未來發展

由於本研究評量測驗的方式是選擇題方式，須從中選出一個正確答案，當 中並不知道受測者是真正瞭解還是猜中的，如果評量測驗是以填充題的方式來作 答，讓受測者明確地寫出正確答案，如此更可以知道受測者是否真正瞭解介係詞 概念用法。另一方面可以增加每一概念每一種難度試題的數量，或是長期的學習 紀錄觀察，以更準確地衡量學習成效。

除了試題的難易度，資料探勘的樣本數量也會影響我們所挖掘的法則，進 而影響預防教學的成效。在本研究中所收集的資料才一、兩百筆資料，無難度控 制 211 筆和有難度控制 155 筆，可以試著收集更多的樣本數，調整最小支持度和 可信度，挖掘出最適的關聯法則，提高預防教學的效果。

在教材設計上，除了文字表達外，可以試著用不同呈現方式，例如，圖片、

動畫，影音等多媒體來呈現教材內容，來提升學習者的學習意願。除了應用在介 係詞上，甚至可以擴大範圍至整個英語錯誤型態的預防教學，也可以試著應用在 不同學科上甚至應用在需要具有先備知識的學科上。或是結合以網頁為基礎的適 性化課程系統 AHA! Course(Adaptive Hypermedia Course)，改善線上適性化課 程，使網頁內容符合使用者學習目標(Romero et al 2003)。

未來，除了可加強試題的難易度控制，以及關聯法則的適用性，和教材內 容的多樣化之外，還可以試著建立一套完整的試題庫，和關聯法則資料庫，和教 材題庫的預防教學系統，以提供學習者更適性化的學習。

參考文獻

[1] 方炳林，1992，「教學原理」，台北，教育文物出版社有限公司

[2] 王惠美和羅家駿，2002， 「適性化網頁教學系統之學習迷失原因診斷與回饋-以英語介係詞為例」，中華大學資訊工程系碩士班碩士論文

[3] 江玫嬛，1995，「中國 ESL 學生在學習英文介係詞所犯錯誤之分析」，嘉義 農專學報，第四十一期，第 187-201 頁

[4] 汪永棋譯，Eugene K. Hall 著，1998，「英語介係詞詞典」，台北，書林出版 有限公司

[5] 林傑斌和劉明德，2002，「資料採掘與 OLAP 理論與實務」，文魁資訊 [6] 高廣孚，1997，「教學原理」，台北，五南圖書出版有限公司

[7] 陳長春，1992，「加強補救教學的意義」，中縣文教，第 13 期

[8] 陳垂呈、賴春松與利益多，2002，「應用資料探勘技術發掘課程最適性選修 之學生」，台灣網際網路研討會（TANET），第 353-358 頁

[9] 陳琉琍，1994，「基礎英文法測驗」，台北，學習出版有限公司

[10] 張新仁，2000，「補救教學面面觀」，高雄，載於九年一貫課程改革下補救教 學方案研討會論文彙編

[11] 彭文正譯，Michael J.A. Berry, Gordon Linoff 著，2001，「資料採礦 客戶關 係管理暨電子行銷之應用」，台北，數博網資訊股份有限公司

[12] 賀立民，1994，「賀氏英文法全書」，台北，賀立民出版，建宏書局總經銷 [13] 鄒啟明，2000，「介詞趣談」，台北，寂天文化事業有限公司

[14] 楊文昇、楊東麟，2001，「有效率的挖掘關聯法則之高頻物項集合演算法」，

逢甲大學資訊工程系碩士班碩士論文

[15] 劉明洲、林鴻龍，1999，「植基於概念構圖的適性化學習網頁結構分析與設 計」，1999年台灣區網際網路研討會論文集 (TANET’ 99)

[16] 廖瞱嵐，1993，「簡明英文法」，台北，建宏出版社

[17] 謝家駒，1996，「全面優質管理」，台北，周知文化事業公司與淑馨出版社 [18] 蘇生豪譯，Celia Blissett, Katherine Hallgarten 著，1993，「迷你解析英文法」，

台北，文橋出版社

[19] Agrawal, R., Umielinski, T., and Swami, A., 1993, “Mining Association Rule between Sets of Item in Large Databases”, Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data

[20] Agrawal, R., and Srikant, R., 1994, “Fast algorithms for mining association rules”, Proc. 20^th VLDB Conf.

[21] Berson, A., Thearling, K., and Smith, S., 2000, Building Data Mining Applications for CRM, McGraw-Hill Osborne Media, ISBN:0071344446

[22] Cheng, T.-Y., 1993, “The Syntactical Problems Chinese College Students Meet in Reading English Technical Textbooks”, Available from ERIC as ED 364 096.

[23] Lee, S.J. and Siau, K., 2001, “A review of data mining techniques”, Industrial Management & Data Systems, Vol. 101, No.1, pp. 41-46.

