以群聚技術應用於情境感知學習環境中學習歷程分析之研究

1. 以群聚技術應用於情境感知學習環境中學習歷程分析之研究以群聚技術應用於情境感知學習環境中學習歷程分析之研究 新竹教育大學 指導教授：區國良 博士 研究生：邱奕福

2. 目錄 • 簡介 • 相關研究 • 研究方法與工具 • 系統實作 • 實驗結果 • 結論與建議

3. 簡介 研究背景與動機 • 國人逐漸重視假日休閒活動 • 導覽手冊內容有限 • 無法即時提供適時的資訊 • 通訊基礎建設遍佈 • 手持式行動載具普及 • 可在任何時間、任何地點學習 • 休閒動機通常是無目的 • 難以掌握學習者學習歷程與旅遊路徑 • 很少研究將教育方面應用於休閒活動中

4. 簡介 研究目的 • 建構具有情境感知功能之休閒學習系統 • 即時提供情境相關聯知識內容 • 建構具有情境概念之情境式學習活動編輯系統 • 設計情境式學習活動與地點省時省力 • 提供學習歷程及路徑即時分析系統 • 紀錄學習者學習行為與路徑 • 預測學習者行為特徵與旅遊路徑的關聯性

5. 簡介 研究問題 • 如何給予學習者即時、互動的情境式學習系統 • 傳統：紙本旅遊刊物，缺乏分類查詢介紹 • 現今：電子旅遊刊物，缺乏資訊即時提供 • 如何設計在任何有情境式知識區域中，編輯適性化情境式學習活動 • 設置耗時耗力 • 如何找出學習成效與旅遊路徑特徵間的關聯性 • 資料龐大複雜

6. 相關研究 • 情境感知 • 休閒教育 • 尋路理論 • 資料探勘

7. 相關研究 情境感知 • 何謂情境？ • 描述使用者的狀況、所在地點、人事物資訊(Dey) • 種類分為位置、活動、本體、時間(Abowd) • 何謂情境感知？(Abowd) • 呈現資訊及服務給使用者 • 自動執行服務 • 將情境與資訊連結以供稍後取用

8. 相關研究 情境感知 • 情境感知學習(Sakamura) • 偵測使用者所在地理位置資訊 • 學習中自動給予其使用者要求 • 學習活動可在任何時間、任何地點進行學習 • 本論文建構休閒學習系統 • 偵測學習者所在地理、物件及人物等情境資訊 • 主動依情境資訊觸發適當的學習活動 • 提供即時的互動測驗

9. 相關研究 休閒教育 • 何謂休閒？ • 利用空閒時間尋求樂趣(Oxford Reference) • 自由的、被允許的活動(拉丁文的licere) • 與學習活動有密不可分的關聯性(古希臘字的schole) • 何謂休閒教育？ • 學習過程中自由地選擇喜好的學習內容(Arsenault) • 學生在休閒狀態中進行學習活動(Schleien) • 提供學習者在休閒時學習的一種教育活動

10. 相關研究 休閒教育 • 學習動機與傳統教室中不相同(Arsenault) • 歸納出主要參與者可分為6種不同的參與動機 • 活動導向型 • 機會主義者 • 實驗者 • 冒險者 • 內容導向者 • 地理學研究者 • 本論文將分析此六種型態參與者在活動中面對不同情境時的學習歷程與成效

11. 相關研究 尋路理論 • 何謂尋路？ • 人們在日常生活行動中的一種空間認知過程 • 外在環境與組織感官線索的連續互動任務(Lynch) • 尋求空間問題解答的一種活動(Arthur & Passini) • 簡言之 • 選擇方位和探索的過程

12. 相關研究 尋路理論 • 城市景象 • 通道：泛指各種道路 • 邊緣：線性元素 • 地區：外表特徵包含空間、活動、居民與地形等 • 節點：交通往返必經道路 • 地標：當地的代表建築物 • 本論文依據空間能力的概念，使用群聚分析學習者尋路路徑所構成的群集

13. 相關研究 資料探勘 • 發掘或描述知識 • 針對大量的資料進行處理，以發掘、萃取、得到存在於資料中的知識 • 透過搜尋與分析資料來發現潛在有用資訊的過程 • 預測 • 利用已經在資料庫儲存的變數或事實，對於未知的或未來的值加以預測

14. 相關研究 資料探勘 • 關聯規則 • 在給定的資料集中，發現頻繁出現的項目 • Apriori演算法 • 循序漸進的方式，找出資料中項目的關係 • 支持度(Support) • 信心度(Confidence) • 優點 • 處理龐大複雜的資料 • 産生清晰有用的結果

