第五章 系統架構與建置
6.5 討論
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
53
形成了＂記憶＂的學習效果。內容完整的提供，也許加強鷹架學習效果; 針對弱點的補 強提示，一樣有加強效果，但不如預期。可能的原因是提示的設計是使用選擇題的隱涵 性提示，而非顯性提示，在學生處於不明知識領域時，僅提供其部份又隱性的知識，幫 助的效果可能不如預期；但在適當的時間點(遇到思考困境時)，提供較為完整的知識領 域學習，應該是有複習或補強學習的效果(熟習和不熟習的一起溫習，加強了記憶)，因 此學生在需要知識時，如能提供一個完整的知識領域的參考學習，也許是更有助學習效 果及完整性。整體而言，就開放式問答的學習模式當中，在適當的時間點提供完整的學 習提示似乎是較佳的模式。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
第七章 結論與未來發展
7.1 結論
我們設計了一個以開放式申論題為基礎的線上學習輔助系統，用以提升學習的效 果。藉由將開放式問題所涉及的觀念細分成許多觀念組合，並建立階層化使用者知識模 型以進行評估，讓系統得以了解學生於各個觀念的表現。同時我們也對於各個觀念設計 相對應的提示，在學生陷入瓶頸的時候能夠給予適當的協助。我們也設計了實驗來收集 學生在作答時的答題風格資料，並且嘗試找出我們認為最佳的回饋時機點。
實驗結果顯示，學生在回答開放式問答時，如果有給予提問式提示，是有助於學生 學習及回答的。而給予提示的時機點，在實驗結果中看起來影響並沒有很大，比較重要 的反而是給予的提示內容為何。固定觀念順序的給予提示，能夠給予學生較為全面的觀 念補強，對於學生的作答是較有幫助的。而給予觀念弱點的補強提示，效果相較於固定 觀念順序的補強，反而效果較差，這是當初設計實驗時所沒預料到的。在實驗中，我們 也發現對於主動學習性較高的學生，這個系統也會有較多的幫助，但是學習主動性較高 的學生，在一個班級裡佔的人數比例也並不高。未來我們希望能改進系統，使得系統對 於其他的學生也能夠有所幫助。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
7.2 未來發展
第三章中，我們建立了階層式的觀念樹，各個觀念被學習到的先後順序可以由樹狀 結構來記錄。目前每次要提供回饋時，皆會從觀念樹的根節點開始走訪，而根節點通常 都是比較基礎的觀念。即使學生的答案已經有一定的水準，系統給予的回饋仍然會從基 礎開始問起。若是學生耐心不足，無法等到系統走訪到較難觀念的節點時，便無法得到 更進階的提示。未來若是能依據學生的程度進而改善走訪觀念樹的方式，相信能給予學 生更多的學習幫助。
第四章中，我們嘗試建立一個使用者風格模型，希望能夠了解學生在作答過程中的 行為。目前的答題風格模型會觀察學生剛開始的作答行為，同時也會以固定的投資報酬 率來判斷學生在作答中是否遇到瓶頸。我們希望未來能更進一步的找出學生在作答中是 否會有一些固定的模式，讓我們可以針對不同模式提出不同的教學方式。
在最後的實驗章節中，我們發現學生的學習主動性與學習效果有一定的關聯。目前 是以人工的方式去觀察學生的作答歷程以及系統提供的回饋來分類。從實驗的結果看 來，目前的系統對於學習主動性高的學生是比較有幫助的，未來若是可以即時根據學生 目前與系統互動的方式，分辨出學生的學習主動性高低，便可以針對不同學習主動性的 學生設計不同的回饋方式。
‧
[1] C.C. Huang, H.C. Wang, T.-Y. Li and C.Y. Chang, “An Online Testing and Analysis System for Students’ Creative Problem-Solving Ability in Sciences,” in Proceedings of the Tenth Global Chinese Conference of Computers in Education, China, 2006.
[2] H.C. Wang T.Y. Li, C.C. Huang, and C.Y. Chang, “VIBRANT: A Brainstorming Agent for Computer Supported Creative Problem Solving,” in PM. Ikeda, K. Ashley, and T.-W. Chan (Eds.): Italic, LNCS 4053, pp. 787 – 789, 2006.
[3] H.-C. Wang, T.-Y. Li, & C-Y. Chang, “A user modeling framework for exploring creative problem-solving ability,” in Proceedings of 12th International Conference on Artificial Intelligence in Education, pp. 941-943, 2005.
[4] H.-C. Wang, T.-Y. Li, & C-Y. Chang, “Automated scoring for creative problem solving ability with ideation-explanation modeling,” in Proceedings of 13th Interna-tional Conference on Computers in Education, 2005.
[5] S. Carberry, “Techniques for Plan Recognition,” User Modeling and User-Adapted Interaction, 2001.
