運用資料探勘與推論技術 提供個人適性化知識支援

1. 運用資料探勘與推論技術提供個人適性化知識支援運用資料探勘與推論技術提供個人適性化知識支援 指導老師：柯志坤 老師 　　班級：資四A 　組員：張宜清　13973004 　　　　　詹舒安　13973014 　　　　　蕭媛宇　13973015

2. 摘要 • 前言 • 相關定義 • 系統架構 • 知識支援之系統處理 • 系統介面 • 結論

3. 前言（1/2） • 研究背景 • 認知誤差： 知識傳遞的過程中，知識傳遞者與學習者之間，往往在學 習活動中，因認知上不同，而產生所謂的『資訊鴻溝』。 • 知識斷層： 標準課程安排下，時常因某些因素而無法開課，而專業知 識視為一系列的知識傳遞活動，這時就有可能出現『學習 斷層』。 • 研究動機 • 將認知誤差降到最低，尋找其他知識斷層的銜接方案。

4. 前言（2/2） • 研究目的 • 蒐集所有知識傳遞活動資料，分析活動之間的關聯性， 並找出問題所在。 • 知識傳遞活動有整體性與關聯性，並提供發生『知識斷層』時的銜接活動。 • 資訊技術運用 • 資料探勘 (Data Mining) • 推論引擎 (Inference Engine) • 商業智慧 (Business Intelligence，BI) • 情境 (Context)

5. 相關定義(1/2) • 學習流程與知識推薦 • 學習流程指為一系列的知識傳遞活動。舉例來說，學習者按照課程標準依序完成修課，就視為『學習流程』。 • 因現今教育方針多元，知識傳遞活動不單只限於書本，學習者可以由多方面攝取知識。例如：專業證照。 • 知識推薦依照學習者的紀錄，自動給予在學習流程中，有用的資訊以協助學習者。

6. 相關定義(2/2) • 學習流程成效評估 • 單一學習流程： 探討知識傳遞活動之間，在學習流程中相互影響的原因。 • 整體學習流程： 探討知識傳遞活動，是否對學習者在面臨其他學習活動 時，可以發揮所學知識。

7. 系統架構 • 架構 • 使用者模組 • 知識傳遞活動 Context 規則發掘模組 • 知識傳遞活動 Profile 發掘模組 • 知識推薦模組 • 知識傳遞活動評分機制模組

8. 圖一、運用資料探勘與推論技術提供個人適性化知識支援系統架構圖圖一、運用資料探勘與推論技術提供個人適性化知識支援系統架構圖

9. 使用者模組 • 知識傳遞者與學習者，分別擁有多樣化特徵和學習流程識別。 例如：A學生與B學生選擇不同的知識傳遞活動，而使兩者之 間的學習流程就會有所不同。 • 蒐集知識傳遞者與學習者的特徵建立模組，每一個特徵可視為一個學習流程，而這些學習流程可提供其他模組做探勘使用的資料。

10. 知識傳遞活動 Context 規則發掘模組 • 知識傳遞者與學習者，面臨不同的知識傳遞活動中，產生多樣性的學習歷程記錄。 • 對某一特定的知識傳遞活動，使用資料探勘技術中的關聯式法則（Association rules），探勘此一知識傳遞活動，特有且重要的知識關聯規則。 • 探勘出的知識關聯規則，則形成為知識傳遞活動 Context 規則發掘模組，以供其他模組交叉使用。

11. 知識傳遞活動 Profile 發掘模組 • 對某一特定的知識傳遞活動，進行擷取關聯特徵的動作，接而成為知識傳遞活動中的Profile資料。 • 而這些Profile資料的用途，是為了敘述某一特定知識傳遞活動中，重要的特徵。 例如：知識傳遞者所準備的活動特徵、學習者對於某一 知識傳遞活動所需要的知識文件。

12. 知識推薦模組 • 知識推薦模組運作，會先透過使用者模組中的學習流程識別，來判別其學習流程的相似程度。 • 由相似程度判別知識傳遞者或學習者，在知識傳遞活動中，知識推薦模組是否可以提供重要資訊，這時透過知識傳遞活動 Context 模組的知識庫，建立個人的學習流程特徵。 • 而學習流程特徵會觸發知識傳遞活動Profile裡的知識庫規則，進而提供傳遞者與學習者，在知識傳遞活動中可用到的補充文件。例如：考古題、上課投影片。

13. 知識傳遞活動評分機制模組 (1/3) • 關聯法則評分機制 計算結果的分數為：100。 舉例：小花同學進入系統時，系統會依照小花的修課紀錄，在小花點選 　　　某一課程時，給予有用的關聯法則，作為小花修課的參考。而小 　　　花在使用完法則後，可對推薦的法則作評分動作。 計算方式：若小花給此科目(程式設計)、關聯規則都為 4 分。 計算結果的分數大約為：78。

14. 知識傳遞活動評分機制模組 (2/3) • 教材評分機制 計算結果的分數為：100。 舉例：小花可對程式設計，尋找所需的上課資料，而系統也會自動推薦最 　　　近其他使用者觀看且有用的補充資料給小花，小花可依照自身感覺 　　　對教材有用度評分。 計算方式：小花給予程式設計教材 ３分。 計算結果的分數大約為：75。

