研究背景

本章節共分為五個部份，第一節為研究背景、第二節為研究動機、第三節為 研究目的與第四節的研究範圍與限制。

第一節 研究背景

網際網路普及化、高科技化帶來生活上的便利，除了網際網路外，硬體設備 也跟進，已經到了我們觸手可及的地步，不管走到哪裡我們都需要這些設備，都 要瞭解可以上網的地方、可以找尋資訊的地方；根據財團法人台灣網路資訊中心 (Taiwan Network Information Center，TWNIC)在2009年台灣地區使用網路情況調 查，高達千萬人使用過網路進行學習，而數位學習(e-learning)議題逐漸盛行且受 到重視。面對網際網路的發達、資訊科技的進步，眾多的資訊被傳播、複製和儲 存，當我們同時在享受資訊科技所帶來的好處之外，琳瑯滿目的資訊卻導致我們 的資訊超載(Information Overloading)，如果在眾多的資訊當中，我們必須逐一選 擇，不但浪費時間，也可能迷失方向，處理資訊也變得沒有效率，因此，有一個 好的搜尋資訊的工具，將會是資料蒐集的好幫手，所以各大網站紛紛設立了搜尋 引擎，但是搜尋引擎依然無法精細的挑選出更適合自己的資訊。

為了解決資訊超載的問題，除了應用搜尋引擎將不必要的資訊先做篩選外，

也可經由網站主動推薦的方式獲取所需。資訊推薦系統(Recommendation System，

RS)已經被提出多年(Schafer, Konstan, & Riedl, 1999)，在企業界也有不少應用實 例，例如：博客來網路書店系統(博客來網路書店，2009)，提供暢銷商品前五名 的資訊，以及藉由消費者瀏覽的書籍來推薦相關書籍或此書作者的其他書籍給消 費者作為參考。當消費者購買此書後，會紀錄消費者購書的嗜好，進而推薦消費 者個人化相關資訊。除了國內發展此系統以外，國外知名Amazon、CDNow等網 站也應用類似的推薦系統。當然，不只是網路購物商店，其他如網路電視等網站 也都有提供類似的資訊推薦系統。目前推薦系統取得使用者的資料，以顯性評比

(Explicit Rating)與隱性評比(Implicit Rating)兩種為較常用的方式(Morita &

Shinoda, 1994)。顯性評比最簡單的方式是從使用者填寫問卷來取得資料，填寫問 卷的優點為具有一定的正確性，相對的卻帶給使用者不便。而隱性評比的優缺點 恰巧與顯示評比相反，隱性評比是將使用者瀏覽過的資訊默默被系統紀錄下來，

系統再判斷出對此資訊的喜好程度。由於使用者並不知道自己何時被紀錄下來，

大幅減少使用者的負擔，但是缺點就在於系統所紀錄下來的資訊有可能因使用者 個人使用方式而產生疑慮(黃振綱，2009)。若以推薦技術上之設計方法作為分類，

推薦系統基本上分為兩種，一種為內容導向式推薦系統(Content-based Approach)，

另一種為合作式推薦系統(Collaborative Approach)。內容導向式推薦主要是依據 資料的內容進行篩選。也就是說，根據使用者輸入的關鍵字，由系統來篩選出符 合這些關鍵字或符合這些關鍵字的語意概念(林朝興與唐瑩荃，2006)，合作式推 薦則是如果其他使用者和自己有同樣的喜好，那麼他們所喜歡的也有可能是自己 所喜歡的，所以合作式推薦是以同儕的喜愛做為推薦的基礎(楊永芳，2002)。

推薦技術應用於電子商務已非常普遍，一般推薦系統是針對個人或企業需求 來思考，卻缺乏應用在教學上(楊亨利與黃仁智，2008)。教育部九十九年度施政 方針內提出促進數位機會均等，提升師生善用資訊科技；增進教學品質與學習能 力，建構優質教育與研究之網路基礎環境，發展與整合多元數位教育資源(教育 部，2009)。有鑑於此，推薦系統除了使用於電子商務外，觸角漸漸也延伸至教 育領域，依學習者的基本資料和學習方式，經過推薦演算的方法歸納出一個規則，

推薦適合學習者所閱讀的相關書籍或教材，學習者也可以經由其他學習者與自己 相近的學習風格或學習興趣更進階推薦學習者其他教材或書籍延伸閱讀。邱永祥 (2003)設計一套課程推薦機制，透過類神經(Neural Network)與資料探勘技術(Data Mining)，建立依社群、興趣及選擇等多元化的管道推薦網路教學的課程(邱永祥，

2003)。邵秀梅(2003)針對網路教材瀏覽的特質設計出一套新的學生分群的方法，

進而提供學習者個人化網路學習教材之推薦，應用較準確、較符合學習者需求的 教材瀏覽建議，以提高推薦的準確度(邵秀梅，2003)。管怡婷(2004)研究以學習

風格為基礎之學習資源推薦機制，將相同學習風格之學習者的瀏覽紀錄作關聯規 則分析，找出四種學習風格的學習者瀏覽 行為模式，進而推薦未閱讀文章及相關 文章提供學習者學習教材(管怡婷，2004)。應用電子商務(Electronic Commerce，

