三、 系統架構與設計
3.1 核心概念
根據上一章所談到的認知心理學的理論，以及使用標籤來做為主要的工具，來設計 一個系統，做為一個新的整理工具，以期能達到知識重整的效果。以下各點分別說明一 個概念：
1. 將標「標籤」視為一種收錄的過程。
由於就收錄本身的意義來說，就是將外界的輸入轉化為記憶的一種表徵，所以我們 可以把標籤本身當做一種表徵，那麼標標籤的動作就成為一種收錄的過程。
2. 將有標過標籤的資訊視為長期記憶。
之前提到長期記憶的訊息主要是以語意的方式收錄，標籤本身就是一個字，當你以 標籤來為資訊做收錄時，等於是以語意來收錄。在三段記憶的模型當中，經過收錄 後的訊息將會儲存在長期記憶中，所以經過標「標籤」的資訊也就成為長期記的一 部分。
3. 系統儲存使用標籤網路架構。
標籤網路可視為陳述性網路，因為同樣是語意所構成的。將標籤視為節點，與資訊 內容的節點畫為二分圖(bipartite graph)，隱藏資訊內容的節點，可得到標籤網路。
節點與節點中間的連線，即為同時擁有二端節點標籤的資訊。
4. 選擇標籤將提示其相關的標籤，可視為激發過程，並反過來刺激感官。
當使用一個標籤時，將激發其鄰近的相關標籤並將其呈現出來，讓使用者可從畫面 中得知這些相關標籤，近而造成人類的感官刺激，引起腦內陳述性網路節點激發。
5. 頁面中可供處理的檔案視為工作記憶，為長期記憶的一部分。
讓使用者可對頁面中資訊下標籤的地方為加工區，是工作記憶的一種比喻。
6. 頁面中檔案的順序依建立標籤的先後排序，相當於記憶中近期被活化的部分。
對於人們來說，最近記憶的東西在回憶上較為清晰，也就是說近期才對它做收錄的 動作，以及被活化，會在系統頁面中排在較前面的位置上。
3.2
ython，因為 3.3.1 繪出系 為Python 系統實作的架瀏覽，以及提供簡便的操作過程，完整的使用者介面將在下一節來做說明。
圖 3.3.1 實作架構圖
3.3.1 使用者介面
圖 3.3.2 為實作出來的系統介面圖，右方邊欄為使用者所建立的所有標籤，左上方 的是標籤網路由目前標籤所得到的相關標籤。與目前標籤最相關的，也就是說與目前標 籤一起同時存在於相同資訊數愈多，就愈相關，會置於相關標籤的愈前面。
資料庫 圖片
作業系統的讀寫
標籤與檔案的關連 讀/寫
使用者介面
使用者 相關標籤計算
標籤排名 檔案排序
圖 3.3.2 系統介面
介面說明
z 圖片資料
z 從上到下，各行為：
1. 檔案名稱 2. 擁有的標籤 3. 編輯標籤的方塊 4. 確認按鈕
z 標籤邊欄
新增：將選取的檔案全部加上此標籤
所有標籤
標籤網路
3.3. 的關係(Tag‐F 所示。首先 個標籤有編號 一檔案加上一 一個檔案可以 案或標籤都是 File id)、對
3.3 資料庫 File Relatio
，為每一個 號(Tag id)、
一個標籤時 Tag id)及最
在系統標籤與 資訊(File)及 其編號(File
(Tag name) 一筆標籤與
e id)和儲放 )和標籤被使 訊(Tag)，如圖 放於系統中的
使用的次數 係(Tag‐File 案，所以標 放編號(Rel 時間(Access
這個單元內 的路徑(File 數(Used)。當
Relation) 標籤與檔案的
ation id)、
s time)。
，使用SQL
e path)，每 當使用者為
不會因為圖片有縮圖而與文字檔有差異，原因在於使用者於系統中不論是哪種格式 的檔案，皆利用標籤本身及其關連標籤來做搜尋，並非由縮圖來做判斷、搜尋，所 以以圖片為內容不會使結果有所偏頗。
2. 圖片本身除了檔名之外，並不包含任何文字，所以在使用現有的搜尋系統，例如：
作業系統內建的搜尋、Google Desktop Search…等，使用關鍵字為搜尋基礎的系統 難以找到使用者所需要目標，若本研究的系統可以對圖片這類型的檔案做出不錯的 成果，相信可以解決目前系統遇到的問題。
系統使用Python 提供的 API 來讀入圖片，處理作業系統做 I/O 的問題，並秀出於 使用者介面中。
3.3.4 系統功能計算
此為本研究最主要的部分，實作出之前討論的概念設計，分為三個部分：相關標籤 計算、標籤排名、檔案排序，以下以各個小節詳細說明實作部分。
3.3.4.1 相關標籤計算
同一個檔案上，若有標上二個以上的標籤，就認定他們互為相關標籤。二個標籤同 時標記一個檔案時，則將此對標籤關係度加一，同時出現於愈多檔案上，則此二標籤關 係度愈高。當使用者選定A 標籤時，系統介面將會列出 A 標籤的所有相關標籤，依照與 A 標籤的關係度愈高，則在相關標籤排愈前面(也就是愈左邊)，如圖 3.3.2 左上方的虛 線框內。
3.3.4.2 標籤排名
如同前面3.3.2 節所說的，我們為每一個標籤記錄使用的次數，每當這個標籤被標 到某個檔案上一次，就將它的使用次數加一，使用次數愈多表示使用者愈常用到這個標 籤，依常用度來為標籤排名。在系統介面(圖 3.3.2)的右下方，將排序好的標籤放於此 處，方面使用者操作。