[24] Li X.-F., 2000, “Computer-Assisted English Test Item Analysis”, Computer Assisted Language Learning, Vol. 13, No. 1, pp.43-48

[25] Jabbour-Lagocki, J., 1990, “Prepositions of Position: An Analysis for Practical Application in the Classroom.”, Available from ERIC as ED 332 509.

[26] Jin, Z.-Y., 1982, “Difficulties in learning English for Chinese students.”, Tesl Talk, Vol. 13, No.3, pp. 87-91.

[27] Romero, C., Ventura, S., De Bra, P., and De Castro, C., 2003, “Discovering Prediction Rules in AHA! Courses”, Proceedings of the User Modeling Conference, Johnstown, Pennsylvania, pp. 35-44.

[28] Tseng, S.-M., 2001, “Mining Association Rules with Interestingness Constraints in Large Databases”, International Journal of Fuzzy System, Vol.3, No.2 [29] Vriend, D.L., 1988, “Chinese Speakers and English Prepositions: Problems and

Solutions”, Available from ERIC as ED 316 029.

[30] Zaki, M.J., Parthasarathy, S., Li, W., and Ogihara, M., 1996, ”Evaluation of Sampling for Data Mining of Association Rules”, Technical Report 617, Computer Science Department, University of Rochester, NY, USA.

[31] Zheng, Z., Kohavi, R., and Mason, L., “Real World Performance of Association

Rule Algorithms”, 2001, Proceedings of the Seventh ACM SIGKDD International Conference on Knowledge Discovery and Data Mining

附錄 A

無難度控制之法則下的介係詞試題

有難度控制之法則下的介係詞試題

附錄 B

預防教學前測的介係詞試題

預防教學後測的介係詞試題

附錄 C

根據前測的結果發現，法則後項第 1 題、第 11 題、第 18 題、第 2 題、第 23 題 的概念被啟動的比率如下

表 1：法則後項被啟動比率表

實驗組 對照組 1 對照組 2 第 1 題介係詞概念 100% (35/35) 97% (34/35) 100% (35/35) 第 11 題介係詞概念 100% (35/35) 97% (34/35) 100% (35/35) 第 18 題介係詞概念 100% (35/35) 97% (34/35) 100% (35/35) 第 2 題介係詞概念 97% (34/35) 100% (35/35) 100% (35/35) 第 23 題介係詞概念 97% (34/35) 97% (34/35) 94% (33/35)

將每一個前測的法則後項與後測答對題數整理如下

表 2：第 1 題各組前測後項與後測答對題數比較表 後測答

對 0 題

比率 後測答 對 1 題

比率 後測答 對 2 題

比率 後測答 對 3 題

比率

前測答錯人數

(n=34) 6 0.18 11 0.32 10 0.29 7 0.21 實驗組 前測答對人數

(n=1) 0 0 1 1 0 0 0 0 前測答錯人數

(n=33) 9 0.27 14 0.42 8 0.24 2 0.06 對照組 1

前測答對人數

(n=2) 0 0 0 0 2 1 0 0 前測答錯人數

(n=34) 9 0.26 12 0.35 10 0.29 3 0.09 對照組 2

前測答對人數

(n=1) 1 1 0 0 0 0 0 0

表 3：第 11 題各組前測後項與後測答對題數比較表 後測答

對 0 題

比率 後測答 對 1 題

比率 後測答 對 2 題

比率 後測答 對 3 題

比率

前測答錯人數

(n=35) 7 0.2 5 0.14 11 0.31 12 0.34 實驗組

前測答對人數

(n=0) 0 0 0 0 0 0 0 0 前測答錯人數

(n=34) 6 0.18 6 0.18 9 0.26 13 0.38 對照組 1

前測答對人數

(n=1) 0 0 0 0 1 1 0 0 前測答錯人數

(n=35) 4 0.11 7 0.2 11 0.31 13 0.37 對照組 2

前測答對人數

(n=0) 0 0 0 0 0 0 0 0 表 4：第 18 題各組前測後項與後測答對題數比較表

後測答 對 0 題

比率 後測答 對 1 題

比率 後測答 對 2 題

比率 後測答 對 3 題

比率

前測答錯人數

(n=33) 3 0.09 9 0.27 5 0.15 16 0.48 實驗組 前測答對人數

(n=2) 0 0 0 0 0 0 2 1 前測答錯人數

(n=33) 4 0.1 11 0.33 9 0.27 9 0.27 對照組 1

前測答對人數

(n=2) 1 0.5 0 0 0 0 1 0.5 前測答錯人數

(n=29) 3 0.1 5 0.17 8 0.28 13 0.45 對照組 2

前測答對人數

(n=6) 0 0 3 0.5 2 0.33 1 0.17