應用模糊理論於網路個人化學習以虛擬遊戲式角色扮演學習模式

應用模糊理論於網路個人化學習

以虛擬遊戲式角色扮演學習模式

曾宗賢、曾佳齡 真理大學資訊管理系 淡水鎮/台灣省

s1785068@jupiter.touc.edu.tw

s1785068@email.au.edu.tw

摘要 本研究利用模糊理論領域中的模糊 化（fuzzily）與模糊評比（fuzzy ranking）， 將網路上學習者線上測驗各項成績模糊 化，再結合學習者對各種不同角色喜好程 度的加權值（weight）來做評比，最後配 合虛擬角色之主要項目知識表以找真正 適合學習者扮演的虛擬角色，以達到個人 化學習的目的。本研究目的是藉著找出較 合乎學生能力和興趣的虛擬角色，讓學習 者在虛擬角色扮演的網路學習環境有較 佳的學習效果。 關鍵字：情境學習、模糊評比、模糊化、 個人化學習。 壹、 前言與背景 目前許多專家所提出的網路學習環 境通常只包括五項要素，例如 （McGreal,1998）(林奇賢,民 86)[1]提到一 個理想的網路應具備的五項要素： 一、 線上課程 二、 線上測驗 三、 虛擬教室 四、 教學管理 五、 學習工具 綜合以上的五項要素，較不能達到有 效的情境教學，學習者無法將習得的知識 與日常生活結合，對於個人化的學習也不 是很完備，趣味度方面也不足，虛擬角色 扮演個人化學習：透由角色扮演的遊戲式 教學環境，配合線上課程所教授的各項知 識，採用遊戲的方式表達，是讓學習者能 在遊樂中，體驗「做中學」的樂趣，虛擬 出在日常生活中各種不同的角色。虛擬遊 戲式角色扮演的特點有： 1.教材遊戲化：傳統的陳述式教學，給人 的感覺相當死板，容易讓學習者失去 耐心學習，並缺少學習興趣。利用遊戲的 方式，可以引起學習者的好奇心，提高學 習興緻，在遊戲的過程中，玩家為了解謎 或升級，會不斷的嘗試各種方法過關，可 以刺激玩家的好勝心，使得玩家學習的效 率能提升。 2.角色扮演：學習者將扮演一個玩家，在 整個虛擬城裡四處探索，並主動自我 建構知識。 3.組隊學習：在組隊的過程中，可以交到 新的朋友，或獲得新的資訊。透過組織一 個小隊進行遊戲，玩家彼此間可以一同聊 天探險，遇到較複雜的問題時，可以一起 討論研究。當有新手加入時，有經驗的老 手們也可以幫助新進玩家熟悉環境。 4.討論看版：對於非線上即時的討論，可 以經由留言版的訊息，互相溝通傳遞。對 於遊戲中的任何問題都可以發問，只要是 有興趣的人，都可以加入討論的行列。

