智慧型多媒體學習內容管理系統之研製、應用與評估-智慧型個人化多媒體學習內容管理系統之研製(II)

行政院國家科學委員會專題研究計畫 期中進度報告

智慧型個人化多媒體學習內容管理系統之研製(2/3)

計畫類別： 整合型計畫

計畫編號： NSC93-2524-S-009-001-

執行期間： 93 年 05 月 01 日至 94 年 04 月 30 日

執行單位： 國立交通大學資訊科學學系(所)

計畫主持人： 曾憲雄

報告類型： 精簡報告

處理方式： 本計畫可公開查詢

中 華 民 國 94 年 4 月 29 日

行政院國家科學委員會補助專題研究計畫成果報告

※※※※※※※※※※※※※※※※※※※※※※※※※

※ ※

※

智慧型個人化多媒體學習內容管理系統之研製

(2/3)

※

※ ※

※※※※※※※※※※※※※※※※※※※※※※※※※

計畫類別：□個別型計畫 5整合型計畫

計畫編號：NSC 93－2524－S－009－001

執行期間：

93 年 05 月 01 日至 94 年 04 月 30 日

計畫主持人：曾憲雄 教授 國立交通大學 資訊科學系

本成果報告包括以下應繳交之附件：

□赴國外出差或研習心得報告一份

□赴大陸地區出差或研習心得報告一份

□出席國際學術會議心得報告及發表之論文各一份

□國際合作研究計畫國外研究報告書一份

執行單位：國立交通大學資訊科學系

中 華 民 國 九十四 年 四 月 二十八 日

1

行政院國家科學委員會專題研究計畫成果報告

智慧型個人化多媒體學習內容管理系統之研製

(2/3)

計畫編號：NSC 93-2524-S-009-001

執行期限：93 年 5 月 1 日至 94 年 4 月 30 日

主持人： 曾憲雄 教授 國立交通大學 資訊科學系

一、中文摘要

隨著網際網路的盛行，網路學習的概念已被廣 泛的接受。然而，各個系統所使用的不同格式教材， 使的難以互相分享彼此間的教學資源，造成教材製 作成本的提高。雖然國際組織所提出的SCORM, IMS, LOM等等標準可些微的解決教材在互操作 性、再用性與分享性上之困難。但在本土化教材、 個人化教學與課程、試題自動化上之定義仍嫌不 足。另外，在個人化教學與課程、試題自動化上， 目前所提出的網路學習系統亦無法呈現出完善的效 能與成果，甚至有些系統根本就忽視此考量。 因此，本計畫之目標在於發展一個智慧型個人 化內容管理系統(Intelligent Multimedia Content

Management System, IMCMS)，以根據學習者的

學習能力與評估後的學習成果來提供學習者適當 的個人化標準學習教材。在第2 年中，本計畫以第 一 年 所 提 出 的 教 材 標 示 語 言(Teaching Material Markup Language, TMML) 與 教 學 活 動 模 型 (Instructional Activity Model, IAM)架構為主要基 礎，繼續針對SCORM 教材之編輯工具與學習元件 資源庫(Learning Object Repository, LOR)之管理機 制做深入分析與研究。目前，要製作出符合SCORM 2004 中 Sequencing & Navigation (SN)規範的教材 是件相當困難的事情，如無有效易用的編輯工具， 則 SCORM 2004 標準將難以被廣泛接受，因此， 在今年度中，我們應用High Level Petri Nets (HLPN) 來分析SN 的規則架構，提出了物件導向課程塑模 (Object Oriented Course Modeling, OOCM)機制來有 效的建構出符合 SN 標準的課程，並實際發展出 OOCM 的編輯工具，此工具可有效的幫助教師或 使用者快速的編輯出SCORM 2004 的教材。另外， 我 們 亦 提 出 ㄧ Level-wise Content Management Scheme (LCMS)來管理符合 SCORM 標準之學習物 件資源庫，以提供使用者有效地查詢(Searching)、 檢索(Retrieving)與管理(Maintaining) LOR。而在本 年度之計畫執行期間，我們總共發表了4 篇期刊論 文，其中有3 篇為 SCI，與 4 篇國際會議論文。 關鍵詞：網路學習、SCORM、編輯工具、學習物 件資源庫。

