情境感知學習於計算機概論教學之研究
情境感知學習於計算機概論教學之研究
情境感知學習於計算機概論教學之研究
情境感知學習於計算機概論教學之研究
王元凱
王元凱
王元凱
王元凱
輔仁大學電子工程學研究所
輔仁大學電子工程學研究所
輔仁大學電子工程學研究所
輔仁大學電子工程學研究所
副教授
副教授
副教授
副教授
ykwang@mails.fju.edu.tw
丁一能
丁一能
丁一能
丁一能
輔仁大學電子工程學研究所
輔仁大學電子工程學研究所
輔仁大學電子工程學研究所
輔仁大學電子工程學研究所
研究生
研究生
研究生
研究生
dinner@tp.edu.tw
摘要
摘要
摘要
摘要
隨者數位學習技術日益進步，情境感知已成為 重要的研究方向。本論文提出一個情境感知學習方 法，將教學情境以有限狀態機來建構教學情境之間 的互動關係。學生學習情境之獲得採線上測驗輔以 「Student-Problem Table」分析，即時瞭解學生之學 習情形，提供教師情境感知的建議，讓系統可以提 供情境資訊給教師，使教師做出適當的回饋，加強 學生適性輔導。本研究以 ConferenceXP 平台為實作 基礎加入情境感知模組，並以高職計算機概論第二 冊「結構化程式設計-重複結構」單元為例，於二個 班級進行對照實驗。實驗結果顯示情境感知學習確 實可增進學習成效。 關 鍵 詞 關 鍵 詞關 鍵 詞 關 鍵 詞 ：：： 情 境 感 知 學 習 、 有 限 狀 態 機 、： Student-Problem Table1.
前言
前言
前言
前言
根據學習者在學習中互動的程度，可將線上學 習分為三代：第一代主要是通過網頁設計，提供學 習者學習的材料和有關的資料，同時與其他的相闗 教育網站連結；第二代除了在網路上提供學習材料 外，學習者還可以通過電子郵件、電子布告欄、網 路線上的作業與測驗，進行非同步互動；第三代則 再加入網路聊天室、視訊會議、多人對談系統等同 步雙向互動[3]。然而完全的線上學習並非最佳的學 習模式，混合式學習(教室加線上)才最有效的學習 方式[4]。因此在傳統及數位學習的各種機制下，透 過數位科技取得情境感知學習資訊，師生間得到最 佳的互動機制，為最有效的學習模式。 情境感知的概念首見於[7]，1999 年 Dey 與 Abowd[5]則更進一步的定義情境感知，利用情境來 提供資訊或服務，這些資訊與服務與使用者目前任 務相關，而未必需要涉及改變系統行為的階段。[9] 則進一步提出將學習情境納入計算，提供適當的資 訊，不但能有效提供教師了解學習者資訊，讓教師 更能提出有效的教學方案，也能在複雜的學習資訊 中快速有效的位教師截取適當的學習情境。情境感 知應用在學習系統上有：IRS(Interactive Response System)[6]，將使用者的反映資訊視為輔助教學的關 鍵 因 素；WiTEC（ Wireless Technology Enhanced Classroom）[1]係整合無線區域網路、行動學習裝置(Mobile Learning Device, MLD)與客戶－伺服架構 來支援教學與學習，並著重在協同教學的應用。 本論文將建構一個情境感知學習架構，將學習 視為一個有限狀態集合，各狀態之間會被學習環境 中成就測驗的分析結果觸發而導致狀態的移轉，並 且在不同的情境下可以對這樣的改變有所回應，例 如提供適當的情境感知資訊；所以透過有限狀態機 的模型可讓情境狀態之間有較佳的預測性，進而減 少情境計算時的負載。 本論文的架構如下：第二節介紹系統的設計原 理；第三節陳述系統設計及架構：第四節說明實驗 結果；第五節本次研究的結論與建議。
2.
