建議未來之研究方向為：
（1）增加回饋模組：
操作者的操作動作會因為許多不確定因素而隨時進行改變，若系統無法在最 快的時間內進行導入的操作介面改變，則會導致導入的正確率降低，因此，
本研究建議可加入回饋模組，由操作者回饋導入滿意度分析導入資訊之有效 性，運用此機制驗證其準度，以提昇導入操作介面之正確率。
（2）演算法的改良：
本研究所提出之操作介面導入機制屬於整合型系統架構，此架構所使用的類 神經網路或資料探勘技術之演算法皆以典型的方法運作。目前有相當多改良 的演算法，因此，未來可將這些改良的演算法納入本導入機制，進行比較分 析性的研究，以增加導入的效率。
參考文獻
中文部分
【1】王俊人，1995，「多媒體軟體使用者介面與互動性之研究」。政治大學資 訊管理研究所碩士論文。
【2】洪瑞隆，1993，「中文畫面設計評估之研究」。東吳大學商學院管理研究 所碩士論文。
【3】陳明溥，1995，「以網頁建構做為電腦知能表示工具之成效研究」，ICCAI 論文集第八屆。http://acbe.tku.edu.tw/main.htm，第165-168頁。
【4】張吉元，1985，「多媒體商品展示系統介面文字語音及顯示特效的搭配對 消費者影響之研究」，大葉大學資訊管理研究所碩士論文。
【5】賴榮裕，1983，「從人因面探討使用者介面之設計」，國立中山大學資訊 管理研究所碩士論文。
【6】、魏丕信、施郁芬、邱昭彰，1995，「人機介面設計」，空中大學出版社。
【7】王子華，2002，「網際網路教學環境之後設認知策略設計對於大學學生學 習效益之影響」，彰化師範大學生物學系研究所碩士論文。
【8】巫靜宜，2000，「比較網路教學與傳統教學對學習效果之研究-以word2000 之教學為例」，淡江大學資訊管理研究所碩士論文。
【9】李少華，2001，「南台科技大學E-Learning 環境建置及導入」，碩士論文，
南台科技大學資訊管理系。
【10】李長峰、黃仁竑、許政穆，2002，「符合SCORM標準之Web-based教材編 輯器」，2002網路學習理論與實務學術研討會論文集，第107-112頁。
【11】林奇賢，1998，「網路學習環境的設計與應用」，資訊與教育雜誌，第67 期，第34-50頁。
【12】林昇甫、洪成安，1996，神經網路入門與圖樣辨識，全華科技圖書股份有 限公司，第96-104頁。
【13】林錦泓，2001，「透過多代理人實作SCORM為基礎的教案推薦系統」，
國立高雄師範大學資訊教育研究所碩士論文。
【14】胡崇偉，2001，「SCORM標準下學習管理伺服器之設計與實作」，元智 大學資訊管理學系碩士論文。
【15】黃武元、楊岱霖、王錦裕，2001，「適性化學習系統」，第五屆全球華 人教育資訊科技大會第二卷，第1037-1044頁。
【16】黃智育，2002，「資料探勘於即時線上推薦系統之應用研究」，朝陽科 技大學資訊管理系研究所碩士論文。
【17】黃家璋，2001，「基於物件導向之E-Learning 互動學習數學系統」，國立 中正大學資訊工程研究所碩士論文。
【18】張建邦，2001，「以XML為基礎之標準化虛擬教室系統之研究」，銘傳 大學資訊管理研究所碩士論文。
【19】彭成瑋，2000，「網路教學系統的理念設計與實作」，國立中正大學資訊 工程研究所碩士論文。
【20】葉怡成，2001，類神經網路模式應用與實作，儒林圖書公司，台北。
【21】蘇育霆，2001，「整合模糊理論與自適應共振理論II 神經網路於資料採 礦之集群技術」，國立台北科技大學生產系統工程與管理研究所碩士論文。
英文部分
【 2 2 】 A g r a w a l , R . a n d S r i k a n t , R . （1994）, “ F a s t A l g o r i t h m s f o r
M i n i n g Association Rules in Large Databases,” Proceedings of the 20th International Conference on Very Large Data Based, pp. 478-499.
【 23 】 Balabanovic, Y. （ 1997 ） ,“Fab: Content-Based,Collaborative
Recommendation,” Communications of ACM, Vol.40, No.3, pp. 66-72.
【24】Carprnter,G. A.,and Grossberg,S.（1998）,“The ART of Adaptive Pattern
Recognition by Self-Organizing Neural Network,” Computer,Vol.21,No.
3,pp. 77-88.
【25】Chung,Y.,and Kusiak,A.（1991）, “GT/ART: Using Neural Network to Form
Machine Cells,” Manufacture Review, Vol. 4, pp. 293-301.
