經由上述多方面的分析中可以發現，各種不同的學習者認知型態對於不同的
「資訊呈現元件」以及「鏈結型態」各有喜好，並且各種學習者認知型態也會因 為網頁鏈結型態的點選而有所差異，依據不同認知型態進行適性化的網頁呈現不 僅可以讓學習者了解自己的需求，也可以提升學習者的專注力。
5.1、結論
以下依據適性化教學網站介面設計中的收集結果以及在實驗中所收集的瀏 覽行為以及模型評估做進一步的分析。
5.1.1、研究結果
1、利用類神經網路訓練出來的學習者模型不僅可以有效的判斷學習者認知 型態，並且可以迅速的提供學習者需要的資訊，整體的判斷準確率達 86%(表 4.5)，並且在注重人際型的類別中擁有更佳的判斷準確率，因此可以了解本研究 所建立的學習者模型是相當有效用。
2、利用即時的線上判斷並進行適性化網頁呈現能夠簡化網頁所呈現的資 訊，避免放置過多的資訊，不僅可以讓學習者較容易瀏覽網頁，也能減少資訊過 載的可能性。
3、依據不同的認知型態提供不同的資訊呈現元件可以幫助學習者取得需要 並且有用的資訊，不僅能可加快學習者找尋資料的速度，也能夠減少學習者逐一 搜尋資料的時間。
4、依據認知型態提供適性化網頁呈現可以讓學習者容易的找尋到需要的資 訊，並且能夠提升學習者的專注力。但是利用即時的線上判斷可能會產生畫面變 動的影響，對於學習者而言可能會產生畫面的干擾而降低使用網站的意願。
5、經由介面設計中的資料收集可以清楚知道「注重人際」與「自我表達」
此兩類型的學習者較多，此兩類型的學習者在判斷時大多以感受為主，感受型的 人社交性強，喜歡與他人共同激盪想法，並尋求同儕的認同。
5.1.2、研究貢獻
利用認知型態可以了解學習者心裡特質，各種認知型態有不同的喜好，依據 不同的特質提供適合的資訊，不僅可以使學習者找尋到需要的資訊，並且能夠提 升學習者的專注力，如此一來可以提昇學習的效果。
經由實驗中的結果可以了解，無論利用認知型態提供的適性化網頁呈現或是 利用線上判斷提供適性化網頁呈現都會比沒有提供適性化網頁呈現佳更可以讓 學習者提昇專注力，並且可以避免在教學網站中的幾項缺失，例如：資訊過載。
利用類神經網路所建立出的學習者模型是相當穩定並且能夠迅速的預測穩 定，如此一來可以提供學習者適當的資訊，不僅可以減少學習者找尋資訊的困 擾，並且也可以降低資訊過多造成的影響。
5.2、未來發展
經由第四章及第五章分析中可以了解不同認知型態的學習者有不同的瀏覽 偏好，而依據認知型態較容易提供適合該型態的學習者適合的網頁呈現方式，並 且依據利用線上判斷出的結果也能夠超過六成的準確率，不僅可以提供即時的線 上判斷，也可以依據判斷的結果提供適性化的網頁呈現。接下來，將說明本研究 的未來研究方向如下所述：
(1)、提供更多的適性化呈現機制：在本研究中僅使用改變首頁呈現、凸顯 鏈結以及圖片與關鍵字的顯示與否，在未來可以加入更多的適性化技術，使 不同認知型態之網頁能夠更符合學習者的瀏覽需求。
(2)、考量其他判斷認知型態的因素：由實驗中線上判斷的結果了解，線上 判斷的準確率還可以繼續提升，因此在考量判斷瀏覽教學網站時學習者的認
知型態時，應該還有除了點選比率、點選次數、平均停留時間及鏈結型態等 其他相關因素可以進行判斷。
參考文獻
[1] A. Mücke, M. Pohl. (1997) Proceedings of the 4th Compton Symposium. AIP Conference Proceedings. 410, pp. 1233-1236
[2] Brusilovsky, P. (1996). Methods and techniques of adaptive hypermedia. User Modeling and User-Adapted Interaction 6, 87-129.
[3] Castellano, G., Fanelli, A. M., and Roselli, T. (2001), Mining Categories of Learners by a Competitive Neural Network, IEEE, pp. 945-949.
[4] Corno. L., & Mandinach. E. B. (1983). The role of cognitive engagement in classroom learning and motivation. Educational Psychologist, 18, 88-108.
[5] Gumey, k. (1997), An Introduction to Neural Networks, UCL Press;
ISBN:1857286731
[6] Jain, A.K., & Maojianchang, Mohiuddin,(1996). Artifical Neural Network: a tutorial, IEEE computer special issue on Neural computing, 293(3), 31-44.
[7] James, W. （1890）. The principles of psychology. New York: Holt.
[8] Jung, C. G. (1971). "Psychological Types," Volume 6 of the Collected works of C.
G. Jung. Princeton, N. J. : Princeton University Press.
[9] Masters, T., (1993), Practical Neural Network Recipes in C++, Academic Press;
ISBN: 0124790402.
[10] Messick, S. (1976), Personality consistencies in cognition and creativiety. In S.
Messick (Eds.), Individuality in Learning San. Francisco, CA: Josey-Bass, 4-33.