情境感知的有限狀態機架構
情境感知的有限狀態機架構
情境感知的有限狀態機架構
情境感知的有限狀態機架構
情境認知論(Situated Cognition)，認為人類的行 動和行動發生的脈絡，息息相關，這意味著無法預 知每個運用知識與技能的可能情境。因此，不可能 事先設計出可以讓學生在所有情境中都能適切行 動的教學。況且，學生在每個情境中的表現都不相 同，因此也不可能事先設計問題解決的教學情境 [2]。學生本身學習的情境是一個動態，會隨著時間 或是一個學習事件（動作）的觸發而改變，進而移 轉至另一個情境，而這些情境間的變遷有相互關聯 性。另外，每個情境資訊都有期限性，不是一經感 測出來之後就持續有效，而在情境轉移後要用到該 項資訊時才偵測它來應用，亦將增加系統的正確 性。 學生在學習過程中，隨著時間及不同的教學， 會讓學生處在不同的學習狀態（Learning State），系 統必須提供教師對目前學生所處的學習狀態，使教 師能提供適切的回饋機制以符合學生的需求；就情 境感知的概念而言，即是收集此學習狀態下的情境 因子（context factor）讓系統計算，以提供適切的 預測功能。換言之，我們將一個學習評量系統可能 提供的各種學習狀態，對應至一個系統定義的狀態 集合（由學習狀態構成的集合），利用有限狀態機 的 概 念 定 義 出 學 習 狀 態 機 模 型 （ Learning State Machine Model），進而根據該模型對各學習狀態的 移轉有較佳的預測途徑，並在新的學習狀態下找出 需重新收集的情境因子，與可沿用的前一個學習狀 態的情境因子，減少情境資訊處理上的重複。 情境因子是計算目前學習狀態下，系統提供教 計畫編號：NSC 93-2524-S-001-002師回饋時所需使用到環境的資訊；它由軟體或硬體 設計的偵測器（Sensor）取得的資料組合而成，並 透過適當的處理以符合實際需求。如圖 1，圖左自 偵測器偵測出的資料是未經處理的原生資料（raw data），如同本論文利用 S-P 表取得學生學習成就（情 境因子）來使用。 因此整個學習過程必須歷經各種情境因子才 會得到最後到學業行為。 圖 圖 圖 圖 1 情境因子的處理情境因子的處理情境因子的處理 情境因子的處理
2.1
情境因子
情境因子
情境因子
情境因子
情境因子是實際狀態最小的具體邏輯描述，它 會因實際應用需求與技術的限制而有不同的形態 與意義。我們學生測驗結果，透過 S-P 表將學習成 就歸納出五種情境因子。 學習成就中所應用到的情境因子有：第一類： 答對率大於 75%學生注意係數小於 0.5 為學習穩 定；第二類：答對率大於 75%學生注意係數大於 0.5 為注意力不集中；第三類：答對率小於 75%大於 30% 學生注意係數小於 0.5 為普通；第四類：答對率小 於 75%大於 30%學生注意係數大於 0.5 為努力不 足；第五類：答對率小於 75%大於 30%為學習力不 足，如表 1。 表 表表 表 1 S-P 表學生成就屬性表學生成就屬性表學生成就屬性 表學生成就屬性 項目 成就 學習穩定性 學習穩定 高成就 穩定 注意力不集中 高成就 不穩定 普通 一般 穩定 努力不足 一般 不穩定 學習力不足 低成就2.2
學習狀態
學習狀態
學習狀態
學習狀態