【 26】 Goldberg,D. Nichols,Oki,D. B. M.,and Terry,D.（1992）,“Using
Collaborative Filtering to Weave an Information Tapestry,”
Communication ACM,Vol. 35, No. 12, pp.61-70.
【 27 】 Han,J. （1999）,“Data Mining,” in J. Urban and P. Dasgupta
( e ds .) ,Encyclopedia of Distributed Computing, Kluwer Academic Publishers.
【28】Han,J.,and Kamber（2001）,Data Mining: Concepts and Techniques,Morgan
Kanfmann Publishers.
【 29 】 Han,J （ 2000 ） ,“Mining Frequent Patterns without C a n d i d a t e
G e n e r a t i o n , ” P r o c e e d i n g s o f 2 0 0 0 A C M - S I G M O D International Conference Management of Data (SIGMOD'00),pp. 1-12.
【30】Holmberg,B.（1995）, Theory and practice of distance education. London :
Routledge.
【 31】Keegan,D.（1993）, Theoretical principles of distance education. Lodon:
Routledge.
【32】Kishore,L. A.,and Chang,T. （1997）,“Feature Recognition using ART2: a
Self-Organizing Neural Network,” Journal of Intelligent Manufacturing,Vol.
8,pp.203-214.
【33】Lieberman,H.（1997）,“Autonomous Interface Agents,” Proceedings of
CHI’97,ACM Press,pp. 67-74.
【 34】Lockwood,F.（1995）,Open and distance learning today. London :
Routledge.
【 35 】 McFadden,F. （ 1999 ） ,Modern Database Management, Fifth Edition,
Addison-Wesley.
【36】Mooney,R. J. and Roy,L.（2000）,“Content-Based Book Recommending Using
Learning for Text Categorization,” Proceedings of the 5th ACM Conference on Digital Libraries, pp. 195-204.
【 37】Olaru,C. and Wehenkel,L.（1999）, “Data Mining,” IEEE Computer
Applications in Power,Vol. 12,no. 3,pp. 19-25.
附錄 A
流程最佳化分析系統功能說明
（一）流程偵測資料轉換（INIT_TRN_PR.asp）
將分析之操作者權限及操作流程轉為可分析之資料。
（1.）轉入操作者基本資料並轉為 ART 分析格式(TRN_USECOD_ART.asp) 將 操 作 者 之 權 限 資 訊 以 ART 之 分 析 格 式 儲 存 於 資 料 表
（ART_USECOD.dbf）中。
（2.）轉入操作者交易資料並轉為分析格式（TRN_Pan_Rough.asp）
將操作者之操作紀錄轉為流程資料探勘格式，儲存於資料表中
（ART_TRAN.dbf）。
（3.）轉出流程項目至流程資料集並轉為分析格式（TRN_FlowSet.asp）
將 請 購 系 統 之 操 作 流 程 以 字 串 方 式 分 析 並 儲 存 於 資 料 表 中
（ART_FLOW_SET.dbf）。
（二）ART 資料分群
（1）ART 分群（ART_ALG_GROUP.asp）
將分析之操作者權限以相似值 0.5 進行 ART 分群並存於資料表中
（art_cod_rel.dbf）。
（三）分群/流程探勘
（1）ART 分群轉入交易資料庫（TRN_ART_INTO_ART_TRAN.asp）
將操作者之代碼加入 ART 分群資訊以作為資料探勘分析格式存於資料 表（ART_TRAN.dbf）。
（2）ART 分群/流程探勘並轉入交易資料庫（SPELL_ITEMSTR_INTO.asp）
將 操 作 紀 錄 中 加 入 ART 分 群 資 訊 以 作 為 資 料 探 勘 分 析 格 式
（Art_Flow.dbf）。
（四）Apriori 探勘
探勘操作流程與操作流程間之關聯性。
（1）計算各流程使用次數（Count_ItemSet_Support.asp）
計 算 單 一 流 程 於 操 作 紀 錄 中 之 支 持 度 ， 並 存 於 資 料 表 中
（art_flow_set.dbf）。
（2）Apriori 探勘 Item Set1 並轉入資料庫（TRN_ITEM_SET1.asp）
計算兩項流程於操作紀錄中之支持度，並存於資料表中（itemset1.dbf）。
（3）Apriori 探勘 Item Set2 並轉入資料庫（TRN_ITEM_SET2.asp）
計算三項流程於操作紀錄中之支持度，並存於資料表中（itemset2.dbf）。
（4）Apriori 探勘 Item Set3 並轉入資料庫（TRN_ITEM_SET3.asp）
計算四項流程於操作紀錄中之支持度，並存於資料表中（itemset3.dbf）。