以Van Hiele 認知模式與貝氏網路建構智慧型程式語言診斷與推薦學習機制

Abstract

現今數位學習的程式語言教學環境大皆具 備多元化的教學內容及多媒體的教學媒介，然而 其教材主題及內容的呈現，卻經常無法有效的根 據學習者的認知現況與學習缺口做出精確的推 薦與調整。本研究旨在貝氏網路及學習者個人信 心確定度的架構上，將Van Hiele 的圖形與空間 思考模式之理論(Van Hiele Model)與認知學派的 學習層次及錯誤類別加以整合，提出一智慧型程 式語言診斷與推薦學習之教導模式參考架構。研 究發現學習者從視覺化的刺激與練習開始出 發，經歷描述、涉入、邏輯推演、抽象模組化等 五階段的教學程序及步驟，加上貝氏網路精準的 診斷與推薦，確能有效的減低學生在學習程式設 計上所可能遭遇到的挫折與困難，增進學生學習 興趣，進而達到提升學生程式設計能力的目的。 而築基於非循環有向圖的邏輯思考模式，更能有 效的將不同學習節點間之相關性及次序性加以 串接，形成最有效的課程概念。 本研究成功的以南縣兩所科技大學資訊相 關系所共58 名學生的問卷調查及專家意見，來 建構貝氏引擎內的先期機率表，未來將實作出完 善的網路平台，藉由收集更多學生練習與填答的 樣本資料，來修正機率數據，以避免貝氏推薦機制在小樣本數的操作情況下，受到極端樣本的影 響，達到最適診斷與推薦目標。