EC)推薦商品的概念應用至學習網站當中，將課程推薦給學習者。蒐集之前學習 者的學習路徑分析後，依各個學習者的學習路徑判定相似高的學習路徑給未來將 要學習的學習者做推薦參考，可以減少學習者試探中所浪費的時間，增加學習速 度(莊俊賢，2006)。國外學者研究結合行動學習，應用手機或PDA等行動裝置，

整合推薦系統，發展一套行動學習系統(Andronico, Carbonaro, Cassadei, Colazzo, Molinari & Ronchetti, 2003)。根據以往的研究，推薦系統能有效的縮短學習迷失 的時間，提升推薦準確性，但目前為止相關推薦學習研究論文缺乏針對課堂教學 的學習成效之評估。

而近年來隨著社會的變遷，不同的社會需求，導致教育思潮逐漸變革，多元 化的概念逐漸形成，升學當中的推薦甄選就是屬於多元化管道之一，而這種概念 也印證了多元智慧理論(Multiple Intelligences Theory，MI)，多元智慧理論說明人 類智慧並非單一而是多元，每一個人都有較強與較弱的智慧，推薦甄選就是依學 生自己較強勢多元智慧的部分爭取了入學的機會，也讓擁有這些不同以往傳統強 調的數理語文方面的學生有機會進入理想的學校。多元智慧理論逐漸受到教育界 的重視，推廣與實驗的工作不斷進行，任何一種新的教學方法，要能夠推廣至每 一所學校、每一位教師使用，並不是一件容易的事，需要完善的討論與規劃，和 追蹤其實施效果並加以輔助，才能發揮多元智慧的優點(王為國，2000)。多元智 慧理論為美國哈佛大學心理學教授Howard Gardner於1983年出版《心智架構》

(Frames of Mind)中提出。主張人類至少有七種智慧存在，而在1995年擴展第八項 智慧。此八項多元智慧分別為語文(linguistic)、邏輯─數學(logical－mathematical)、

空間(spatial)、肢體─動覺(bodily－kinesthetic)、音樂(musical)、人際(interpersonal)、

內省(intrapersonal)與自然觀察(naturalist)智慧。多元智慧的特色在於每個人都具 備這八項智慧，均擁有獨特的智慧組合、不同的發展時機。智慧通常以多元、複

雜的方式統合運作以及多樣化的呈現方式，且在適當的教導之下都可以達到相當 的發展水準。此理論超越過去把智慧窄化為優異語文及數學表現的傳統觀點，並 認為心智解決問題的能力是多面向的。多元智慧理論不斷揭示人類的潛能，挖掘 人類的可能發展性，可說是對人性的一種正面價值的肯定(李青芸，2005)。

在多元智慧方面的研究不在少數，有針對實際教學活動的研究，探討如何提 升學習者的多元智慧與發展多元智慧的教學活動，並進行實驗教學來評量多元智 慧的影響成效(朱耀明，2002)；林睿琳與鄭有超(2005)則將多元智慧教學與評量 融入色彩計畫課程，針對二專學生在專業理論與實作設計學習成效的影響。在結 合數位網站的研究方面，研究網路專題的環境下，以國小六年級學生為對象進行 多元智慧對學習成果影響實驗(李建億與黃瑋苹，2004)；李孔文(2005)探討利用 多元智慧中的強勢智慧來提升學生在網路學習之成效，並探討不同認知型態及性 別的學生，在不同強勢智慧的學習模式之下的網路學習影響及其差異情形，提出 較完整的建議與參考，並藉由文獻探討建立可行的多元化網路學習系統。

在檢測多元智慧適合程度的研究上，周子敬(2006)針對Gardner所倡導的八大 多元智慧檢測是否適用於台灣，並根據Pérez, Beltramino, & Cupani(2005)所建立 八大多元智慧量表，進行國內16-20歲樣本進行便利抽樣，歸納出八大多元智慧 問卷適用於國內環境。而在多元智慧融入學校經營理念的研究，林合懋(2006)以 Gardner的多元智慧學校實施方針為根據，以國內兩百四十多位國小校長為施測 對象，將多元智慧學校經營理念區分為個別化教學、博學中建立自我特色、藝術 融入教學與教師專長互補合作等四個因素，來顯示國內多元智慧學校經營理念的 特色。國外多元智慧的研究，以檢視多元智慧應用於大學英語為第二外語(TESOL) 課程中的情形，並探討多元智慧與自我效能的相關性，研究發現學生對英文和數 學的閱讀理解技巧有顯著的進步；學生對自我學習期望亦有所提升(Shore, 2002)。國內外學者均研究發現多元智慧不管是對於學生學習動機、學習成就、

問題解決、教學成效方面或是學校經營的部分都有正面的效果。