Abstract

As internet usage becomes more popular over the world, e-learning system in the past ten years has been accepted globally. However, the different formats of teaching materials among e-learning systems result in difficulty of the sharing the resources and increasing the cost of creating teaching materials. Although the SCORM, IMS, LOM, etc. proposed by international organizations can overcome the issues of interoperability, reusing, and sharing, most existing e-learning systems can not satisfy the personalized instruction, and course and exercise sequencing. Thus, the features of local culture, personalized teaching strategy, and automatic course and exercise sequencing are still required. Therefore, this subproject aims to develop an Intelligent Multimedia Content Management System (IMCMS) to provide personalized teaching materials for learners in accordance with their learning aptitudes and evaluation results of learning. In second year, based upon the results in the first year, Teaching Material Markup Language (TMML) and Instructional Activity Model (IAM), we analyzed and developed the authoring tool of SCORM compliant course and management scheme of learning object repository (LOR). At present, it is very difficult to create a SCORM 2004 complaint course with sequencing rules in Sequencing & Navigation (SN) specification. Without efficient authoring tool, SCORM 2004 standard could be not become popular. Therefore, in this year, based upon High Level Petri Nets (HLPN) theory, we proposed the Object Oriented Course Modeling (OOCM) scheme to efficiently create SCORM 2004 compliant course with desired sequencing rules in SN. Besides, an OOCM authoring tool was also developed, which could offer teachers to efficiently construct SCORM compliant course. Moreover, we also proposed a management approach, called Level-wise Content Management Scheme (LCMS), to efficiently maintain, search, and retrieve the learning contents in SCORM compliant learning object repository (LOR). During the progress of subproject, we have published 4 journal papers including 3 SCI papers and 4 international conference papers.

Keywords: E-Learning、SCORM、Authoring Tool、

二、計畫緣由與目的

隨著網際網路的興盛與普及，使的網路學習環 境的設計與開發已廣泛的受到重視，而如何設計一 個適性化的網路學習環境，更成為目前各國發展學 習科技的重要前瞻議題。目前一些國際標準組織已 開始著手規範網路教材文件的標準，以導入文件交 換與共享的概念。目前著名國際組織與教材標準約 有：AICC [1]、IMS[2]、IEEE LOM [3]、ADL SCORM [5]等等。而目前各國際標準中，SCORM (Sharable Content Object Reference Model)因集各家標準之所 長，已成為最受國際廣泛支持與採用的數位學習標 準規範，其目的在於提供可再用與分享的課程元件 撰寫準則。然而，由於目前SCORM 在個人化教學 的部分仍存在許多問題，例如: 在本土化教材、個 人化教學與課程、試題自動化上之定義仍嫌不足。 另外，在個人化教學與課程、試題自動化上，目前 所提出的網路學習系統亦無法呈現出完善的效能 與 成 果 ， 甚 至 有 些 系 統 根 本 就 忽 視 此 考 量 [7][18][16]。 因此，在總計劃中，我們以開放原始碼的精神 與元件設計方式，來規劃並建置一套[智慧型多媒 體學習內容管理系統]，其中包括子計畫 1：「智慧 型個人化多媒體學習內容管理系統之研製」、子計 畫2：「智慧型個人化題庫系統之建置與管理」與 子計畫3：「行動學習載具上通用型多媒體學習內 容存取播放機制之研發」等3 個子計劃。在第 2 年 中 ， 本 計 畫 以 第 一 年 所 提 出 的 教 材 標 示 語 言

(Teaching Material Markup Language, TMML)與

教學活動模型(Instructional Activity Model, IAM)

架構為主要基礎，繼續針對SCORM 教材之編輯工 具與學習元件資源庫(Learning Object Repository, LOR)之管理機制做深入分析與研究。目前，要製 作出符合SCORM 2004 中 Sequencing & Navigation (SN)規範[6]的教材是件相當困難的事情，如無有效 與易用的編輯工具，則 SCORM 2004 標準將難以 被廣泛接受，雖然，目前亦有相關之編輯工具被提 出與開發[4][17][19]，但其所提供之編輯方式因無 考量到SN 規範之規則定義與結構特殊性，因此造 成使用者難以理解與使用，因此，在今年度中，我 們運用物件導向的概念，提出了一系統化的方法， 稱 為 物 件 導 向 課 程 塑 模(Object Oriented Course Modeling, OOCM)機制。並應用 High Level Petri Nets (HLPN)[8][9][10][11][12][13][14][15] 來 分 析 SN 的規則定義與架構，將 SN 規範與架構模組化 成幾個基本的順序元件(Sequencing Object)，稱為 Object Oriented Activity Tree (OOAT)。每ㄧ OOAT 如同一中介軟體(Middleware)，代表在學習活動中 一個基本的課程架構並相對應於在SCORM 中，一 個具有相關順序規則的活動樹(Activity Tree, AT) 架構。因此，利用這些基本的OOAT，便可有效地 規劃與製作出具有複雜順序規則的 SCORM 學習 活動。此外， 亦提出 PN2AT 與 AT2CP 演算法來 將利用OOAT 所規劃的 HLPN 課程轉換成 SCORM 的 AT 架構並將其相關之學習資源包裝成符合 SCORM 標準的課程。此外，利用 OOCM 機制， 一個圖形化的編輯工具亦被發展來提供教師與使 用者有效的編輯出符合 SCORM 2004 的教材。另