一個學習行為可因時間與不同的學習行為切 割成許多學習狀態，在不同的學習狀態下，系統可 利用當時的情境因子做出適當的回應，例如提供適 當的情感反應給教師。如圖 2，一個使用者的學習 過程被分成許多獨立的學習狀態；每一個學習狀態 被對應至一個適切的行為反應，且每一個學習狀 態，會因計算時對情境資訊的需求，由一個情境因 子的集合所構成（圖左上方的矩形所示）。 Student time Context Factor 1 Context Factor 2 Context Factor 3 . . Learning States Emotion Response Attribution Theory 圖 圖 圖 圖 2 學習狀態與情境特徵學習狀態與情境特徵學習狀態與情境特徵學習狀態與情境特徵Weiner 的 歸 因 理 論 (Attribution Theory) 認 為 [8]，個體往往會將學業上的成功或失敗歸因於於能 力、努力、工作難度、運氣、教師偏見、學習環境 及身心狀況等共七種狀態，因此在各種因素的影響 下，這七種狀態對應出學生的情緒行為反應。就成 功歸因與失敗歸因來分類，如表 2。 目前我們將學習狀態分類定義成：（a）初始值 狀態：使用者尚未啟動系統，表示未有任何情境因 子被偵測，屬於有限狀態機模型的初始狀態。（b） 運氣狀態：使用者將自己成功或失敗歸因於運氣的 問題，可能是因為猜到題目或猜到答案等。（c）教 師偏見狀態：使用者將自己成功及失敗歸因於教師 對學生的偏見，因為教師對學生的偏好程度導致學 生對該科目學習的偏好。（d）學習環境狀態：使用 者將自己成功及失敗歸因於學習環境，學習環境會 影響到學生。（e）身心狀況狀態：使用者將自己成 功及失敗歸因於身心狀況的問題。（f）努力狀態： 使 用 者 將 自 己 成 功 及 失 敗 歸 因 於 自 己 的 努 力 程 度。（g）工作難度狀態：使用者將自己成功及失敗 歸因於該次測驗或是教材的難度問題。（h）能力狀 態：使用者將自己成功及失敗歸因於自己能力的問 題。成敗歸因所影響個體的情感反應，歸納如表 2： 表 表表 表 2 情感反應表情感反應表情感反應表情感反應表 狀態 失敗歸因 行為反應 成功歸因 行為反應 運氣 憤怒 感謝 教師偏見 憤怒 感謝 學習環境 罪惡感 自信 身心狀況 羞愧、逃避工作 自豪、自尊 努力 羞愧、逃避工作 自豪、自尊 工作難度 增強情緒 增強情緒 能力 增強情緒 增強情緒
2.3
學習狀態機
學習狀態機
學習狀態機
學習狀態機
學習過程被視為數個學習狀態的組合；狀態變 動代表情境因子的組合有變動，而情境因子變動亦 會造成狀態的變動。例如時間情境因子就會影響到 每一次的學習狀態。時間為 t 時的狀態 S 可標記成 St =τ
CF1t,CF2t,…CFnt ，CFnt為第 n 個情境因 子在時間為 t 時的值。而一個狀態由不定數目的情 境因子構成（n 值不是固定的）。 根據前述的定義，透過一個狀態預測的模型，比較 S（現態，Current state）t ）與 St+1（次態，Next State）
間情境因子組合的差異，僅對新增的情境因子或是 情境因子的有效期已過的情境因子（失效或變動的 情境因子）做偵測，將增加準確性亦降低計算成本。 一個學習狀態機包含：學習狀態集合 S、學習 成就觸發事件集合 E 與狀態對應的情感反應輸出集 合 F 等三個集合，及狀態間的轉移函數 T 與輸出函 數 O 等兩個函數。 綜合前幾節所述，定義出所有可能的學習狀態 集合 S （Learning State Set）：
S = { S0,S1,…Sn}，n
≥
1，n S0…Sn代表在學習過程中所可能出現的狀態， S0為初始狀態（initial state）。而 n 的大小視系統提 供的學習狀態的多寡而定。每一個狀態可視為是一 個情境因子的有限組合： Sx=τ
CFa,CFb,… ， CFa , CFb...∈
CF CF = {CF1,CF2,…CFm}，m≥
1，m≠
∞
