網路學習之形成性評量與學習診斷工具發展與研究

由於網路及電腦的普及，愈來愈多的應用在網際網路上蓬勃發展，而線上學習正是這股熱潮中重要的一角。相對於線上學習的發展與成熟，線上學習的學習成效評量與學習診斷卻一直是網路學習系統中較弱的一環，然而這方面的相關研究對於網路學習系統而言實屬迫切且需要。資訊技術的進步，讓網路學習系統可以在不干擾學習者的情形下，忠實記錄學習者的學習歷程檔案，隨時掌握學習者線上學習的行為。因此，學習歷程檔案可作為學習評量與診斷的依據，將學習評量與診斷的結果即時回應給學習者，可以有效提升網路學習的成效。而資料探勘是一種極適合在龐大資料庫中進行知識探索的工具，可以從大量、雜亂無章的資訊中，挖掘出有意義的知識，非常適合應用於學習日誌檔的探勘。鑒於學習歷程檔案對於學習歷程的忠實記錄，利用資料探勘技術，可以將學習者的學習歷程轉換成具有教育意義的資訊，而利用資料探勘技術進行學習評量與診斷工作，一方面可以提供參考性的學習評量與診斷結果給老師，以作為調整教學策略與內容的依據；另一方面，學習評量與診斷的即時回饋資訊，對於增進學習者的學習成效具有極大助益。因此本計劃擬利用資料探勘技術研究發展支援網路學習之形成性評量與學習診斷工具，透過探勘學習者的學習歷程檔案，挖掘出有助於學習者進行自我調適學習、學習成效評量及錯誤觀念分析之有效方法與輔助工具，進而可以達到適性化的補救教學與個別化加強學習的目的。

專書：陳志銘（2009）。創新數位學習模式與教學應用（初版）。臺北市：文華圖書。

國內數位學習領域的相關研究，在論文發表的數量和被引用的次數，近幾年來已位居國際重要期刊排名裡的第3名，僅次於英國和美國。但是國內目前極少有相於數位學習領域的研究專書出版，本書乃集合陳志銘教授六年多來在數位學習領域的創新研究成果而成，書中大部分成果均被刊登於數位學習或圖書資訊領域重要SSCI國際期刊，所提出的創新數位學習模式有助於融入實際教學提升學習成效。陳志銘教授希望藉由此書的出版達到拋磚引玉的效果，能夠對於國內數位學習領域能量提升及數位學習觀念的普及貢獻己力。本書主要針對數位學習領域中的數位典藏支援數位學習、個人化智慧型網路學習系統、行動與情境感知無所不在學習、社會網路支援數位學習及網路學習診斷與評量提出創新的研究成果，也勾畫上述幾個領域未來的研究趨勢。

本研究的學習系統使用了先前研究中的個人化數位學習系統(Personalized e-learning system，簡稱PELS)。PELS係基於試題反應理論(Item Response Theory)提供學習者適性化的學習服務。圖1是PELS系統的介面。PELS可以有效地自動蒐集每一位學習者的學習歷程，用於提供本研究進行形成性評量與學習診斷的資料來源。

圖一、PELS學習介面

本研究改良了PELS系統，加上了形成性學習評量工具，其系統架構圖如圖2所示。此架構的操作方式概要如下：

1. 學習者透過學習介面助理，以帳號登入系統。
2. 登入之後，學習介面助理將會確認學習者的帳號是否儲存在使用者資料庫中。
3. 如果學習者已經擁有帳號，系統將會從使用者履歷資料庫取得學習者的學習履歷資料，以提供進行個人化的學習服務。
4. 基於課程資料庫中的教材與使用者學習履歷資訊，系統引導學習者進行個人化的課程學習。
5. 在學習的過中，教師可以使用PDA存取每一位學習者的狀態，包括出席狀況、教師問題的提問與回答狀況、學習的集中度、學習意見等資訊，如圖3所示。所有的學習記錄將會透過無線網路通訊保存在使用者履歷資料庫中。
6. 接著學習端的形成性評量與回饋助理將從使用者履歷資料庫中取得學習者的履歷資料，並分析關鍵的形成性學習評量規則。
7. 學習端的形成性評量與回饋助理儲存形成性學習成效評量規則的結果到學習規則資料庫，用以提供推論每一位學習者的學習成效。
8. 學習端的形成性評量與回饋助理根據每一位學習者的學習履歷預測學習者的學習成效，然後傳送評量結果給學習者，以協助學習者反思與調整學習策略，如圖4所示。
9. 教師也可以透過PDA取得學習成效評量規則，並參考這些規則來調整教師的教學策略。然後學習者可以回到第4步驟進行下一階段的學習週期，或是登出以停止學習的活動。

圖二、具有形成性評量工具的個人化數位學習系統架構圖

圖三、教師使用的行動裝置形成性評量工具

圖四、PELS實作的學習成效評估規則回饋介面

圖五展示了本研究提出的形成性評量與學習診斷流程。首先先進行學習者的因素分析處理，嘗試辨識出主要影響最後學習成效的學習因素。本研究使用統計相關分析與模糊分群法(fuzzy clustering)來辨識學習因素之間的獨立性，再使用灰色關連分析(grey relational analysis)來計算因素的重要性。接著本研究主要以K-means分群演算法來決定模糊隸屬函數。基於學習歷程的真實資料分布狀況探勘，透過K-means從中探勘出具有價值的模糊知識規則，用以作為學習成效的測量方法。探勘出模糊關連規則之後，本研究以模糊推論來評估學習者的學習成效。

圖五、形成性評量與學習診斷流程圖

圖六、臺北景美國小進行的實際教學場景

1. Chih-Ming Chen*, and Ming-Chuan Chen, “Mobile Formative Assessment Tool Based on Data Mining Techniques for Supporting Web-based Learning,” Computers & Education.(accepted) [SSCI, SCI, EI收錄]
2. 2. Chih-Ming Chen*, Ting-Chun Huang,Ming-Chuan Chen,and Yi-Lun Li, “Personalized E-learning System with Self-Regulated Learning Mechanisms for Promoting Learning Performance,” Submitted to Expert Systems with Applications.[SCI, EI 收錄]