外，我們亦提出ㄧLevel-wise Content Management Scheme (LCMS)來管理符合 SCORM 標準之學習物 件資源庫，以提供使用者有效地查詢(Searching)、 檢 索(Retrieving) 與 管 理 (Maintaining) LOR 。 此 LCMS 機制分為 Constructing Phase 與 Searching Phase。前者從 SCORM 的教材中利用 CP2CT 處理 來建置Content Tree(CT)並利用 Clustering 技術來建 構與管理一個如同Directed Acyclic Graph (DAG)的 Multistage Graph 並儲存有有學習物件(Learning Object, LO) 間 的 關 係 ， 稱 為 Level-wise Content Clustering Graph (LCCG)。 後者可根據使用者查詢 來 利 用 我 們 所 提 出 的 LCCG Content Searching Algorithm (LCCG-CSAlg)來搜尋此 LCCG 架構，以 同時擷取具有ㄧ般概念與細部概念的學習內容

三、結果與討論

在此章節中，將針對本子計畫之內容與目前成 果進行說明與介紹。

3.1 Object Oriented Course Modeling

(OOCM)

因在目前SCORM 2004 所提出的 Sequencing & Navigation (SN)規範[6]中，具有複雜的規則與架構 定義，所以要製作出符合SN 規範的教材變的相當 的 困 難 ， 雖 然 有 相 關 之 編 輯 工 具 被 提 出 與開發 [4][17][19]，但因無考量到 SN 規範之規則定義與結 構特殊性，故依然難以使用。因此，本計劃運用物 件導向的概念，提出了一系統化的方法，稱為物件 導 向 課 程 塑 模(Object Oriented Course Modeling, OOCM)機制。

3.1.1 The Scheme of OOCM

圖1為OOCM的流程架構，包含以下4個處理： (1) OOAT Modeling with HLPN: 應用 HLPN 來分

析 SN 的規則定義與架構，將 SN 規範與架構 模 組 化 成 5 基本的順序元件，稱為 Object Oriented Activity Tree (OOAT)。每ㄧ OOAT 如 同一中介軟體(Middleware)，代表在學習活動中 一個基本的課程架構並相對應於在 SCORM 中，一個具有相關順序規則的活動樹(AT)架構。 (2) Course Construction with OOAT: 使用這些

OOAT 可建構具有複雜順序規則的 SCORM 學 習活動之HLPN 模型架構。 (3) PN2AT Process: 將 HLPN 的課程模型轉換成 符合 SCORM 標準架構且具有相關順序規則 (Rules)的活動樹架構。 (4) AT2CP Process: 將轉換後的 AT 架構與相關 的實體教材資料包裝成SCORM 的教材包裹檔 案(Content Package File)。

3

3.1.2 The OOAT Modeling with High Level Petri Nets (HLPN)

每ㄧ個 OOAT 相當於 SCORM 2004 活動樹中的 一個叢集(Cluster)，此為 SN 的基本順序規則定義區 塊，每ㄧ個 cluster 皆有一個 Sequencing Definition Model (SDM)來定義其相關之順序行為。在今年度 中，我們先就 SDM 的 10 的定義中的 6 個:(1) Sequencing Control Modes、(2) Sequencing Rules、(3) Rollup Rules、(4) Objectives、(5) Objective Map 與(6) Delivery Controls 作為考量，因為這 6 個規則定義 可規劃出 SN 中大部分的順序型為導引。而利用 HLPN 裡論所提出的 OOAT 架構之定義如下：

Definition 1: The HLPN of Object-Oriented Activity

Tree (OOAT) is a 6-tuple,

OOAT = (P, T, Σ, A, G, E), where

1. P = {p1, p2,…, pm} 為 Place 的有限集合。P 包含

5 種形式：PG為Global Objective、PL為Local

Objective 、 PM 為 Transition 間 的 連 接 器

(Connector)、PR 檢查是否 Transition 將執行

Rollup 處理、PW檢查是否 Transition 將定義

Global Objective (PG)。此外，Pin and Pout為一

PM，用來表示輸入與輸出的Place。PG與PL 包

含 Token，用來記錄在 Tracking Status Model (TSM)中的狀態資訊。 2. T = {t1, t2,…, tn} 為 Transition 的 有 限 集 合 (P∩T=0). T 包含 4 種型態：TA 為一學習活動 或一子 OOAT 元件、TM 為 OOAT 間的連接 器(Connector)、TR 處理與它相關子結點的學習 狀態之Rolls up 處理、TO 將根據它的 PL來設 定PG。 3. Σ = <CTSM, CO> 為 Token 的非空有限顏色集合

(Color Set)。CTSM 為 SN 中之 Tracking Status

Model (TSM)，其紀錄學習者的 Activity Progress Information、Attempt Progress Information 與 Objective Progress Information 資 訊 。 CO 為

ordinary color、為一不帶有資訊的 Token，用 來初使與驅動一學習處理。

4.