CF 為所有情境因子的集合，它的大小視實際 的需求及應用的技術而定。學習成就觸發事件集合 E 視為輸入部分： E = { E1,E2,…Ep}，p≥
1，p≠
∞
而在輸出部分，它代表了系統針對各學習狀態 所提供的行為反應： F = { F1,F2,…Fn}，n≥
1，n 轉換函數 T（Transition Function）會以目前的 學習狀態 St與目前學習成就觸發事件 Et為輸入參數 而映至下一個學習狀態 St+1： T（St , Et ）= St+1 O（St））= Ft O 為 S 映 至 F 的 函 數 即 輸 出 函 數(Output Function)。因為學習狀態可被預測，我們可以預測 現態與次態之間情境因子的差異： Sxt =τ
CFat,CFbt,CFct,,CFdt Syt+1 =τ
CFat,CFpt+1,CFdt+1 如上所示，CFa t 表示可以沿用的情境因子， CFpt+1是新增的情境因子，而 CF d t+1則是該情境因 子已過了它的有效期限（Validity），所以在 Fy t+1僅 需處理 CFp t+1與 CFdt+1即可。 依據歸因理論(Attributional Theory)[8]，學業成 就又區分為成功歸因及失敗歸因，因此一個學生不 管成就高低與否，都有可能產生這兩種歸因。所以 我們將建立成功學習狀態機及失敗學習狀態機，並 列出學習成就觸發事件、學習狀態及情感反應之間 彼此的關聯。參考學者針對各種成就學生所歸納的 歸因向度如下。 成功歸因： 高成就抱負水準的學生傾向于將學業成敗歸 於自己的努力。 成功歸因於自己努力程度高、教師教學水準 高、不緊張等，較少歸因於運氣差和他人幫助 少。 紀錄普通的人隨經歷成功但並每回都成功，因 此不太可能選擇內在歸因。 低成就抱負水準的學生將成功歸於運氣。 低成就學生較可能歸因於。 學習力不足歸因於不穩定。 競爭班級氣氛強調學生能力比較，成功更多被 歸為能力。 依據上列敘述狀態與輸入關係推論出成功歸 因情境感知狀態表如表 3，成功歸因情境感知狀態 圖如圖 3，透過情境感知的分析使教師更了解學生 的成功歸因傾向，達到適性輔導的效果。 表 表表 表 3 成功歸因情境感知狀態表成功歸因情境感知狀態表成功歸因情境感知狀態表成功歸因情境感知狀態表 輸入 E1 E2 E3 E4 E5 狀態 學習力 不足 努力 不足 普通 注意力 不集中 學習 穩定 輸出 S0 S1 S3 S6 S4 S5 S1 S1 S3 S6 S5 S5 F1 S2 S2 S2 S6 S5 S5 F2 S3 S3 S3 S6 S5 S7 F3 S4 S4 S1 S6 S4 S5 F3 S5 S5 S4 S6 S4 S5 F3 S6 S6 S2 S6 S5 S5 F4 S7 S1 S2 S6 S5 S5 F4 S0：初始值 S1：運氣 S2：教師偏見 S3：學習環境 S4：身心狀況 S5：努力 S6：工作難度 S7：能力 F1：感謝 F2：自信 F3：自豪、自尊 F4：增強情緒學業成就觸發事件輸入表示方式 學業成就觸發事件輸入表示方式學業成就觸發事件輸入表示方式 學業成就觸發事件輸入表示方式 1 表表表表 E1 2 表表表表 E2 3 表表 E表表 3 4 表表表表 E4 5 表表表表 E5 圖 圖 圖 圖 3 成功歸因情境感知狀態圖成功歸因情境感知狀態圖成功歸因情境感知狀態圖 成功歸因情境感知狀態圖 失敗歸因： 高成就抱負水準的學生傾向于將學業成敗歸 於自己的努力。 學習穩定歸因於不穩定和外在。 學習力不足歸因於內在、穩定。 低成就抱負水準的學生將失敗歸於自己能力 差。 失敗結果歸因數能力低、沒有努力、緊張等， 較少歸因於他人幫助少、考前沒有 加強復習 等。 