摘要

• 作者：黃秋燕

文章內容

壹、前言

隨著資訊科技及網際網路的進步與普及，加上知識經濟的需求，「數位學習」已成為目前炙手可熱的議題。數位學習最迷人之處是不受時空限制、可反覆學 習，亦可提供多媒體的教材呈現及更豐富的教材內容，並且有多元化的學習路徑可供選擇，但也因此很容易造成學習者在學習上的認知迷失。

因而，目前網路學習更強調「適性化」的需求，使得智慧型教學系統(Intelligent Tutoring System; ITS)的研究成為熱門主題，讓學習者可依個人不同的能力，以不同的速度或路徑瀏覽閱讀教材。然而傳統ITS有兩個缺點：其一，它通常由教學設計者在數位 教材上設定固定的規則，透過學習者回答問題，系統再提示學習者下一步該如何進行，分別提供各類群的學習者所需的教材。這種作法所產生的「適性化」只是片面 的適性化，學習者仍然是以教學設計者的角度所設定好的學習路徑進行學習，而非真正配合學習者的學習風格或學習偏好來提供適性化的學習路徑。畢竟，預先設定 好的教學策略，通常是根據專家的教學經驗來安排，其中可能隱含著教學者的個人迷思(miss-concept)，而導致某些學生錯誤概念的建構；其二，它 通常將教學策略規則設計在數位教材當中，造成數位教材及教學策略規則的再運用性降低。

然而，網路教學可以在不影響學生進行學習的情況下，方便記錄所有學生相關的學習行為資訊，許多網路教學的相關研究顯示記錄學生的學習路徑及 表現，可以提供教師作為評估學習成效及改善教學策略的依據，這些都是非常有用且珍貴的資料。再加上近年來在資料庫領域廣泛應用的「資料探勘」(data mining)技術，能依據資料的性質，針對所要處理的問題及分析的目的，以最適合的方式，透過適當的工具，在龐大的資料中，尋找出隱藏其中有價值的資訊 或知識，作為決策時之參考依據。運用資料探勘的分類、推估、預測…等功能，進行學習歷程資料的分析，可以獲得許多有價值的資訊，以提升教師之教學及學生之 學習成效。

基於上述的研究背景與動機，本研究旨在於探討如何運用資料探勘技術，分析符合SCORM 2004 SN規範教材之學習歷程資料，找出課程適當之學習路徑，以配合SCORM教材元件之再使用性及SN之順序瀏覽安排機制，建立良好學習引導之課程教材。

貳、相關概念探討

本節以SCORM數位學習標準及資料探勘兩議題探討本研究相關概念。

一、SCORM數位學習標準

SCORM(Sharable Content Object Reference Model)是由美國國防部在推動ADL先導計劃(Advanced Distributed Learning Initiative)中，集合教材開發廠商、使用者、以及IMS、AICC、IEEE的LIST等教材標準推動單位，共同提出的一套網路教學平台及學習 物件結構標準。SCORM的規格是希望教材能具備再使用性(reusable)、易得性(accessible)、恆久性(durable)、互通性 (interoperable)、可適性(adaptable)、可負擔性(affordable)…等特性，讓各個教學平台間能透過共通的介面，達到縮 短教材開發時程，降低教材開發成本，並使知識能透過網際網路更迅速、廣泛的流通。

而SCORM所訂定的規格是由「教材整合模式」(Content Aggregation Model; CAM)及「課程執行環境」(Run-Time Environment; RTE)兩部分所組成。CAM用來定義教材中所使用的教材元件和包裝架構，以及metadata描述教材的方式；而RTE則包含系統平台與教材之間溝通的 介面，整個RTE執行環境可讓學習者透過瀏覽器啟動學習物件，並以應用程式介面建立一個程序與反應的溝通管道，藉此追踪學習者的學習狀態，並傳遞記錄學習 者的學習歷程資料。

2004年SCORM進入另一個重要的里程碑，ADL結合IMS的「簡單順序安排規格」(Simple Sequencing Specification; SSS)在CAM當中加入了「順序瀏覽」(Sequencing and Navigation; SN)，其主要目的是用來串連原本各自獨立的學習物件，使教學設計者可以將教學策略透過「順序瀏覽」規則融入數位教材設計之中。

