Automated generation of lectures and computation of influencing domains based on social learning environment

淡江大學機構典藏 > 工學院 > 資訊工程學系暨研究所 > 學位論文 > Item 987654321/102567

請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/102567

題名:	Automated generation of lectures and computation of influencing domains based on social learning environment
其他題名:	基於社群學習之自動化課程產生機制及影響力領域之計算
作者:	翁孟廷;Weng, Meng-Ting
貢獻者:	淡江大學資訊工程學系博士班趙榮耀
關鍵詞:	社群學習;課程產生機制;影響力領域;自動化機制;Social learning;Lecture generation;Influencing domains;Automatic mechanism
日期:	2014
上傳時間:	2015-05-04 09:59:05 (UTC+8)
摘要:	近年來，在數位學習領域的相關研究已經如雨後春筍般地被提出以及探討了，但隨著科技時代的進步，仍然有許多數位學習相關的議題被提出且仍就未被完善的解決。舉例來說，在傳統數位學習中，學生只能在數位裝置上，從老師或助教中得到被指派的學習課程，但這些課程內容卻都是根據課程大綱進度或是老師安排的進度去安排的，而且大部分的內容幾乎都是在固定的課程大綱內的內容。但這樣形式的課程，只對於課內的教材或是比較被動的學生來說是有些許幫助的，而且這樣的幫助也是有限的，另外對於其他課外的課程或是比較主動學習的學生來說，可能喪失更多額外的學習機會。隨著社群媒體的流行以及行動科技的發達，越來越多人喜歡在社群媒體上分享或討論很多即時訊息與知識，也因此很多人可也藉由社群媒體得到這些即時的知識與訊息。像這一類來自社群媒體平台上的知識與訊息，我們可以統稱之為「社群知識」，而這一類的社群知識更容易讓使用者去激勵自己在社群平台上自我學習的意識，並且藉由與其他社群媒體使用者的互動，來得到更多學習方面的競爭感和學習來源。而這樣的學習模式，我們也可以稱做是「社群學習」。在本論文中，將會探討兩個在社群學習中的議題 (1)社群學習中的知識關係 (2)時間因素對於社群知識之影響。另外本研究也設計出兩個自動化機制來優化社群學習效率 (1)自動化課程產生機制 (2)影響力領域之計算。本研究也將這兩個自動化機制實做在ELGG社群平台上，並用此來做相關實驗。而研究結果也指出使用者的高滿意度及進步的學習成效。也因此，我們深信在未來的數位學習領域中，社群學習將扮演著很重要的角色。 In recent years, the research in E-learning scope has been concerned for many years, but there are still have unsolved issues with the technology-center century in E-learning. For example, traditional E-learning only allows student to retrieve learning content from instructor or teach assistant. Otherwise, most of the learning content are pre-defined curriculum and a fixed knowledge domain. This type of learning content only have solid impact in class and for the students who are passive. With the population of social media (e.g., Facebook, Twitter, Google+ etc.) and mobile technology (e.g., smart phone, tablet) in recent years. Some sort of instant knowledge can be obtained by daily users with smart phone or PC, this kind of knowledge from social media can be called as social knowledge which can lead self-paced learning from social networks. This type of learning way can be called as Social Learning (or s-Learning). This thesis also points out two issues and in social learning: (1) knowledge for social learning, (2) time factors for social knowledge. Two significant automation mechanisms proposed: (1) automated generation of lectures, (2) computation of influencing domains. Those two mechanisms are proposed to facilitate the efficiency of social learning. Also, this research implemented proposed mechanisms based on a social networking engine named Elgg, with the support from a learning object repository that has stored and shared for more than twenty thousand records. In experiment parts, the questionnaire indicates the positive feedback of proposed algorithm on Elgg. With the results of experiment, we conclude that daily users may learn from instant social knowledge in the next era of e-learning.
顯示於類別:	[資訊工程學系暨研究所] 學位論文

文件中的檔案:

檔案	大小	格式	瀏覽次數
index.html	0Kb	HTML	152	檢視/開啟

在機構典藏中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....