競爭班級氣氛強調學生能力比較，失敗則歸於 外因。 依據上列敘述狀態與輸入關係推論出失敗歸 因情境感知狀態表如表 4 及失敗歸因情境感知狀態 圖如圖 4，透過情境感知的分析使教師更了解學生 的失敗歸因傾向，達到適性輔導的效果。 表 表 表 表 4 失敗歸因情境感知狀態表失敗歸因情境感知狀態表失敗歸因情境感知狀態表 失敗歸因情境感知狀態表 輸入 E1 E2 E3 E4 E5 狀態 學習力 不足 努力 不足 普通 注意力 不集中 學習 穩定 輸出 S0 S7 S4 S6 S5 S5 S1 S7 S4 S6 S1 S1 F1 S2 S7 S4 S6 S2 S2 F2 S3 S3 S1 S6 S3 S3 F3 S4 S7 S4 S6 S2 S2 F3 S5 S7 S4 S6 S3 S3 F3 S6 S7 S4 S6 S3 S3 F4 S7 S7 S4 S7 S1 S1 F4 S0：初始值 S1：運氣 S2：教師偏見 S3：學習環境 S4：身心狀況 S5：努力 S6：工作難度 S7：能力 F1：憤怒 F2：罪惡感 F3：羞愧、逃避工作 F4：增強情緒 學業成就觸發事件輸入表示方式 學業成就觸發事件輸入表示方式學業成就觸發事件輸入表示方式 學業成就觸發事件輸入表示方式 1 表表表 E表 1 2 表表表表 E2 3 表表 E表表 3 4 表表表表 E4 5 表表表表 E5 圖 圖圖 圖 4 失敗歸因情境感知狀態圖失敗歸因情境感知狀態圖失敗歸因情境感知狀態圖失敗歸因情境感知狀態圖
3.
系統設計及架構
系統設計及架構
系統設計及架構
系統設計及架構
根 據 前 述 理 論 架 構 ， 我 們 利 用 ConferenceXP(CXP) 實 作 情 境 感 知 教 學 回 饋 系 統 （Context Aware Teaching Feedback System），系統 的架構示意圖如下： CXP Student CXP Teacher Venue Server Register & join a venue Send Exam Request Answer Report S-P Table SQL XML Record User Information & Venue File Register & join a venue Import Exam 圖 圖圖 圖 5 系統架構示意圖系統架構示意圖系統架構示意圖系統架構示意圖 如圖 5，CXP 學生端及教師端為整個系統運作 時使用者終端介面；Venune Server 是情境感知伺服 器端，負責收集使用者、時間、IP 的情境感知資訊； CXP 教師端負責播送教材及試卷並收集情境因子 計算出情境感知資訊，應用其 S-P 表分析加以運算 處理，並將計算結果產生 XML，XML 報表負責儲 存本次 S-P 表的結果及使用者資訊。3.1
系統架構
系統架構
系統架構
系統架構
本研究利用教學情境感知因子透過有限狀態 機預測，學生學習行為分析診斷以利教師作適性輔 導或補救教學，整個系統架構如圖 6。圖 圖 圖 圖 6 系統架構圖系統架構圖系統架構圖 系統架構圖
3.2
系統
系統
系統
系統運作流程
運作流程
運作流程
運作流程
教師透過 CXP 啟動線上測驗，教師將題目載 入該系統後，學生端就會開啟線上測驗視窗，做答 完畢後按送出，教師端會收集學生一一送回來的答 案做統計，教師端透過 S-P 表分析每個學生及題目 的作答狀況，作答結束後教師匯出 S-P 表，針對學 生及題目的狀況做分析，針對學生不了解的問題做 回饋，該系統活動圖如圖 7： 圖 圖圖 圖 7 CXP 線上測驗線上測驗線上測驗線上測驗活動活動活動活動圖圖圖圖4.