5.隨機任務：在遊戲中加入一些相關聯的 小故事，運用啟發的方式，提供一些關鍵 的訊息，讓玩家進行解謎。這些任務是隨 機產生的，所以不一定每個玩家都會發 生，可以提高遊戲的趣味性。而且任務可 以增減，教師或設計者可以不定時增加新 的任務，讓玩家得到更多的知識與樂趣。 本研究認為加入虛擬角色扮演個人 化學習會使網路教學環境更加充備。先將 網路學習者的各項知識成績模糊化，再結 合學習者對各項知識喜好的加權值來做 評比，最後配合虛擬角色之主要項目知識 表以找出真正適合學習者扮演的虛擬角 色，以期達到更佳個人化學習的目的。虛 擬出的各種角色分別適合於各項知識有 各種不同能力程度的學習者扮演；當然， 學習者對於各種項目知識的興趣也是重 要的決定因素之一，因為現在的教學理論 強調互動學習，學習者所扮演的角色能引 起學習者的興趣，也就能引發學習者的互 動學習，如何讓學習者選擇一個符合個人 能力和興趣的角色是很重要的部份。 貳、背景與研究 一、 情境學習 在電腦輔助學習中，情境學習是必 要的。所謂情境學習是學習者必須藉著與 實際情境的互動，建立其對知識合理化的 解釋。換句話說，學習是對知識不斷建立 意義的過程( Browns ， Collins & Duguid ，1989 )，符合上述原則所建立 的學習環境，便是情境學習環境。 Cognitive Science 期刊在 1993 年 17 卷 中提到知識是在情境中建構，且不能與情 境脈絡分離的。不僅如此，一些以認知心 理學為導向的學習者提出，情境認知主要 是強調知識的學習應建構在真實的活動 裡。 情境學習理論設定一個情境，強調 學習者與系統間互動性，讓學習者能在 此情境中探討的內容來吸收知識，有助於 往後的問題解決能力。其最終目的是幫助 學習者建立信心，以其成為獨立思考者 （CTGV,1990）[2]。 二、合作學習 一般的學習都是個別學習, 有如下限 制(Johnson&Johnson,1988)：包括(1)使 得喜與他人相處的學生覺得孤獨、枯燥、 無助，產生挫折感。此種社會性孤立導致 學習情緒低落，影響學習動機、毅力、與 成就。(2)未能讓學生在認知與情意領域 上與他人交流、互動。(3)對學生的社交 技巧與行為有負面影響。(4)未能提供同 儕間相互模仿與學習的機會。(張雅芳、 謝佩翰、張景豪、楊昭儀，民 86)[3]。 傳統的電腦輔助教學中，大都侷限於 單機操作，最大缺點就是缺少互動性。一 個人獨自地學習，缺少了激勵的來源，學 習過程中若遇到一些死板的內容，缺少了 學習的動力，使得學習者對教材不再感到 興趣，則此教學宣告失敗。多人學習的好 處在於，有了同伴的加入容易引起廣泛的 討論，各人不同的看法引出更多思緒，可 以對問題有更深一層的研究與瞭解，增加 對教學更多的興趣;每個人專長不同，利 用分工合作的方式，各自負責，可訓練每 個人的能力，彼此間培養默契，對於學習 效果更有幫助。利用為個人訂作的觀念， 滿符合我們在教學上的觀念的，也就是孔 子常說的『因材施教』。 三、 如何引起學習者興趣 討論如何引起學習者的興趣，讓學 習者願意在電腦前學習。Keller(1983)[4] 提出一個涵蓋「激發學習動機策略」的教 學設計及管理模式——AVCS 模式。他認

為人類學習動機可總括為四種（也是此模 型的四大要素）：注意力（Attention）、切 身性（Relevance）、信心力（Confidence） 及滿意度（Satisfaction）。一個完整而成功 的教學應能滿足這四方面的需求。 四、 模糊評比（Fuzzy Ranking）

模糊集理論（fuzzy set theory）是由 L.A.Zadeh 教授於 1965 年提出，目的 在於提供解決世界上無法以明確數值描 述問題的方法。

本研究所使用之模糊評比（fuzzy ranking），在模糊領域中，主要在解決模 糊集（fuzzy set）或模糊數（fuzzy numbers） 之順序比較。本研究主要是利用 Shiao-Yih Chen＆Ching-Hsue Cheng 所提出的 Distance Method[5]，將學習者線上測驗各 項目知識之成績先予以模糊化，再結合學 習者對各項目知識之興趣程度的加權值 來做評比。 五、 成績考核與興趣評量 成績之評量方式在過去已有許多研 究提出，例如：教學評量研究[6]、模糊評 分系統[7]、學習成就之模糊評量[8]等，這 些方法都是為了使成績及教學成果評估 能做到客觀、公平與結合實際學習狀況。 本文具採用李麗華與陳士杰在〔9〕所提 到的方式，以目前學校最常用的百分位數 評分方式，配合修改自統計學中變異數公 式之求離散值公式，將學習者線上測驗各 項知識的成績轉化成模糊數，作為學習者 各項知識能力的考量。 本研究所採用的項目知識興趣加權 值（Wi），是採用學習者依照本身對不同 項目知識的喜好程度，選擇對不同項目知 識的語意變數，透由語意權重變數表 （table1）來取得學習者各項目知識興趣 加權值。例如學習者對於 A 項目知識所選 擇的語意變數是普通高（MH），透由語意 權重變數表，可得學習者對 A 項目知識興 趣之加權值為 0.7。