[11] Micarelli, A. and Sciarrone, F. (1996), A Hybrid Architecture for the Recognitive of User Interests during Hypermedia Navigation, IREF. pp 1370-1375
[12] Mullier, D. (1999), The Application of Neural Network and Fuzzy Logic
Techniques to Educational Hypermedia, Ph.D. Thesis,
[13] Novak, J. D. (1990). Concept maps and vee diagrams: Two metacognitive tools to facilitate meaningful learning. Instructional Science, 19, 29-52.
[14] Perkowitz, Mike & Etzioni , Oren. (1997) Adaptive Web Sites: Automatically Learning from User Access Patterns, Proceedings of WWW6.
[15] Silver, Strong＆Perini(2002)，田耐青譯，「統整多元智慧與學習風格」。台 北：遠流。
[16] 王志浩(2005)，適性化教學課程半自動化產生之研究，碩士論文，銘傳大學 資訊工程研究所。
[17] 王勇傑(2005)，以匿名新顧客、認知型態為基礎的適性化商品呈現之研究，
碩士論文，中華大學資訊管理研究所。
[18] 吳裕益(1987)，認知能力與認知形式個別差異現象之探討，國立高雄師範大 學教育學刊，第七期，51-98。
[19] 周文忠(1999)，Web 導向教學(Web-Based Instruction)應用之探討，屏師科學 教育，第七期，42-49 頁。
[20] 周鵬程(2001)，「遺傳演算法原理與應用-活用 MATLAB」, 台北：全華科 技.
[21] 林生傳(2000)，新世紀教師行動研究的定位與實施機略。國立高雄師範大 學，教育學刊，第十六期，頁1-31。
[22] 林信男(2001)，適性化學習網站之研究：以高中數學為例，碩士論文，國立 交通大學資訊科學研究所。
[23] 張春興(1997)，「教育心理學-三化取向的理論與實踐」。台北：東華。
[24] 陳志欣(2003)，應用適性化技術與學習風格改善影片教學-以材料力學為例，
碩士論文，國立台灣大學土木工程研究所。
[25] 葉怡成(2001)，「類神經網路模式應用與實作」，第七版。台北：儒林。
[26] 劉明洲與林鴻龍(1999)，植基於槪念圖的適性化學習網頁結構分析與設計，
TANET'99 論文集。
[27] 黎和欣(2001)，以單次匿名使用者為對象之概念導向資訊推薦機制，碩士論 文，中華大學資訊工程研究所。
附錄 A
認知型態量表：
題數 A B C D
1 個人色彩的 組織的 分析力強的 創意的
2 與人有關的 事實 公式 熱情
3 即興的 照字面的 解析的 有彈性的
4 和諧 應用 問題 想像
5 合作 競爭 批判 創造
6 與個人連結 記憶 理解 重新組織
7 討論 指示 辯論 發現
8 人際互動 細節 規律 可能性
9 感受 事物 想法 洞察之見
10 溫暖 行為 智慧 懷疑
11 直覺的感受 嘗試錯誤 策略 有了！
12 人性的 務實的 理論的 唯美的
13 融洽 特性 概念 價值
14 說服 精確 邏輯 預測
15 建立關聯 知道 理解 表達
16 社交化 程序化 系統化 理想化
17 富同情心的 實際的 智慧的 理想的
18 親密 訊息 詢問 發明
19 忠誠 規則 原則 隱喻
20 經驗的 有條不紊 邏輯的 啟發
21 附屬 正確 論證 另類的
22 同理 清楚明確 好奇 原創
23 仿效 範例 解釋 外推
24 經驗 努力 測試 熱忱
25 社交力強的 循序漸進的 科學的 對稱的 A 行表示加總分數為注重人際型的總得分，B 行表示加總分數為精熟型的 總得分，C 行表示加總分數為理解型的總得分，而 D 行表示加總分數為自我表 達型的總得分。依據四種型態不同的得分可以了解該位使用者偏向哪一種認知型 態。
附錄 B
認知型態與點選資訊元件次數之關係：
注重人際型 精熟型 理解型 自我表達型 課前測驗 1.96 1.92 2.73 2.28
目錄 1.77 1.49 1.45 1.58 前言 1.71 1.87 0.61 2.04 課程目標 1.86 2.16 1.22 1.14 課前案例 2.36 2.17 1.40 1.91 課後案例 1.93 1.77 1.11 1.97 目標回顧 1.20 2.04 1.07 1.98 專有名詞 1.30 1.27 1.56 2.10 參考資料 0.90 0.87 0.47 1.06 熱門時事 1.75 1.07 0.49 1.90 自我評量 1.46 1.81 2.47 1.93 討論區 1.57 0.77 0.95 2.04 請教老師 0.36 0.17 0.18 0.36 關鍵字 1.53 1.75 1.47 1.63 圖片 1.09 2.01 1.61 1.35
附錄 C
認知型態與點選資訊元件比率之關係：
注重人際型 精熟型 理解型 自我表達型 課前測驗 0.111 0.085 0.129 0.100
目錄 0.083 0.062 0.089 0.075 前言 0.079 0.070 0.046 0.092 課程目標 0.080 0.098 0.059 0.028 課前案例 0.089 0.082 0.048 0.079 課後案例 0.084 0.087 0.036 0.077 目標回顧 0.040 0.082 0.053 0.069 專有名詞 0.058 0.064 0.075 0.089 參考資料 0.043 0.026 0.024 0.020 熱門時事 0.072 0.044 0.040 0.070 自我評量 0.082 0.080 0.140 0.072 討論區 0.067 0.033 0.045 0.084 請教老師 0.012 0.017 0.018 0.014 關鍵字 0.046 0.079 0.086 0.068 圖片 0.055 0.092 0.111 0.063