二、資料探勘

「資料探勘」(data mining)指由大量資料中擷取出先前未知的有價值之資訊或資料型樣(pattern)，亦即將資料轉換成知識，以協助制定決策或進行預測，因此，資料探勘具有解釋性、驗證性及探索性…等目的。

資料探勘包含有許多不同的功能，分別應用在不同的領域上，包括有：分類（classification）、推估（estimation）、 預測（prediction）、關聯法則（association）、叢集群組（clustering）及序列型樣（sequential pattern）…等。

而資料探勘技術應用於分析網站的相關資料，即稱為「網站探勘」(web mining)。大致而言，網站探勘的目的依不同的探勘技術，針對不同的網站相關資料進行分析可分為三類，包括：網站內容探勘(web content mining)、網站架構探勘(web structure mining)及網站使用狀況探勘(web usage mining)。本研究的目的即是屬於第三類，針對學習者在網站中瀏覽的行為狀況進行探勘，找出瀏覽路徑型樣(path traversal pattern)。

瀏覽路徑型樣探勘主要是針對使用者瀏覽網頁的順序進行探勘，因此適合運用序列型樣(sequence pattern)探勘方法，因為序列型樣探勘主要在尋找資料項目之間的發生順序，亦即利用項目之間的先後順序，探勘出資料庫中所隱含的資訊。有關序列型樣 的研究在1995年由Agrawal 與 Srikant首度提出，發展至今，序列型樣探勘的演算法大致可分為兩大類研究方向，一類是Apriori-Like的作法，它沿用關聯規則分析的 Apriori演算法，加入時間維度的考量，使具有前後順序關係，常見的演算法有Full-Scan、Selective-Scan；另一類是 Suffix-Tree Like的作法，將所有使用者瀏覽序列建立成樹(tree)或圖(graph)的形式，再進行序列探勘，這樣的作法是希望藉此減少對資料庫的存取，以便加 快執行效率，常見的有WUM、WAP-Tree。

參、研究內容

本研究以高職「計算機概論」課程中的「數值系統轉換」單元為例，旨在利用SCORM 2004 SN規則設計教材，並透過SCORM 2004 RTE平台播放教材，記錄探勘所需之學習歷程資料，運用瀏覽路徑序列探勘技術，挖掘值得推薦之學習路徑型樣。

一、教材規則設計

本研究為取得有效學習之學習歷程紀錄，每個子單元教材之架構如圖一所示，單元學習活動包含瀏覽單元之教材內容及三題該單元的後測試題。

• 圖一：教材學習活動樹

學生以其帳號及密碼登入SCORM 2004 RTE教材播放平台後，進入課程畫面，如圖二，未點選進入任何單元前，畫面顯示課程單元架構的樹狀結構，允許學習者可任意點選學習單元；而點選任何單元教 材開始瀏覽後，即進入Unit Aggregation，則如圖三左邊的樹狀結構立刻關閉，只能利用『繼續』循序控制按鈕進入Post-Test Aggregation，進行單元後測，直到完成系統隨機選取的三題單元後測試題後，樹狀結構物件即再度開啟，學習者可再任意選擇要學習的單元。其目的是 要由該單元後測結果，於學習歷程資料中判斷學習者在該單元中是否進行了有效學習，若答對兩題以上，則該單元判定為有效學習節點，反之則否。

• 圖二：課程畫面

• 圖三：進入教材單元畫面

• 圖四：單元後測及回饋畫面

• 圖五：完成單元學習活動後畫面

二、學習路徑探勘

RTE後端資料庫所收集的學習歷程資料表Portfolio，包含資料欄位如下表：

欄位名稱	資料類型	說明
識別碼	自動網號	資料紀錄編號
UserID	文字	學習者帳號
CourseID	文字	課程名稱
ScoID	文字	單元名稱
ActivityID	文字	單元名稱
Testing	文字	是否為測驗單元（Y/N），預設為Y
Score	數字	測驗是否答對(1/0)，預設為0
Numattempts	數字	單元教材閱覽次數
UserName	文字	學習者姓名
DateTime	日期／時間	單元教材開始閱覽日期及時間