語意變數（Linguistic variables） 加權值 (weight) Very Low (VL) (非常低) 0.1 Low (L) (低) 0.2 Medium Low (ML) (普通低) 0.4 Medium (M) (普通) 0.5 Medium High (MH) (普通高) 0.7 High (H) (高) 0.8 Very High (VH) (非常高) 0.9 table1：興趣語意權重變數表 六、 虛擬角色劃分與各項知識能力 在虛擬角色劃分部份，本研究是依 要教授的各項知識，互相配合虛擬出各 種不同的角色，各個角色所需各項知識能 力的要求不同，依據各個不同角色和所要 求的主要各項知識作成「虛擬角色主要項 目知識表」（如 table2）。其中如有兩項知 識之重要性相同，則將兩項知識以括號括 起。 利用虛擬角色主要項目知識表中的 主要項目知識次序與做過模糊評比後之 學習者項目知識能力次序相比較，藉以找 出適合學習者的角色，供學習者選擇，以 期達到較佳的個人化學習。 參、 結合模糊評比與學習者對各項知識 之興趣程度 一、 模糊數（Fuzzy Number）與非正規 模糊數（Non-normal Fuzzy Number）

模糊數與非正規模糊數的不同點在 於前者的歸屬函數之高度（height）為 1， 後者的歸屬函數之高度小於 1。本文以三 角形模糊數（triangular fuzzy number）表 示學習者單一項目知識的成績。而以非正 規模糊數表示學習者對各種不同項目知 識喜好程度之加權值 Wi（0<Wi<1）與代

表成績之模糊數相結合（即高度乘上加權 值 Wi）的結果。 二、 為何以模糊數表示學習者成績 目前大多的線上測驗之評分方式大 多採取傳統的方式，以百分位數，即 0~100 分來衡量學習者之成績。通常是以 一階段學習中數次的成績，依據不同考試 項目，所佔之配分比例加以計算後所得之 這一階段總成績，來評定學習者該階段之 學習吸收成效。但是此種方式較難辨別相 同階段總成績的學習者在該階段彼此間 的學習是否有所不同，例如：甲、乙兩學 習者的 A 項目知識階段總成績皆為 70 分，但是甲學生每次線上測驗之成績皆在 70 分左右，及介於 60~80 之間，而乙學生 的成績動盪較大，大約介於 50~85 之間， 若乙傳統之階段總成績來看，他們在學習 上之差異無法得知，不能真正判斷學習者 在學習成效上的差異性及穩定性。 若以模糊數表示學生的成績，將較容 易辨別出學習者學習成效間的不同。如圖 一所示： 三 、如何將學習者成績轉換成三角形模 糊數？ 本文採三角形模糊化，而模糊化的 方法應用李麗華與陳士杰在[8]中所提，以 目前最常用的百分位數評分方式及配分 比例，並利用修改自統計學中變量數公式 的求取離散值公式來計算出三角形模糊 數。 計算步驟如下： (1)假設每階段各項目知識有三次測 驗，各佔 20%，各項目知識有四次 練習，各佔 10%，滿分為 100 分， 各項目知識可以求得當階段該項目 知識的階段總成績。 (2)假設該線上學習課程有五個階 段，各項目知識各自將五階段的學 習成績求取平均值 ( ) ，此平均 值為該項目知識學習成果之代表 值。 (3)各項目知識各自將五階段的所有 成績(Xi)與該項目知識學習成果之 代表值( )來比較，並利用公式 (1)、(2)計算介於學習成果代表值兩 旁之離散程度值 L 與 R： n n 公式(1)可找出小於學習成果之代表值 之離散值程度值 L，公式(2)可找出大於學 習成果代表值 之離散值程度值 R。茲 舉一例子如下： 甲學習者 A 項目知識五階段成績及欲模 糊化的 L、R 與 值如表一。 階段 測驗 練習 1 2 3 1 2 3 4 各階段的 學習成績 L