A

⊆

(

P

×

T

)

∪

(

T

×

P

)

為有向邊之有限集合。PT為 從Place 至 Transition、TP為從T 至 Place。

5. G:為 Guard Function. Transition(t

∈

T)的 Firing Rule G(t)定議程 SDM 中的 “if-else”格式。可產 生相對應的順序行為。其定義如下： G(TA):定義 SDM 中的 Sequencing Rule 與根 據先前的學習活動來指出學習者是否可學 習下ㄧ個活動課程。 G(TR): 根據 SDM 中的 Rollup Rule 定義來控 制ㄧ活動的Rollup Process。 G(TO): 根據 TA的PL來設定PG的學習狀態。

6. E: 為 Arc Expression Function. E(a), ∀a∈A, 為 多少與何種Token Colort 將從 Input Place 被移 除與加到Output Place。OOAT 中的 Expression Functions定一如表1 所示。 而圖2 為 OOAT 之 HLPN 的基本示意圖。根據 SN 規範，我們提出 5 個 OOAT 元件：1.Linear、 2.Choice、3.Condition、4.Loop 與 5.Exit 來塑模不 同的學習策略。圖3 為 5 個 OOAT 的基本架構與相 對應的課程架構及相關的Guard Funcation 定義。表 2 為 其 相 關 的 Sequencing Definition Model

(SDM)，包含 Sequencing Control Mode (SCM)用來

控制瀏覽行為、Objective 用來定義評估條件的需求 與 Sequencing Rules 用來在學習活動中定義課程順 序的評估條件。此處，每ㄧ個 OOAT 的 Guard Function 皆可對應到 SDM 中的 Sequencing Rule。

表1. The Arc Expression Function E(a) and its

Related Token Color.

Arc Expression Function Token

E(P_GT_A), E(PGTM) <CO+CTSM> E(T_AP_L), E(TRPL), (PLTR), E(PMTR), E(T_RP_M), E(T_OP_G), E(P_LT_O), E(PLTA) <CTSM> E(T_AP_M), E(P_MT_A), E(T_AP_G), E(TMPG), E(P_MT_M), E(T_MP_M), E(P_WT_O), E(PRTR) <CO>

圖2: The Diagram of HLPN of OOAT

表2. The Related SDM definition of OOAT.

3.1.3 Activity Tree Transformation Process 我們亦提出PN2AT與AT2CP演算法來將利用 OOAT所規劃的HLPN課程轉換成SCORM的AT架 構並將其相關之學習資源包裝成符合SCORM標準 的課程。其演算法介紹如下: PN2AT:轉換每ㄧ個非終端的Transition成為一個 具有相關順序定義的Cluster並彙整以建構ㄧAT 的架構。

AT2CP Process: 將PN2AT轉換後的AT架構與 其相關的實體教材包裝成一符合SCORM標準的 課程檔案並用XML做描述。

圖4為PN2AT與AT2CP的處理示意圖，而其演算 法可參考下列之PN2AT與AT2CP演算法。

圖4: An Example of PN2AT and AT2CP Process

3.1.4 The Prototypical Framework of OOCM Authoring Tool

圖5 為利用 OOCM 機制所發展的 OOCM 編輯工 具架構圖，其說明如下:

(1)

Learning Object Importer: 可匯入現存之學

習資源或使用者定義之學習元件至 Learning Object Pool.

(2)

Course Sequencing Constructor: 提供使用者

利用從 OOAT 函式庫中插入 OOAT 的方式來 編輯具有複雜順序規則的SCORM 課程。

(3)

SCORM Content Package Transformer: 利用

PN2AT 與 AT2CP 演算法來轉換圖形表示的課 程架構成為SCORM 課程。

圖6 為此 OOCM 編輯工具的使用畫面。

圖5: The Prototypical Architecture of OOCM

Authoring Tool

圖6: The Screenshot of the OOCM Authoring Tool

3.2 Level wise Content Management Scheme

(LCMS)

而為了針對儲存有大量符合SCORM標準教材之 學習物件資源庫(LOR)提供有效的管理機制，以提 供使用者有效查詢(Searching)、檢索(Retrieving)與 管理(Maintaining) LOR，我們亦提出ㄧLevel-wise Content Management Scheme (LCMS)。

3.2.1 The Processes of LCMS

如圖7 所示，LCMS 機制分為 Constructing Phase 與Searching Phase。前者從 SCORM 的教材中利用 CP2CT 處 理 來 建 置 Content Tree(CT) 並 利 用 Clustering 技 術 來建構與管理一個如同 Directed Acyclic Graph (DAG)的 Multistage Graph 並儲存有 有學習物件(Learning Object, LO)間的關係，稱為 Level-wise Content Clustering Graph (LCCG)。

後 者 可 根 據 使 用 者 查詢來利用我們所提出的 LCCG Content Searching Algorithm (LCCG-CSAlg) 來搜尋此LCCG 架構，以同時擷取具有ㄧ般概念與 細部概念的學習內容