實驗
實驗
實驗
實驗
本節旨在以實驗方式來評估使用情境感知學 習的成效，使用情境感知學習採不等組準實驗設 計，歷時兩週，第一週為授課及實作，第二週進行 成就測驗。在實驗樣本中，我們選定臺北市某公立 高職夜間部二年級兩個班級為實驗對象，一個為實 驗組採用 CXP 輔助測驗，一個為控制組採用傳統紙 筆測驗，這兩個班級的上課地點採同一間電腦教 室，同一個授課老師。 情境感知學習實驗共分兩階段，第一階段實施 教學活動並進行實作，在這一階段實驗組與控制組 的教學活動與作業完全相同；第二階段採取成就測 驗，這一階段測驗，分為前測和後測。實驗組採用 CXP 輔助測驗，並佐以 S-P 表協助教師作情境感學 習知分析。 控制組採用傳統紙筆測驗，試卷統一由教師批 改。實驗組經前測的結果教師透過 S-P 表分析題目 及學生狀況，針對學生答錯較多的題目講解，控制 組經前測後，由授課教師現場批改後一一解題。由 兩組學生成就測驗統計表(表 5)得知，實驗組經由情 境感知學習透過前測與後測比較的結果答對題數 平均數 0.61 題比控制組 0.23 題高，且進步的人數 比例較控制組高，由此可見透過情境感知學習的學 生進步較高。 實驗組後測的標準差較前測收斂，可見針對重 點題目講解後，學生對題目有較深入的了解。而控 制組學生後測的摽準差較前測發散，因此情境感知 學習可有效提供教師準確的補救教學策略，全班的 程度將明顯提升。在成就測驗時間的比較上(表 6)， 教師在實驗組所花的時間較控制組少，分析時間的 比較，教師能針對 S-P 表的結果做分析，較改卷的 途中做分析來的準確並迅速。且講解的時間教師並 不需要將題目全部一一講解，只要針對學生不懂的 題目做分析，節省不必要的時間花費在學生了解的 題目。 表 表表 表 5 兩組學生在成就測驗的比較表兩組學生在成就測驗的比較表兩組學生在成就測驗的比較表兩組學生在成就測驗的比較表 前測 後測 進步 差異 組別 人數 平均 數 標準 差 平均 數 標準 差 人數 平均 數 實驗 組 28 3.79 1.40 4.39 1.37 14 0.61 控制 組 26 4.35 1.44 4.58 1.92 12 0.23 測驗題目：8 題表 表 表 表 6 教師在兩組學生各階段所需時間教師在兩組學生各階段所需時間教師在兩組學生各階段所需時間教師在兩組學生各階段所需時間 前測 後測 組別 分析 講解 分析 實驗組 08:00 05:00 08:00 控制組 11:00 07:00 11:00 單位：時間/分
5.
結論與
結論與
結論與建議
結論與
建議
建議
建議
本研究透過情境感知學習加強補教教學的準 確性及即時性，以改善傳統學習的缺失。由於學生 習慣傳統的紙筆測驗，若能將線上測驗與傳統紙筆 測驗的成績能拉近，或許對於研究有更正確的呈 現。本研究只針對學生進行計算機概論的情境感知 學習研究，對於學生其他情境影響的因素，並未考 慮，故建議未來可加入其他情境因素進行研究，以 了解情境感知學習在學習上的成效。參考文獻
參考文獻
參考文獻
參考文獻
[1] 王緒溢，A Model of 1:1 Educational Computing in Classroom Using Wireless Technology 教室內應 用無線科技之一對一數位學習模式，中央大學資 訊工程研究所，博士論文，2004。 [2] 陳麗華、林陳涌，<情境模式的教學設計>，科 學教育月刊，198 期，1997，頁 1-12。 [3] 楊國德，<歐美國家網路學習的應用與發展趨勢 >，成人教育，67 期，2002，頁 9-19。 [4] 鄒景平，<從網路學習邁向網路社會>，eLearning 心法第 48 講，2002。
[5] Dey, A. K, G. D. Abowd, “Towards a Better
Understanding of Context and
Context-Awareness,” GVU Technical Report, GITGVU-99-22,1999.
[6] Liang, Jen-Kai, Hsue-Yie Wang, Tak-Wai Chan,"The Features and Potential of Interactive Response System", International Conference on
Consumer Electronics
(ICCE2003),pp.315-320,2003.
[7] Schilit, B. N, M. M. Theimer, “Disseminating Active Map Information to Mobile Hosts,” IEEE Network, 8（5）, pp. 22-32, 1994.
[8] Weiner, B, “An attributional theory of achievement motivation and emotion,” Psychology Review, vol. 92, pp.548-573,1985.
[9] Wang, Y. K, “Context Awareness and Adaptation
in Mobile Learning,” IEEE
International.Conference on Wireless and Mobile
Technologies in Education（WMTE2004）, pp.