表示小於學習成果之代表值( )的五

階段成績個數。

R

表示大於學習成果之代表值( )的五

階段成績個數。

65 70 76 50 70 84 1 甲學生 1 乙學生

1 80 82 83 79 87 90 75 82.1 2 79 76 80 85 75 74 73 77.7 3 82 84 80 76 78 80 82 80.8 4 75 74 76 75 80 81 84 77 5 87 89 90 85 84 83 86 87 該項目知識學習成果之代表值 ( )=80.92 小於學習成果代表值( )之離散程度值 L=77.29 大於學習成果代表值( )之離散程度值 R=88.18 表一、A 項目知識之五階段及轉換成模糊 數之各數值。 由表一內資料所求得之代表 A 項目知識 成績的模糊數表示如圖二。 圖二、甲學習者 A 項目知識之模糊數 四、根據 Distance Method 對模糊數做評 比

由 Shiao-Yih Cheng and Ching-Hsue Cheng[5]所提的模糊評比方法，是先利用 Murakami 等人[10]之方式將模糊數中最 具代表性的點 ( X，Y )早找出來，再藉由 該點與原點之距離作為多個模糊數間之 排序比較。數值越大表示該科目評分越 高，越合乎我們的需求。 若每一個三角形模糊數 的歸屬函 數(membership function) 如下： ：[a，b] [0，1]為連續且嚴格 遞增之函數，即三角形模糊數之左半部， 表示式為： ：[b，c] [0，1]為連續且嚴格 遞增之函數，即三角形模糊數之右半部， 表示式為： 則多個模糊數評比的執行步驟如下： 1.根據（4）、（5）式找出此二函數之 inverse function 與 ： 2.利用上述我們所定義及求得之函數，配 合 Murakami 等人〔10〕之方式將模糊數 中最具代表性的點(重心點( X，Y ) )找出 來。

1

L=77.29 X=80.92

~

R=88.18 （8）

3.將 的重心點與原點之距離Ｒ求出。 4.針對所求出多個三角形模糊數之距離 R，利用以下的規則來做評比(i ! j)： 本研究所提及之學生對各科興趣的加權 值（Wi），是由學生自行考量對各科目之 興趣程度而設定，其值域範圍介於[0,1]之 間。 若將原本的三角形模糊數 之歸 屬函數 與學生對各科興趣之加權 值（Wi）結合，公式(3)修改如下： 此即為非正規模糊數之歸屬函數。Wi 僅對於上述(3)～(8)公式中有關 y 的部份 有影響，即求非正規模糊數的重心 ( , )時，僅須將模糊數的重心( X，Y ) 之 Y 乘上學生對各科興趣之加權值即 Wi，得到非正規模糊數的重心： 公式(8)變成： 五、評比結果與角色主要項目知識表之結 合 評比結果與角色主要項目知識表結 合並提出建議如下： 1、 假設有一學習者利用前述公式 求得各項目知識的評比，分別以 D1，D2，……，D5 來表示最佳 至最差的科目。 2、 令此學習者之最有信心且最佳 的項目知識為前 m 項，即 D1， D2，……，Dm。依序將 D1~Dm 與所有角色主要項目知識表中 的各角色主要項目知識做比較。 3、 比較結果完全符合的為最優先 考量的角色，若比較結果只有部 份符合，則該角色為次優先考量 的角色。 4、 找出最優先與次優先的角色，以 供學習者參考。 肆、以台灣賞鳥線上學習系統為例 台灣賞鳥線上學習系統架構如圖：

台灣賞鳥線上系統

線上課程

虛擬教室

教學管理

(11)

非同步

同步

非同步

同步

此系統有五個項目知識： 一、 觀鳥技巧； 二、 環境保護； 三、 鳥類知識； 四、鳥類保護法規知識； 五、鳥類醫療包紮技巧； 此系統虛擬角色主要項目知識表 角色 主要項目知識

