An adaptive learning path planning system based on a recommender system and knowledge space

論文翻譯標題: 基於推薦系統與知識空間之適性化學習路徑規劃系統
  • 莊 家毅

學生論文: Doctoral Thesis

摘要

本研究旨在運用學科領域知識空間、學習狀態與推薦系統,預測學生在數學科各知識點的學習狀況,並規劃適性化之學習路徑,取代傳統教科書章節排序單一路徑的教學方法,使學習路徑能對應學生的差異產生適性化。知識空間由臺南一所女子高中和一所男子高中的教師群共同定義,利用此知識空間產生符合先備(Prerequisite)關聯的學習路徑集。本研究以10題不同知識點的學習前試題測驗作為學習狀態,並以測驗結果做為輸入,經推薦系統演算法產生學生在其它知識點表現的預測值。推薦系統選擇基於使用者協同過濾(User-Based Collaborative Filtering UBCF)演算法預測學生在各個知識點的學習表現,並對照知識空間與系統中的規劃策略,規劃出適性化且能提高學生學習動機的學習路徑。本研究共有108名來自台南兩所高中補修班的學生參與,兩校都使用適性化線上學習平台,兩校都有一個使用傳統教學路徑與一個適性化學習路徑的班級,並於相同授課時間的前後進行測驗。研究範圍包含高中數學科第一冊與第二冊的知識空間,研究利用推薦系統預測學生各知識點答對率,並比較學生學習前後的學習成績。首先,無論適性化路徑班或傳統路徑班,學生後測分數皆顯著高於前測分數,而且男子高中的適性化路徑班的後測分數顯著高於傳統路徑班的後測分數。此外,本研究也利用科技滿意度問卷、學習動機問卷與訪談蒐集學生回饋,研究發現學習動機變化與後測分數達顯著正相關。若學生偏好的學習策略符合適性化學習路徑的規劃策略,適性化學習路徑能提升學生學習動機和學科成績。未來研究可擴大使用平台的學生數量,蒐集更多學生使用的學習數據進行分析,讓推薦系統預測值能更精準,實現個人化獲得知識的效率與效果。
獎項日期2019
原文English
監督員Jeen-Shing Wang (Supervisor)

引用此

'