在线学习系统透过数据探勘技术建构推荐学习心得.docx

在线学习系统透过数据探勘技术建构推荐学习心得一、研究背景藉由课程的统一与教材的重复使用可节制作教材的时间，所以SCORM(Sharable Content Object Reference Model)的课程标准油然而生。主要目标是建共通性架构，达成学习工具与内容的互操作性目标。SCORM解决课程共通性的问题，让课程有统一化的标准。二、研究动机l 网际网的发展带在线学习的普及l 因课程统一与制作课程工具，让课程有愈愈多的趋势l 学习方式的变动，让学习者可选择其他吸收知的方式三、研究目的本研究主要是以搜集学习者的学习程再透过 Web mining 分析推荐径，给于未学习者做先前学习者的径考资，分析相关性较高学习径给予学习者做推荐。推荐后的评估需要长时间的去搜集资与分析，并非本研究的重点，本研究着重于在在线学习平台提供一个实时的推荐给予学习者做考，引导学习者走向较为正确的学习径。四、e-Learning 定义：e-Learning 就是学习者与教学者再受限于传统面对面授课、固定时间、地点的限制，可以随时随地透过网进互动教学，学习者可以依自己的学习况调整自己学习的进，教学者亦可视学习者的情况调整其教学进，以达到客制化的学习质量。五、SCORM定义：SCORM (Sharable Content Object Reference Model) 标准是由美国国防部与白宫科技会于1997 所合推动的ADL 计划中被提出的标准规格内容：1.可存取性(Accessibility)2. 可沟通性(Interoperability)3. 耐久性(Durability)4. 可重用性(Reusability)六、在线学习系统透过数据探勘技术建构推荐学习本研究主要是研究网页使用者探勘(Web Usage Mining) 收集在线学习者浏览课程信息，再将这些学习程加以分析探勘。网页使用者探勘是将资探勘技术应用到网页浏览信息的探勘，通常探勘的资源是网站日志文件。Step1确立算法：PPA 演算法。以实时作业的方式做处，所以较适用于在线学习平台断的新增学习径信息，才可提供最快的学习径统计信息结果。Step2确立研究方法：的部份加上有效的学习时间及以好成绩。有效的学习时间：将学习者的学习时间做分，只下较可靠的学习时间做为学习记的依据。（单纯浏览网页、浏览网页做网习的时间会较长）以好成绩：搜集好成绩的在线学习者的学习径。（搜集通过测试成绩较好的学习者的径做为考的依据）Step3资料转换：把在网页走访记录存在webblog中：记录包括日期、在网页活动的时间、学习者ip地址、网页地址Step4形成学习概图：筛选出的学习径需要分，给予同域同的学习推荐径。会在同的学习域下提供同的学习信息。Step5形成推荐：推荐考的径给学习者，引导学习者，学习较为正确的学习程；这些学习程自于先前的学习者的经验，经过筛选下最佳的学习给未的学习者。七、结论与建议1. 本研究认为的推荐学习应该有下几点特性：l 学习径的推荐提供考的接口，以学习者有自由性修正自己学习径，也因此修正资库中的学习径.ll 在线学习应以实时性的方式推荐考径。l 学习概图没有固定的学习模式。l 新的课程，新的知在在线学习没有固定的学习径，可让学生透过个人经验自产生径。l 协同式的学习模式可依人的增加慢慢，因而导向大众化的学习径，较为正确的径会依人，多人的经验认可此径的可靠，径的统计次也会相同的提升。l 真正的推荐应包含适应化的去分析学习者的风格，课程也应该分，如文字、图形、动画、影片等等特性，再依学习者的学习风格给予适合特性的学习课程。2未几个可以研究及努的方向：l 将此架构实作于 e-Learning 的平台之上，再给予适当的系统评估。l 整合其他系统：网发展迅速，可以在结合其他的网技术增加学习质量，让学习多元化。l 加入适应化的学习推荐系统，因材施教的概去建构出个人化学习径推荐系统，因为本架构是以分的方式推荐出学习径，个人化的学习才是未学习的走向。l 学习推荐径是可以再进一步的去研究，在在线学习的课程推荐情况与电子商务的商品推荐情况是有些许上的同，所撷取的部份可以再做进一步的讲究，让推荐的效果为准。如学习的有效时间，的商品浏览的购物时间是有所差的。3. 研究结果l 电子商务商品推荐