課程

單元

線上

測驗

學習

指引

學習資

源區

隨選

視訊

公共

討論區

電子

郵件

線上

讀書會

成果

展示區

線上

交談室

視訊

會議室

線上

叩應

學習

記錄

輔導

記錄

成績

統計

郵件

記錄

網頁使

用記錄

搜尋

引擎

筆記本

使用者

資訊

查詢

公共

討論區

電子

郵件

成果

展示區

線上

交談

線上

叩應

賞鳥者 觀鳥技巧、環境保護觀念 鳥類 鳥類知識 鳥類棲地管理者 鳥類保護法規知識、環境保護 觀念 鳥類醫療師 鳥類醫療、包紮技巧 (table2) 評比結果與角色主要項目知識表結合，並 提出建議： 1、 假設 A 學習者利用前述公式求得各項 目知識評比如下：觀鳥技巧>環境保護 觀念>鳥類知識>鳥類保護法規知識> 鳥類醫療、包紮技巧。 2、 此學習者最有信心且最佳的項目知識 為前二項，觀鳥技巧，環境保護觀念， 依序與角色主要項目知識表中的主要 項目知識比較。 3、 由於比較結果完全符合的是賞鳥者， 部份符合的是鳥類棲地管理者。 最優先的角色為賞鳥者，次優先的角色為 鳥類棲地管理者。 伍、結語： 本文特點如下： ‧以模糊理論的方式將學習者的興趣與項 目知識能力加以合併，並配合角色主 要項目知識表探討，使的學習者能在虛擬 角色扮演的環境中能選擇扮演較合適的 角色。 ‧以模糊數表示學習者的成績，較易辨別 出學習者學習成效及其程度的不同。 ‧提出線上虛擬角色扮演學習的概念。 本文主要是將學習者對不同項目知 識之興趣程度加以結合，並以順序等級較 高的項目知識與角色主要項目知識表配 合，以作為學習者在虛擬角色扮演中選擇 角色的依據，目的在於找出一個合乎能力 與興趣的選擇方法。後序研究方面，可朝 以下各方面進行： 1.依線上系統教授的各項知識，應如何才 能設計出更多元化的角色。 2.角色選擇時要考慮、評比的因素，除了 學習者能力興趣外，還應包括哪些部份。 參考文獻： [1]林奇賢(民 86)：全球資訊網輔助學習系 統：網際網路與國小教育。資訊與教 育，58 期，2~11 頁。

[2]Cognition and Technology Group at Vanderbilt (CTGV)(1990)，Anchored instruction and its relationship to situated cognition. Educational Researcher, 19(6),2~10。 [3]張雅芳、謝佩翰、張景豪、楊昭儀 (民 86)。合作學習與個別學習對於兩種不同 認知層次的 CAI 學習成效影響之研究。第 六屆國際電腦輔助教學研討會。 [4]Keller,J.M.(1983).Motivational design of instruction. In C.M. Reigeluth(Ed.). Instructional-design theories and models： An overview of their current status. Hillsdale. NJ：Lawgrence Earlbaum Associates.

[5]Shiao-Yih Cheng and ching – Hsue

Cheng，A New Approach for Ranking Fuzzy Numbers by Distance Method，Fuzzy Sets and Systems，May/1/1998，P.307-317。 [6]國立台灣師範大學學術研究委員會，教 學評量研究，五南出版社，民國八十 五年，P.3~7 。 [7]張家和與劉瑛展，模糊評分系統，中華 民國第五屆 Fuzzy 理論與應用研討會 論文集，民國八十六年，P.191~196。 [8]張鈿富與孫慶民，學習成就之模糊評 量，中華民國第一屆 Fuzzy 理論與應用 研討會論文集，民國八十二年，P.10~15。 [9]李麗華與陳士杰，Using Fuzzy Theory for College Major Selection，中華民國

第六屆 Fuzzy 理論與應用研討會論文集， 民國八十七年，P.70。

[10]S. Murakami ，S. Maeda，S. Imamura， Fuzzy Decision Analysis on The Development of Centralized Re-gional Energy Control System，IFAC Sympostium on Fuzzy Infor-mation，Knowledge

Representation and Decision Analysis (1938)，P.363-368。