15. 知識傳遞活動評分機制模組 (3/3) • 問與答評分機制 計算結果的分數為：100。 舉例：小花在修程式設計課時，發現某觀念不清楚，小花可運用系統的 　　　問與答，找尋先前是否有相同的問題，或自行發問，系統或其他 　　　使用者會幫忙解答，而小花可對問與答所提供的解答作評分。 計算方式：小花對程式設計問題所提供的解答評１分。 計算結果的分數大約為：69。

16. 知識支援之系統處理（1/4） • 學習活動辨別 • 每一個學習活動都是透過文字的描述、自身擁有的特徵和屬性，所結合成的集合，作為特徵化的依據。 • 知識推薦系統存放使用者以往有過知識傳遞活動的特徵值集合，讓使用者更容易取得資訊，為某一特定學習流程進行特徵化動作。

17. 知識支援之系統處理（2/4） • 發掘知識規則與序列樣版 • 特定知識傳遞活動知識規則：運用關聯式法則發掘屬性與屬性之間所隱藏的知識規則。 例如：[封裝，繼承，多形] → 物件導向觀念 • 跨越不同學習活動知識規則：使用序列樣版方式發掘具時間順序的知識規則。 例如： [程式設計，資料庫，系統分析與設計] →系統開發專題

18. 知識支援之系統處理（3/4） • 發掘知識規則與序列樣版 • 跨越不同學習活動Context知識規則： • 透過已發掘出的序列樣板，系統會再加以對單一知識傳遞活動分析，主要目的為找出活動的基礎精神與重要的特徵值。 • 運用關聯式法則和序列樣板的方式，將不同的知識傳遞活動間的基礎精神與特徵值，進行知識規則的探勘。 • 此知識規則主要是更深入的探討在不同知識傳遞之間，是否可能包含有相互影響的特徵。 例如：[程式設計,資料庫] →程式設計. DB-Connection

19. 知識支援之系統處理（4/4） • 建構學習觀點與以案例為基礎之推論 • 系統運用探勘出的知識規則，建構學習流程觀點。 • 多樣性的知識流程觀點建立後，將成為有價值的學習方案參考。 • 辨識使用者目前的學習特徵，使用以案例為基礎的推論技術，尋找以前有價值的學習方案作為依據，進而推薦適用於的此使用者目前學習流程情境下的學習方案，並提供更多可行性的知識支援文件。 • 在不同且多元化的學習流程觀點中，給予使用者適性化知識支援。

20. 知識推薦與支援 • 針對特定情境中的學習流程，系統主動依照使用者的學習流程觀點，協助使用者取得適性化的知識推薦文件，作為知識傳遞活動中的輔助。 • 使用相似度運算，在知識文件與使用者進行知識傳遞活動中，尋找出較符合使用者的知識文件集合。(例如：前5份相似度最高的知識文件) • 整理在不同知識傳遞活動裡，所探勘出的知識文件集合，並建構使正者在學習流程中，可能需要的不同知識流程，讓使用者在進行知識傳遞活動時，若發現異常處，系統提供適性化知識文件輔助。 • 就特定的學習流程，系統搜索並提供使用者更多元化的知識文件集合。

21. 系統介面－登入畫面

22. 系統介面－登入畫面

23. 系統介面 – 知識推薦

24. 系統介面 – 評分回饋與知識支援

25. 結論 • 現今教育體系中，認知差異的問題始終沒有根本的解決方案，導致學習成效問題越變越大，使得雙方在傳遞知識或接受知識時，都可能出現斷層。 • 本系統以評分機制，作為雙方溝通管道，並將其回饋資訊進行分析，有助往後提供更好的知識文件推薦。 • 電子履歷(e-portfolio)已普及化，記錄在進行知識傳遞活動的學習記錄與檔案。 • 運用關聯法則，適性化搜尋學習流程的關鍵與盲點，並主動提供相關的知識文件。

26. 謝謝您的聆聽 請委員惠賜建議批評與指教

27. 附錄一 、關聯法則評分機制 Skr = 關聯法則總評分 C = 課程（必修0.6 / 選修0.5） Cs = 課程基準分 （0.7） KR = 關聯法則基準分 （0.6） Uc = 使用者對課程評分 Ukr= 使用者對關聯規則評分 Unum = 使用者人數 I = 課程應用重要性（課內0.5 /課外0.6）

28. 附錄二、教材評分機制 Stm = 教材總評分 C = 課程（必修0.6 / 選修0.5） Cs = 課程基準分 （0.7） TM = 教材基準分 （0.6） Uc = 使用者對課程評分 Utm= 使用者對教材評分 Unum = 使用者人數 I = 課程應用重要性（課內0.5 / 課外0.6）

29. 附錄三、問與答評分機制 Sqa= 問與答總評分 C = 課程（必修0.6 / 選修0.5） Cs = 課程基準分 （0.7） QA = 問與答基準分 （0.6） Uc = 使用者對課程評分 Uqa = 使用者對問與答分 Unum = 使用者人數 I = 課程應用重要性（課內0.5 /課外0.6）