Constructing Phase 包含以下 3 個處理步驟:

Content Package to Content Tree (CP2CT)

Process: 轉換 SCORM 的教材成為帶有代表性

特徵向量樹狀(Representative Feature Vector)的 Content Tree(CT)。

5 clusters LOs according to content trees (CTs) to establish the level-wise content clustering graph (LCCG) for creating the relationships among LOs . 依據 CT 來叢集 LO 以建立 level-wise content clustering graph (LCCG)，其可建構各 LO 間之 關係。 LCCG Maintaining Process: 監督 LCCG 中之 各節點的情況，如需要便進行重建LCCG 之處 理。 Searching Phase 包含以下處理:

SCORM Metadata Searching:利用 SCORM 的 Metadata 來搜尋 LCCG 的主要進入點。 Level-wise Content Searching: 從入口節點來

細部搜尋LCCG 的各個相關子點，以提供更精 確的LO 擷取。

圖7: The Flowchart of Level-wise Content Management Scheme (LCMS)

3.2.2 Content Package to Content Tree (CP2CT) Process

為了要建立 LO 間之關聯性(Relationship)，每份 SCORM 教材將被轉換至所規劃的 CT 架構。其 CT 定義如下:

Definition 2: Content Tree = (N, E), where

N = { n0, n1,…, nm }.

E = {

n

i

n

i₊₁ | 0≦i< 3 (the depth of CT) }. 在 CT 中 ， 每一個節點稱為“Content Node

(CN)”，並包含一特徵向量(Feature Vector)

V

，其

定義此點之代表性特徵。 E 表示上層之節點 ni連 結至下層之節點 ni+1的邊。

我們應用向量空間模型(Vector Space Model, VSM) 方法[20][21]來表示CT中每一節點的特徵。於是，

利 用 Term Frequency - Inverse Document

Frequency (TF-IDF) 權重機制(Weighting Scheme)

[22][23][24][25][26]，每一個CN能被表示為一N 維 度向量<tf1×idf1, tf2×idf2,…, tfn×idfn>，此處tfi 為i-th term (keyword)的字頻(Frequency)與idfi=log(n/df(t)) 為文件中i-th term 的Inverse Document Frequency (IDF) (此處n 為文件總數與df(t) 為包含此term的 文件數)。因在CT中，具有固定深度，因此可方便 作為階層式之分群處理。此方式將可建立LO間之 關聯係。不過因為不同教材的CT具有不同的深度， 因此在轉換中，太淺的CN節點將被建立一虛擬節 點(Virtual Node, VN)來作為其下層之子節點，以構 成相同深度之CT架構。而此虛擬節點之特徵向量將 與其父節點相同。圖8展示CP2CT process的處理過程。

圖8: The Corresponding Content Tree (CT) of the Content Package (CP) by CP2CT process

3.2.3 Level-wise Content Clustering Process

在經過前述步驟之後，每一CT 將皆具有用來分 群使用特徵向量，可用來建立不同教材間之關聯 性。因此，我們針對CT 的各層來分別做分群處理。 而經過階層式分群處理後之架構稱為LCCG，利用 此LCCG，可快速的擷取所要的 LO 即與其相關連 之LO 資訊。 LCCG 為一固定層數之樹狀架構，其具有單層 節點之關聯性定義存在。其定義如下所示:

Definition 3: LCCG = (N, E), where

N={(CF0,CL0), (CF1,CL1),…, (CFm,CLm)}. 每一

節點儲存有 Cluster Feature (CF)與 Child List (CL)，稱為 LCC-Node. 其中，CL 儲存下一層 中其所包含之子 AsiG-Node 的 CF 值。 E={

n

i

n

i₊₁ | 0≦i<3 (the depth of ASI-Graph)}.

上層之節點 ni連結至下層枝節點 ni+1的邊。 LCCG 的深度與 CT 深度相同。每一層將管理其 下層之分群結果資訊，例如:上層將儲存有下層之分 群結果，以作為搜尋、查詢之用。此外，此 Cluster

Feature (CF) 將儲存一群集(Cluster)的相關資訊。

此 CF 的方法與 Balance Iterative Reducing and Clustering using Hierarchies (BIRCH) [27] clustering algorithm 是相似的，其定義如下:

Definition 3: 一群集(Cluster)中之 Cluster Feature (CF) 被定為 Triple: CF=(N,

VS

, CS), where N: 代表一群集中的 CN 的個數。

VS

=

∑

_iN₌₁

V

i

ϖ

. 代表群集中所有 CN 特徵向量 (

V

)的合。 CS=

|

∑

_iN₌₁

V

i

/

N

|

=

|

VS

/

N

|

ϖ

. 代表群集中特 徵向量合的平均。此| |符號代表特徵向量的 Euclidean distance。 此 (

VS

/N) 值可視為一群 值之群中心(Cluster Center, CC) 。 此外，在做分群處理時，如果有一具有特徵向量

V

的CN被插入一叢集CFA=(NA,

VS

A, CSA)中，故新 的CFA=(NA +1,

VS

A

V

ρ

+

, |(

VS

_A

+

V

ρ

)/(NA+1)| )。

3.2.4 Level-wise Content Clustering Algorithm (LCCAlg):

根 據 LCCG-Graph 的 定 義 ， 本 計 畫 提 出 了 Level-wise Content Clustering Algorithm ， 稱 為 LCCAlg，用來建構 LCCG-Graph。此 LCCAlg 包含 3 步驟: 1) Single Level Clustering Phase、2) Content

Cluster Refining Phase 與 3) Concept Generalizing Phase。圖9 展示出此 LCCAlg 的流程架構圖。

圖9: The Flowchart of Level-wise Content Clustering Algorithm (LCCAlg)

(1) Single Level Clustering Phase:

此步驟中，CT 的每一層之 CN 將可用不同的相 似度標準(Similarity Threshold)來作分群處理。此分 群處理將從最底層開始處理至最高層，例如:從 Item Level 至 Assessment Level。而所有的分群結果將儲 存在 LCCG。此外，兩 CN 間的相似度評估準則 (Similarity Measure) 為 文 件 分 群 (Document Clustering) [28][29] 中 利 用 最 普 遍 的 餘 弦 函 數 (Cosine Function). 其意義為當有兩個 CN, NA 與 NB 時，此相似度評估準則可利用下式來作計算： B A B A B A V V V V V V Similarity = cosine( , )= • ，此處 VA 與 VB 是 NA與 NB 各自的特徵向量 (Feature vectors)。此數值越大則表示此兩向量越相 似。例如：兩CN 非常相似，則此餘弦值將近似於 1。

(2) Content Cluster Refining Phase:

由於此SLCAlg 演算法利用遞增式的插入 CT 方 式來執行分群處理，故CN 的輸入順序將影響到分 群結果。為了消除因輸入順序(Input Order)所引起 的 問 題 ， 所 以 需 再 執 行 一 分 群 修 飾 處 理 步 驟 (Content Cluster Refining Phase)。給予 SLCAlg 的 分群結果，Content Cluster Refining Phase 利用原始 分群之群中心(Cluster Centers)當作輸入且再執行 SLCAlg 處理來修正原始分群的正確性，直到分群 結果不再改變為止。此外，兩分群之相似度可利用 下面Similarity Measure 公式來作計算: B A A A A A B A B A B A CS CS N VS N VS CC CC CC CC CC CC Cos Similarity * ) ( ) ( ) , ( = • = • = 再經過相似度計算之後，如果有兩分群必須合併成 一個新的分群，則此新分群之新的CF 為： CFnew= (NA+NB, VS +A VS , |(B VS +A VS )/(NB A+NB)| ).

(3) Concept Generalizing Phase:

此概念簡化步驟是利用來確使在 LCCG 中，其 LCC-Node 中的 CN 所得到之特徵向量更具客觀與 代表性。於是，我們提出一個 Roll-up Operation， 其利用其所包含之子節點(CN)所屬於之群中心來 計算CN 的特徵向量。 因此，根據所建構之架構並搭配所提出之搜尋演 算法，便可提供使用者有效查詢(Searching)、檢索 (Retrieving)與管理(Maintaining) LOR。圖 10 為雛型

圖10: The Screenshot of LCMS Prototypical System

四、計畫成果自評

在第2 年中，本計畫主要針對 SCORM 教材之 編 輯 工 具 與 學 習 元 件 資 源 庫(Learning Object Repository, LOR)之管理機制做深入分析與研究。所 發展之SCORM 編輯工具，便可提供給子計畫 2 與 子計畫3 使用，以製作相關之系統測試教材。而所 發展之 LOR 管理機制更可有效的提供各子計畫快 速檢索所欲使用之試題與教材資料。因此，本子計 畫之研究成果有效的提供給各子計畫進行研究與 整合，並已針對第3 年的之研究進度作妥善之規劃 與管理，以期有更完善之研究成果。 本子計畫主要之成果與貢獻如下： 目前，要製作出符合SCORM 2004 中 Sequencing & Navigation (SN)規範的教材是件相當困難的事 情，如無有效易用的編輯工具，則 SCORM 2004 標準將難以被廣泛接受，因此，在今年度中，我們 應用High Level Petri Nets (HLPN)來分析 SN 的規 則架構，提出了物件導向課程塑模(Object Oriented Course Modeling, OOCM)機制來有效的建構出符 合 SN 標準的課程，並實際發展出 OOCM 的編輯 工具，此工具可有效的幫助教師或使用者快速的編 輯出 SCORM 2004 的教材。另外，我們亦提出ㄧ Level-wise Content Management Scheme (LCMS)來 管理符合SCORM 標準之學習物件資源庫，以提供 使用者有效地查詢(Searching)、檢索(Retrieving)與 管理(Maintaining) LOR。

