簡易檢索 / 詳目顯示

研究生: 呂介翔
Chieh-Shiang Lu
論文名稱: 以機器學習特徵應用於學習診斷之研究
The Sudy of Learning Diagnosis using Machine Learning Features
指導教授: 侯文娟
Hou, Wen-Juan
學位類別: 碩士
Master
系所名稱: 資訊工程學系
Department of Computer Science and Information Engineering
論文出版年: 2011
畢業學年度: 99
語文別: 中文
論文頁數: 38
中文關鍵詞: 自由文本學習診斷核心概念
英文關鍵詞: free-text, learning diagnosis, core concept
論文種類: 學術論文
相關次數: 點閱:130下載:21
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報
  • 為了增進老師與學生之間的互動以提高學生學習的意願,最主要的重點是讓老師能迅速的了解學生的學習狀況,藉此改進教學的內容。在先前本實驗室(Tsao, 2010)的研究中,我們能夠藉著智慧型電腦系統自動評量分數的幫助,讓老師們能減少批改學生成績的時間。因此,接下來的研究便是希望能夠利用電腦系統進行自動診斷學生答案,指出學生缺少的概念,配合先前發展的自動評估系統,讓師生雙方都能更瞭解學生的學習情況,以增進學習的品質。
    一般的學習診斷系統,通常是直接將學生的答案與老師提供的標準答案做比較,即可直接顯示出學生所缺少的部份;但此方法受限於必須先知道標準答案且因標準答案時常會參雜過多的字,而導致無法確定哪些是學生真正缺少的部份。
    因此,本實驗的目的在於不需要老師提供標準答案,能夠自動的從學生答案中進行分析而產生題目的核心概念,進而診斷出學生缺少的部份。

    For enhancing the interaction between students and teachers, it is important to allow teachers to understand the student’s learning level and improve the teaching materials. In the previous research by our laboratory, we can decrease the time of grading via an intelligent computer automatic assessment system. Therefore, we expect the following research can diagnose the answers and indicate the inadequate concept by automatic computer systems, and corresponding to the previous automatic assessment system, we can understand students’ learning situation for improving the learning quality.
    General learning diagnosis systems contrast the students’ response and standard answers. Unfortunately, this method is restricted by known answers and the answers which contain too many words not to ensure which part the student lacks.
    As a result, the goal of this experiment is to analyze the core concept of the subject automatically without additional standard answers to diagnose the students’ response.

    附表目錄 VII 附圖目錄 VIII 第一章 緒論 1 第一節 研究動機 1 第二節 研究目的 2 第三節 論文組織 2 第二章 相關研究討論 4 第一節 自動評量系統之研究 4 第二節 自動診斷系統之相關研究 7 第三章 研究方法 11 第一節 研究方法架構 11 第二節 實驗資料 13 第三節 研究方法詳述 13 第四節 資料前置處理 13 第五節 資料比對及擷取 17 第六節 效能評估 20 第四章 實驗與結果 22 第一節 評估測量方式 22 第二節 評估結果與分析 25 第五章 結論與未來發展 32 參考書目 35 附錄 37

    Delmonte, Rodolfo (2003). Linguistic Knowledge and Reasoning for Error Diagnosis and Feedback Generation. CALICO Journal, 20(3).513-532.

    English Stopwords from http://www.ranks.nl/resources/stopwords.html

    Heh, J.S., Li, S.C.; Alex Chang; Maiga Chang; Liu, T.C. (2008), “Diagnosis Mechanism and Feedback System to Accomplish the Full-Loop Learning Architecture”, Educational Technology & Society, Vol.11, No.1 p.29-44. ,
    Hsu, C.W., Chang, C.C. and Lin, C.J. (2004).A practical guide to support vector classification. Technical Report, Department of Computer Science and information Engineering, National Taiwan University.
    Available: http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf.

    Huang, C. J., Liu, M. C., Chu, S. S., & Cheng, C. L. (2007). An Intelligent Learning Diagnosis System for Web-Based Thematic Learning Platform, Computers & Education, 48, 658-679(SSCI,SCI)

    Kraaij, W., &Pohlmann, R. (1994).Porter' s stemming algorithm for Dutch. InNoordman, L., &de Vroomen, W., editors, Informatiewetenschap 1994: Wetenschappelijkebijdragenaan de derde STINFON Conferentie, pp.167–180.

    Porter, M.F. (1980) An algorithm for suffix stripping. In Program, 14(3), pp.130 – 137.

    Stacey M. Bailey, B.S., M.A., M.A.(2008).Content Assessment in Intelligent Computer-aided Language Learning: Meaning Error Diagnosis for English as a Second Language.

    Tsao, Jia-Hao (2010). Automatic Assessment of Students’ Answers by Natural Language Processing Techniques, Master Thesis.

    Van Rijsbergen, C. J. (1979). Information Retrieval (2nd ed.). London: Butterworth-Heinemann.

    下載圖示
    QR CODE