[6] C.-C. Huang, C.-Y. Chang, T.-Y. Li, and H.-C. Wang, “A Collaborative Support Tool for Divergent Thinking: Idea Storming Cube,” in Proceedings of 2008 Annual International Conference of National Association for Research in Science Teaching, 2008.
[7] R. Kumar, C. Rose, V. Aleven ,A. Iglesias & Robinson, “A Evaluating the Effec-tiveness of Tutorial Dialogue Instruction in an Exploratory Learning Context,” in Proceedings of International Conference on Intelligent Tutoring Systems, 2006.
‧
[8] C-Y. Chang, Y-H. Weng, “An Exploratory Study on Students' Problem-Solving Ability in Earth Sciences,” International Journal of Science Education, 24(5), pp.
441-451, 2002.
[9] H-C. Wang, C-Y. Chang & T-Y. Li, “Automated Scoring for creative prob-lem-solving ability with ideation-explanation modeling,” in Proceedings of 13th In-ternational Conference on Computers in Education (ICCE 2005), pp.522-529, 2005.
[10] I.H. Witten, E. Frank, L. Trigg, M. Hall, G. Holmes, and S.J. Cunningham, “Weka:
Practical machine learning tools and techniques with Java implementations,” in Proceedings of the ICONIP/ANZIIS/ANNES'99 Workshop on Emerging Knowledge Engineering and Connectionist-Based Information Systems”, pp. 192-196, Dunedin, New Zealand, 1999.
[11] D. J. Treffinger, E. C. Selby, and S. G. Isaksen, “Understanding individual prob-lem-solving style: A key to learning and applying creative problem solving,”
Learning and Individual Differences, Elsevier, 2008.
[12] K. Ferguson, I. Arroyo, S. Mahadevan, B. Woolf and A. Barto, “Improving Intelli-gent Tutoring Systems: Using Expectation Maximization to Learn Student Skill Levels,” in Proceeding of Intelligent Tutoring System, 2006.
[13] N. Baghaei, A. Mitrovic, “A constraint-based collaborative environment for learning UML class diagrams,” in Lecture Notes in Computer Science, Springer, 2006.
[14] M. Gonzalez ,and D. Suthers, “Coaching Collaboration in a Computer Mediated Learning Environment,” in Stahl, G. (eds.) CSCL2002, pp.583-584, 2002.
[15] C.-C. Huang, T.-Y. Li, H.-C. Wang, and C.-Y. Chang, ”Idea Storming Cube: A Game-based System to Support Creative Thinking,” in Proceedings of the First
‧
IEEE International Workshop on Digital Game and Intelligent Toy Enhanced Learning (DIGITEL2007), 2007.
[16] H.-C. Wang, C.-Y. Chang, and T.-Y. Li, ”Assessing creative problem-solving with automated text grading,” Computer and Education, 51, pp.1450-1466, 2008.
[17] A. Mitrovic, M. Mayo, P. Suraweera, and B. Martin, “Constraint-based Tutors: a Success Story,” in Proceedings of 14th Int. Conf. Industrial and Engineering Ap-plications of Artificial Intelligence and Expert Systems, pp.931-940, 2001.
[18] A. Dempster, N. Laird, and D. Rubin, “Maximization-likelihood from Incomplete Data via the EM Algorithm,” Journal of Royal Statistical Society, Series B, 1977.
[19] E. Hannan, and B. Quinn, “The determination of the order of an autoregression,”
Journal of the Royal Statistical Society, 1979.
[20] D. M. Johnson, Systemic introduction to the psychology of thinking, New York:
Harper & Row, 1972.
[21] D. J. Treffinger, S. G. Isaksen, & K. B. Stead-Dorval, Creative problem solving: An introduction (4th ed.), 2006.
[22] A. F. Osborn, Applied imagination: Principles and procedures of creative thinking, New York: Charles Scribner’s Sons,1953.
[23] D. J. Treffinger, E. C. Selby, S. G. Isaksen, & J. H. Crumel, Problem solving style:
Introduction and overview, Sarasota, FL: Center for Creative Learning,2007.
[24] I. Myers, & M. McCaulley, Manual: A guide to the development and use of the Myers-Briggs Type Indicator Palo, 1985.
[25] R. Dunn and K. Dunn, Teaching secondary students through their individual learn-ing styles, Boston: Allyn & Bacon, 1993.
[26] O. Martinsen, & G. Kaufmann, Cognitive style and creativity ,1999.
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59
[27] R. Roscoe, J. Wagster and G.Biswas, “Using Teachable Agent Feedback to Support Effective Learning by Teaching,” in The Thirtieth Annual Meeting of the Cognitive Science Society, pp. 2381-2386, Washington, DC, July 2008.
[28] W. Ma and K. Chen “Introduction to CKIP Chinese word segmentation system for the first international Chinese word segmentation bakeoff,” in Proceedings of the second SIGHAN workshop on Chinese language processing, 2003.
[29] Flex：http://www.adobe.com/products/flex/