3.3.4.3 檔案排序
當使用者選定標籤後會在目前標籤欄目上顯示出來，介面下方會秀出所有使用此標 籤的檔案，而順序的先後依這個檔案最後標上此標籤的時間來排序，愈晚標上此標籤的 檔案表示近期才對其做處理和反芻，對記憶理論來說還位於短期記憶內，所以將之排於
愈上方，加速使用者存取。
四、 實驗方法與結果分析
4.1 研究對象
研究對象為磐石高中三年級的學生，參與本次研究的有二個班級，使用資料夾的學 生有27，使用個人知識重整系統的學生有 37 人。第一階段完成實驗的有效樣本數，資 料夾組有21 人，新系統組有 37 人。第二階段完成實驗及問卷的有效樣本數，資料夾組 有17 人，新系統組有 32 人。
4.2 研究工具
在研究工具上我們使用三種工具，最主要的工具是第三章所提到的個人知識重整系 統，其他二個工具一個是在使用資料夾做實驗時，記錄使用者動作的小程式(4.2.1 節)，
以及最後做實驗者背景調查的問卷。以下將對剩下二種工具進行說明。
4.2.1 記錄結構建立及搜尋的過程
在實驗者使用原作業系統的資料夾來整理檔案時，為避免因電腦效能造成螢幕錄影 的失敗，所以採用一個自己寫的小程式，記錄實驗者資料夾的建立、資料夾名稱的變動、
檔案的搬移，以及進出資料夾的記錄。
個人知識重整系統中會在使用者建立標籤、使用標籤，以及使用關連圖片時，自動 記錄下這些歷程。
4.2.2 背景調查問卷
主要詢問實驗者的背景，包括使用網路的習慣，常瀏覽的網站，以及是否有使用過 網路上標籤的經驗。問卷詳細內容置放於附錄中。
4.3 實驗流程
1. 選兩個組成相近的班級，一班使用一種方式來做。
2. 給予實驗者 60 張圖片，圖片內容將平均分佈於各類別。
3. 請實驗者使用作業系統內建的資料夾系統，使用 Windows XP 的縮圖模式，為圖片 做分類整理。以程式記錄過程的方式，記下實驗者建立資料夾或搬移檔案的次序。
4. 請實驗者使用個人知識重整系統，為圖片做分類整理。系統內會自動記錄下實驗者
5.
4.3.
下標籤的情形
由圖 4.4.1 我們可以看到，大部分的使用者對每張圖片會加 3 個左右的標籤，證明 有發揮標籤的特性–對單一資訊可用多個標籤來描述它。
圖 4.4.1 每張圖片平均擁有標籤數的分佈圖，橫軸代表每張圖片擁有的標籤數，縱軸代表擁有特定標籤 數的圖片平均有幾張，結果的高峰點顯示一張圖片有 3 個標籤的情形最多
功能使用率
使用相關圖片的人有 21 人，占標籤組有效樣本中的 65.6%
使用相關標籤的有 7 人，占標籤組有效樣本中的 21.8%
4.4.2 搜尋效率
針對使用二種方式來找尋目標圖片的時間以及步數，我們可以來做一個比較，證明 使用哪種方式可以有效率地找到想要的資訊。
使用時間
由圖 4.4.2 我們可以看出使用標籤的系統可以比資料夾系統更快速地找到所想找的 圖片，證明個人知識重整系統的確較能幫助人們做尋找。證實藉由類似人腦中陳述性網 路的節點激發所設計出來的系統，確實可以幫助人們做有效率的搜尋。
0 2 4 6 8 10 12 14 16
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 圖
片 數
(
張)
圖片擁有的標籤數
圖 4. 100 150 200 250 300 350 所 138
59
299
70 195.56 101.73 52.02%
一個標籤也算 203.09 119.67 58.92%
算做一步，
以看到使用標 的描述，所 上較多，在
6
102
小船
203 1
120
卡丘
減
每
的 還
圖 4.
4.4.3
資料 225.00%
一樣，深度
構。Test
圖 4.4.4 資料夾結構
標籤結構
標籤的結構就因個人風格不同，而產生出不小的差異，以下就某幾大類的結構提出 說明：
(1) 連結度高的網路
原本零散的觀念透過某些共通的標籤將各個小網路連起來，從任一節點開始可以到 達大部分的節點，呈現大部分相連的狀況，如圖 4.4.5。
圖 4.4.5 連結度高的標籤網路，此為某一受測者所建立的標籤網路，大部分的節點皆連結在一起，代表 對於不同圖片間有相同的標籤，一張圖片含有多個標籤
(2) 單點散佈的網路
存在著一個一個節點，彼此沒有連結，散佈在網路中。此狀況出現在使用者把標籤 運用成類似資料夾的用法時，對每一張圖片只下一個標籤來分類，所以不存在著標籤間 的關係，如圖 4.4.6。
圖 4.4.6 單點散佈的標籤網路，此為某一受測者所建立的標籤網路，大部分的節點之間無相連，代表此 受測者大部分圖片只下一個標籤
(3) 區塊分佈的網路
當使用者對於單張圖片下多個標籤，但是不同圖片間不含有相同的標籤時，就會出 現區塊分隔的情況，如圖 4.4.7。
圖 4.4.7 區塊分隔的標籤網路，此為某一受測者所建立的標籤網路，節點相連成一個個的區塊，區塊與 區塊間無相連，代表此受測者不同圖片間很少下相同的標籤
4.4.3.2 結構統計資料
4.4.3.2 結構統計資料