利用人工智慧技術自動命題於個人化互助學習之研究

因為網際網路的發達,目前線上學習資源不斷增加, 已讓學生自學成為一種可能, 本計晝期待利用人工智慧的深度學習方式應用於協助學生的自學與協助教師教學。利用三年的時間，建構3個可以協助學生與老師在自學過程中可以利用的模組, 提昇學習與教學效益。主要目標為第一年建構自動命題系統，第二年為個人化互助學習媒合，第三年為利用區塊鏈儲存的自動學習歷程產生。第一年主要在學習的過程中, 學習成果驗收最常做的方法是進行測驗, 雖利用試題測驗來評量學生對於學習內容的了解程度和反映學習狀況是目前常手的方法，然而現今的試題來源主要來源為教學教師或出版商，人力命題的過程相當耗時且費力，並且對於學生而言欲獲得課程相關模擬試題並不容易，通常僅能依靠參考書內附的練習題、書商公開出版的題庫或過往的考古試題來練習及進行自我評估, 學生不易取得練習題自評時不易了解自己的學習效果。為解決以上問題，第一年計畫目標使用多源教材找出老師的授課重點並透過能找出文件潛在語義的主題模型進行句子選擇來自動產生測驗題；而問題建構階段有別於傳統深度學習之seq2seq架構，本研究將使用Feature-rich Encoder加入字詞額外的特徵，並提出Topic-embedding Decoder加入整體性之文件主題的概念，期望生成較流暢且符合章節內容之試題。第二的年的計畫重心將轉移到問題指導人員媒合，大部份學生自學仍會遇到瓶頸, 許多時候是需要問題解決者一起來協助, 傳統上問題解決者為教師, 第二年的目標將利用collaborative learning，利用collaborative filter(CF)的方法, 找出學習方向接近, 並媒合可互助的同學，成為推薦的對象, 但目前類似方法最大的問題是媒合完成後不一定會有意願協助有問題同學, 這個情況將利用第三年計畫來解決, 第三年的目標將以建構區塊鏈的learning profolio的成果報告，在進行適當的個人化分析並綜整出適合的學習過程並紀錄學習過程中擔任指導人與學習人的所有歷程給老師或學生. 利用為善可為人知的紀錄，提昇第二年可能遇到媒合後協助動力不足的問題。並利用文字產生的技術來自動產生學習歷程以減少人力紀錄學習歷程資料不足的問題。