1. 提出物件導向課程塑模(Object Oriented Course

Modeling, OOCM)機制，其應用 High Level Petri Nets (HLPN)來分析 SN 的規則架構，以有效的建 構出符合SN 標準的課程，

2. 提 出 Level-wise Content Management Scheme

(LCMS)來管理符合 SCORM 標準之學習物件資 源庫，以提供使用者有效地查詢(Searching)、檢 索(Retrieving)與管理(Maintaining) LOR。

3. 實際發展 OOCM 編輯工具與 LCMS 管理系統以

7 在本計畫第一年之執行期間，我們總共發表了4 篇 期 刊 論 文[30][31][32][33] ， 其 中 有 3 篇 為 SCI [30][31][32]，與4篇國際會議論文[34][35][36][37]。 (計畫網站：http://e-learning.nctu.edu.tw) 5、參考文獻

[1] Aviation Industry CBT Committee (AICC) 2004, AICC - Aviation Industry CBT Committee. http://www.aicc.org [2] Instructional Management System (IMS) 2004, IMS Global

Learning Consortium. http://www.imsproject.org/

[3] IEEE Learning Technology Standards Committee (LTSC) 2004, IEEE LTSC | WG12. http://ltsc.ieee.org/wg12/

[4] Reload Editor (Reload) 2004, Reload Project, http://www.reload.ac.uk

[5] Sharable Content Object Reference Model (SCORM) 2004, Advanced Distributed Learning. http://www.adlnet.org/

[6] Sequencing and Navigation (SN) 2004, ‘Sharable Content Object Reference Model (SCORM) Sequencing and Navigation (SN) Version 1.3’, Advanced Distributed Learning.

http://www.adlnet.org/index.cfm?fuseaction=DownFile&libi d=648&bc=false

[7] P. Brusilovsky and J. Vassileva. Course Sequencing Techniques for Large-Scale Web-based Education. Journal

of Engineering Education and Lifelong Learning, Vol. 13,

2003, pp. 75-94.

[8] K. Jensen, Coloured Petri Nets. Basic Concepts, Analysis

Methods and Practical Use. Monographs in Theoretical

Computer Science, Springer-Verlag, 1997.

[9] K. Jensen, An Introduction to the Theoretical Aspects of

Coloured Petri Nets. In: J.W. de Bakker, W.-P. de Roever,

G. Rozenberg (eds.): A Decade of Concurrency, Lecture Notes in Computer Science, vol. 803, Springer-Verlag, 1994, pp. 230-272.

[10] K. Jensen and G. Rozenberg, High-level Petri Nets. Theory

and Application. Springer-Verlag Publishers, 1991.

[11] J. Lee and L.F. Lai, A High-Level Petri Nets Based Approach to Verifying Task Structures. IEEE Transactions

on Knowldge and Data Engineering, Vol. 14, No. 2, 2002,

pp. 316-335.

[12] X. Li and W. Yu, Object Oriented Fuzzy Petri Net for Complex Knowledge System Modeling. Proceedings of the

2001 IEEE International Conference on Control Applications, 2001, pp. 476-481.

[13] F.H. Lin, Modeling Online Instruction Knowledge for Virtual Training Systems using Petri Nets. Proceedings of

IEEE Pacific Rim Conference on Communications,

Computers and Signal Processing, Victoria, B.C., Canada, Vol. 1, ISBN: 0-7803-7080-5, 2001, pp. 212-215.

[14] X.Q. Liu, et al, Knowledge Aggregation And Navigation High-Level Petri Nets-based in E-learning. Proceedings of

the First International Conference on Mache Learning and Cybernetics, Beijing, China, 2002, pp. 420-425.

[15] T. Murata, Petri Nets: Properties, Analysis and Applications”, Proceedings of the IEEE, Vol. 77, No. 4, 1989, pp. 541-580.

[16] L. Sheremetov and A.G. Arenas, EVA: An Interactive Web-based Collaborative Learning Environment.

Computers & Education, Vol. 39, Issue 2, 2002, pp.

161-182.

[17] Timothy K. Shih, J. C.S. Hung, W.C. Ko, W.C. Chang, and N. H. Lin, “COLLABORATIVE COURSEWARE AUTHORING BASED ON SCORM METADATA”,

Proceedings of the IEEE International Conference on Multimedia & Expo 2003 (ICME 2003), Taipei, Taiwan,

July, 2003. Retrieved 4 September 2004 from

http://www.mine.tku.edu.tw/scorm/

[18] J. Vassileva and R. Deters, Dynamic Courseware Generation on The WWW. British Journal of Educational Technology, Vol. 29, Issue. 1, 1998, pp. 5-14.