15. 相關研究 資料探勘 • 群聚分析 • 將一群未事先定義群組的資料，依照資料集中資料的特色進行分類的工作 • 分析資料彼此間的相似程度，分析所找到的群集結果，推論出有用、隱含、令人感興趣的特性和現象 • 廣泛使用於統計學、資料探勘、機器學習 • K-平均法 ( K-Means method ) • 使用者設定K個互不交集的群集 • 優點 • 處理大量資料時相當有擴充性且有效率

16. 相關研究 群聚分析 • K-平均法 ( K-Means method ) • 使用者設定K個互不交集的群集 • K-Means演算法步驟 • 1.隨機從資料集合中選擇任k個資料點當作k群的群集中心 • 2.計算平均值，將資料分別歸類 • 3.重新計算各群集之群集中心點 • 4.重覆步驟2.3動作，直到群集中心與之前相同

17. 相關研究 群聚分析

18. 研究方法與工具 • 研究對象、環境與限制 • 研究流程 • 學習系統使用環境示意圖 • 資料探勘與研究工具

19. 研究方法與工具 研究對象、環境與限制 • 研究限制 • 對象 • 年齡介於22~32歲之間的學生與上班族 • 時間 • 旅遊在徒步兩小時內完成 • 地點 • 新竹縣北埔老街聚落方圓500公尺

20. 研究方法與工具 研究對象、環境與限制 • 研究限制 • 天氣狀況 • 天氣晴朗無雲 • 範圍 • 接近特定景點建築3公尺之內 • 時段 • 非假日期間

21. 研究方法與工具 研究對象、環境與限制 • 學習地點 • 15個景點 • 6種主題類別

22. 研究方法與工具 研究流程

23. 研究方法與工具 學習系統使用環境示意圖

24. 研究方法與工具 研究工具

25. 系統實作 • 系統架構 • 情境感知學習模組 • 休閒模式 • 學習模式 • 學習歷程模組 • 監控模組 • 學習者學習歷程與旅遊路徑特徵擷取

26. 系統實作 系統架構 • 實驗設備 • 行動載具：PDA、GPS • 作業系統：Windows Mobile 5、6 • 系統開發：Microsoft Visual Studio 2008 • 程式語言：C#.NET • 資料庫：Microsoft SQL Server Compact

27. 系統實作 系統架構

28. 系統實作 情境感知學習模組 • 休閒模式

29. 系統實作 情境感知學習模組 • 學習模式

30. 系統實作 情境感知學習模組

31. 系統實作 情境感知學習模組 • 牛刀小試

32. 系統實作 情境感知學習模組

33. 系統實作 學習歷程模組 • 提供教師編輯每一景點位置

34. 系統實作 學習歷程模組

35. 系統實作 監控模組

36. 系統實作 監控模組

37. 系統實作 學習歷程與旅遊路徑特徵擷取

38. 系統實作 休閒旅遊行為特徵紀錄 • 學習者行為特徵資料紀錄簡表 ※詳細特徵資料紀錄表格請翻閱表格10 ，論文page：35頁

39. 系統實作 學習歷程與旅遊路徑特徵擷取

40. 實驗結果 • 蒐集到13位學習者的行為特徵 • Weka軟體 • Apriori演算法 • 分析結果 • 學習者學習成效特徵關聯性 • 學習者休閒教育的六種學習動機

41. 實驗結果 • 總旅遊軌跡數26042筆 • 經緯度 • 時間點 • Weka軟體 • K-Means演算法 • 群聚分析結果 • 所有學習者旅遊軌跡經緯度群聚分佈圖 • 各群集可構成一城市景象 • 所有學習者旅遊軌跡經緯度與時群聚分佈圖 • 隱含的地點

42. 實驗結果 關聯規則分析結果

43. 實驗結果 • 學習者chif屬於冒險者型態

44. 實驗結果 群聚分析結果 • 所有學習者旅遊軌跡經緯度群聚分佈圖

45. 實驗結果 群聚分析結果 • 所有學習者旅遊軌跡經緯度與時間群聚分佈圖

46. 結論 • 成功地建構情境感知之休閒學習系統 • 紀錄學習行為潛在的27個學習行為特徵 • 91.3％學習者完成所有學習內容 • 使用本系統可提高學習動機與興趣 • 建構可供教師編輯情境式學習活動系統 • 設計北埔鄉老街聚落方圓500公尺15個景點與知識內容 • 設計情境式學習活動結合休閒學習系統 • 分析出學習者學習歷程與旅遊路徑特徵間的關聯性 • 學習成效之間的關聯性供教師觀察參考 • 所有移動軌跡點間的群集，可構成一城市景象 • 幫助教師查詢觀察學習者休閒教育中的六種學習動機

47. 結論 • 未來展望 • 增加悅趣式學習活動內容 • 增加以自動知識本體論產生知識內容 • 增加實驗人數 • 增加以其他群聚演算法分析旅遊軌跡

48. 報告完畢請各位評審委員指教