為了發掘出較具意義的學習歷程路徑型樣(pattern)，本研究配合課程學習成就測驗進行較佳的學習序列型樣的挖掘，將成就測驗成績高於 1個標準差的良好學習成效學習者之學習序列型樣推薦給學習成效不佳的學習者參考，進行補救學習，也可提供給後進學習者，或教師在進行教學策略規劃時參考。 以學習成效良好之學習者的學習歷程資料作為學習路徑型樣探勘的資料來源，進行資料前處理，取出有效學習紀錄，再建立有效學習路徑之Aggregation Tree進行路徑探勘分析。其步驟分為「資料前處理」及「學習路徑型樣探勘」，作法分別說明如下：

(一)資料前處理

資料前處理包含「取得有效學習紀錄」及「轉換為學習者瀏覽序列」兩個項工作說明如下：

1.取得有效學習紀錄 教材瀏覽規則設定學習者每進入閱覽單元教材後，必須接著完成3題該子單元的後測，才能再選擇其他子單元教材閱覽，因此，透過SCORM 2004 RET可於後端資料庫的Portfolio資料表中，記錄學習者已閱覽了哪些單元及每個單元的後測結果。

Portfolio資料表以UserID及DateTime兩個欄位分別為主要鍵及次要鍵排序後，可將同一學習者之學習紀錄排在同一段落， 並以時間先後順序排列。如圖六所示，各單元的後測結果若答對大於或等於2題，則該單元判定為有效學習，如圖六中的，那麼該單元教材網頁紀錄，則保留以便後 續進行瀏覽序列型樣探勘，反之，則為判定為無效學習，如圖六中的，則該筆單元教材網頁紀錄刪除，依此原則處理，最後得到的有效學習紀錄如圖七所示。

• 圖六：Portfolio資料表原始資料內涵

• 圖七：Portfolio資料表中有效學習節點紀錄

2.轉換為學習者瀏覽序列(User Session) 如圖八，以ScoMap對照表轉換Portfolio資料表中的SCOID欄位，以提升路徑探勘速度，轉換後如圖九所示。接下來將相同USERID的 SCOID依時間前後順序排列出學習者的瀏覽路徑序列，轉換出每位學習者在課程當中的有效瀏覽路徑序列，稱為User Session，如圖十所示。

• 圖八：課程單元名稱與代碼對照表

• 圖九：Portfolio資料表中SCOID欄位轉換結果

• 圖十：教材網頁節點瀏覽路徑序列

(二) 學習路徑型樣探勘

建立所有User Session的Aggregation Tree如圖十一及十二，再由Aggregation Tree中挖掘學習路徑型樣。首先，由根節點開始，依序往下尋找傾向值大於1的分支節點，串連成學習路徑型樣；此外，若遇傾向值等於1的節點，則考量其支 持度高低，若支持度大於或等於所設定之最小支持度，則該節點納入所挖掘之學習路徑型樣，繼續往下挖掘，反之則否。而本研究採用之最小支持度為3，產生二個 值得推薦之學習路徑型樣。

• 圖4-11：值得推薦之學習路徑型樣(1)

• 圖4-12：值得推薦之學習路徑型樣(2)

肆、結語

本研究之學習者在整個課程的學習過程中，可依不同順序自由選擇其所欲學習的單元，不同的學習順序，可能形成不同的學習成效，為判斷學習者在其所選擇 的學習單元中是否真正進行了有效的學習，本研究提出了一個單元教材的SN瀏覽規則，用以判斷學習者是否於該單元進行了有效學習。基於學習物件共享及教材順 序規則共享的原則下，本研究利用SCORM 2004 SN所建立之單元教材瀏覽規則可讓教材設計者在設計教材、組裝教材元件時，當作規則模板（template）套用，以便了解學習者在各單元中的學習狀況。

而符合SCORM規範之教材，均可在SCORM 2004 RTE上播放，提供學習者一個學習的平台。因此，只要配合SCORM 2004 RTE之應用程式介面的修改，就可以記錄學習者在學習過程中的各種學習歷程資料，作為各種學習歷程檔案的相關應用，不必侷限於學習管理平台的限制，即可取 得所要進行分析研究的學習歷程檔案。

此外，配合課程學習成就測驗，針對學習成效良好之學習者的課程單元的學習順序進行探勘，萃取適當的課程單元學習順序。這樣的模式應可提供不同課程分析其適當教學策略之參考，而不再一昧以專家或教學者本身之想法進行教學。