[19] J.T. D. Yang, C.Y. Tsai, and T.H. Wu, “Visualized Online Simple Sequencing Authoring Tool for SCORM-compliant Content Package”, Proceedings of the 4th

IEEE

International Conference on Advanced Learning technologies (ICALT 2004), Finland, August, 2004.

[20] V.V. Raghavan, and S.K.M. Wong, “A Critical Analysis of Vector Space Model in Information Retrieval, “ Journal of

the American Soczety for Information Science, 37, 1986, pp.

279-287.

[21] D. R. Cutting, D. R. Karger, J. O. Predersen, J. W. Tukey, “Scatter/Gather: A Cluster-based Approach to Browsing Large Document Collections,” Proceedings of the Fifteenth

Interntional Conference on Research and Development in Information Retrieval, 1992, pp. 318-329.

[22] G. Salton and M.J. McGill, Introduction to Modern

Information Retrieval, New York: McGraw & Hill, 1983.

[23] H, Avancini, A, Lavelli, B, Magnini, F, Sebastiani, and R, Zanoli, “Expanding Domain-Specific Lexicons by Term Categorization,” Proceedings of ACM Symposium on

Applied Computing, 2003, pp. 793-797.

[24] F. Debole and F. Sebastiani, “Supervised Term Weighting for Automated Text Categorization,” Proceedings of ACM

Symposium on Applied Computing, 2003, pp. 784-788.

[25] C.Y. Wang, Y.C. Lei, P.C. Cheng, and S.S, Tseng, “A Level-wise Clustering Algorithm on Structured Documents, “Proceedings of NCS2003, Taiwan.

[26] Y.C. Lei, A Level-wise Clustering Algorithm on Structured Documents, Master Thesis, Department of Computer Information Science, National Chiao Tung University, Taiwan, 2003.

[27] T. Zhang, R. Ramakrishnan, and M. Livny., “BIRCH: An Efficient Data Clustering Method for Very Large Databases,” Proceedings of ACM-SIGMOD Int. Conf. Management of Data, 1996, pp. 103-114.

[28] F. Sebastiani, “Machine Learning in Automated Text Categorization,” ACM Computing Surveys, Vol. 34, No. 1, 2002, pp. 1-47.

[29] W.C. Wong and A. Fu, “Incremental Document Clustering for Web Page Classification,” Proceedings of IEEE Int.

Conf. on Info. Society in the 21st century: emerging technologies and new challenges (IS2000), 2000.

[30] J.M. Su, S.S. Tseng, C.Y. Chen, J.F. Weng, and W.N. Tsai, "Constructing SCORM Compliant Course Based on High Level Petri Nets, " accepted by the International Journal

Computer Standards & Interfaces, 2005. (SCI)

[31] J.M. Su, S.S. Tseng, C.Y. Wang, Y.C. Lei, Y.C. Sung, and W.N. Tsai, "A Content Management Scheme in SCORM Compliant Learning Object Repository," to appear on the

Journal of Information Science and Engineering (JISE),

Vol. 21, No. 5, September, 2005. (SCI)

[32] J.M. Su, S.S. Tseng, C.T. Chen, and W.N. Tsai, "Adaptive Learning Environment for Pedagogical Needs," Journal of

Information Science and Engineering (JISE), Vol. 20, No. 6,

November, 2004, pp.1057-1077. (SCI)

[33] J.M. Su, J.H Chen, Wei Wang, J,Y Chen, P.C. Sue, S. S. Tseng, and W.N. Tsai, “Design and Implementation of SCORM Compliant Intelligent Learning System,” Global

Chinese Journal for Computers in Education (GCJCE), Vol.

2, No. 1, 2004, pp. 45-58.

[34] J.M. Su, S.S. Tseng, J.F. Weng, K.T. Chen, Y.L. Liu, and Y.T. Tsai, "An Object based Authoring Tool for Creating SCORM Compliant Course, " Proc. of the IEEE 19th

International Conference on Advanced Information Networking and Applications (AINA 2005), Taipei, Taiwan,

March, 2005, pp. 209-214.

[35] J.M. Su, S.S. Tseng, C.Y. Chen, and J.F. Weng, "Constructing SCORM Compliant Course Based on High Level Petri Nets, " the IADIS International Conference of

Cognition and Exploratory Learning in Digital Age (CELDA 2004), Lisbon, Portugal, 2004.

[36] P.C. Sue, J.F. Weng, J.M. Su, and S.S. Tseng, “A New Approach for Constructing the Concept Map”, Proc. of the

4th IEEE International Conference on Advanced Learning Technologies (ICALT 2004), Joensuu, Finland, Aug, 2004,

pp. 76-80.

[37] W. Wang, J.F. Weng, J.M. Su, and S.S. Tseng, " Learning Portfolio Analysis and Mining in SCORM Compliant Environment”, the 34th Frontiers in Education Conference (FIE 2004), October, 2004.