LSA 語意空間輔助學習系統

傳統的詞彙教學，大多透過字典查閱詞義，且生字教學中常使用字首、字

尾造詞等方式，因而不容易有系統的學習。但透過資訊科技融入教學，可以促 進教學成效。例如 AutoTutor 是透過電腦提供指導或直接回饋給學生的學習系 統，採用自然語言的對話式教育幫助學習者學習(Graesser, Hu, & McNamara, 2005; Graesser, Lu, Jackson, Mitchell, Ventura, Olney, & Louwerse, 2004;

Graesser, Person, Harter, & the Tutoring Research Group, 2001)，主要應用 LSA 的 語意關聯度技術，分析學生在對話中的段落或句子所涵蓋或隱匿在其背後的語 意。AutoTutor 會從課程腳本中提出一系列的挑戰性問題，讓學生以建構學習 的方式來獲取答案，在學習過程中強調問題解釋的重要性，幫助學生擁有更完 整的知識概念。

Summary Street 系統(Landauer & Psotka, 2000)使用 LSA 技術評量學生的摘 要寫作，分析與理想摘要間的語意關聯度。當學生提交摘要時，文長需達到原 文的 25%左右才能送交，且還能即時性給予摘要內容的修改回饋。當字數超過 預定長度時，系統會找出摘要中意義重疊和不相關的句子助刪除訂正，直到合 乎標準為止，其優勢為能幫助學生進行寫作摘要時學習內容重點的完整性，減 少教師評改的負擔與降低個別回饋的負荷量(Wade-Stein & Kintsch , 2004)。

Interactive Strategy Trainer for Active Reading and Thinking（iSTART）是一 套以網頁為基礎的智能教學系統，用來訓練學生的自我解釋（self-explanation）

能力和閱讀策略(McNamara, Levinstein, & Boonthum, 2004)。在回饋學生自我解 釋的過程中，iSTART 系統是利用 LSA 分析學生自我解釋的含意和挖掘在文件 中所隱含的知識語意 (McNamara, Boonthum, Levinstein, & Millis, 2007)。

在國內，LSA 大多應用在文章摘要的寫作評量上（馮樹仁，2002；丁偉民，

2004；藍敏杰，2007；黃彥博，2008；尹玫君、蘇彥寧，2011；黃彥博、洪碧 霞、蘇義翔，2011），相對於在教學應用上的研究則較少。如黃幀祥（2011）的

「使用潛在語意分析建構文本分類模型-以國小社會科課文為例」，是運用 LSA 中能分析文本的語意特徵，以國小社會科課文為範圍，建立一個社會科的語意

空間模型，利用該語意空間模型再將從網路上搜尋到未知程度的社會科文章進 行分類，其分析結果的準確率達 79.06%，在教學上有助於學生選擇適合自己程 度的社會科文本，以節省學生尋找合適文本的時間。

陳家毅（2011）的「應用中文句法權重於潛在語意分析技術於中文智能教 學系統之對話計分研究」，則是發展以 LSA 為基礎的電腦輔助教學系統，課程 材料採用翰林版的國小二年級國語六課課文，並透過結合中文句法權重函數，

改善 LSA 在語意空間模型所缺乏的字詞順序和句法結構資訊。

劉嘉玲（2012）採用「以 LSA 為基礎之電腦化語意關聯輔助學習系統」（陳 世銘、廖晨惠、郭伯臣，2011）中的詞彙教學系統結合記敘文兒童中文語料庫，

以國小二年級學生為研究對象，進行擴充詞彙量的教學實驗。結果發現在語文 智能、中文識字量、詞彙聯想速度、詞彙聯想多元性及語詞應用能力等五個面 向，以 LSA 詞彙教學系統所選取的詞彙進行補充教學的學習效果，皆顯著優於 傳統生字造詞的詞彙補充教學。不但能提升學生的詞彙量，亦能引發學生學習 詞彙的興趣。

近年來國 外亦將 LSA 應用於文本自動化分析研究，如 McNamara、

Graesser、McCarthy 與 Cai (in preparation)應用 LSA 可以測得句子之間的語意關 聯性之優點，發展 LSA 相關指標並應用於分析文本的連貫性。

綜上所述，顯示 LSA 應用在教育上的範圍已非常廣泛。從 AutoTutor 透過 互動以蒐集使用者更完整的答案，到寫作摘要評分、詞彙教學輔助系統、文本 自動化分析等，可見 LSA 的應用具有研究價值。本研究將開發以 LSA 為基礎 之語意關聯輔助學習系統，持續蒐集教師的使用建議予以改進，以提供在教育 上的詞彙教學應用，最後再評估成效。