運用SVM以診斷初學者之程式設計錯誤概念

運用SVM以診斷初學者之程式設計錯誤概念－以迴圈概念為例

論文內容
論文分類	碩士論文
學號	G972108
姓名	楊正宇
標題	運用SVM以診斷初學者之程式設計錯誤概念－以迴圈概念為例
指導教授	賴阿福
畢業日期	2010-07
附件檔案
參考連結	http://163.21.239.2/cgi-bin/cdrfb3/tmtcgsweb.cgi?o=dtmtccdr
摘要	隨著科技的發展以及轉變，評量測驗的方式漸漸在改變，由傳統的紙筆測驗轉變成使用新穎且結合資訊科技的新理論。本研究主要目的在於發展一套結合支援向量機和模糊理論的診斷教學系統，系統功能在於診斷初學者的程式概念，發掘學生的錯誤概念並且給予回饋，教師透過學習歷程可以了解學生學習情況，藉此調整教學方向，讓學習能達到更高成效。本系統主要功能有學生診斷測驗系統(前台系統)、教師管理系統(後台系統)與診斷模組(系統端)，教師管理系統主要功能包含制訂題目、制訂概念權重，訓練專家模組等，教師可以依據想要測驗學生不同迴圈的概念進
參考文獻	中文文獻王進德、蕭大全（2001）。類神經網路與模糊控制理論入門：全華科技圖書股份有限公司。王榮英（2006）。蛋白質溶劑可接觸面積之預測與分析。國立臺灣科技大學資訊工程系碩士論文。王駿發、林博川、王家慶、宋豪靜（2005）。以支援向量機為基礎之新穎語者切換偵測演算法，ROCLING 2005。吳文萍（2006）。不同學習支持對高職生程式設計學習之影響。國立臺灣師範大學資訊教育學系在職進修碩士班碩士論文。吳世宏（2002）。模糊理論應用於非限制性答案評量之研究。大葉大學資訊工程研究所碩士論文。吳德仁（2000）。模糊理論與不確定推理在教學系統中之應用。大葉大學資訊管理研究所碩士論文。李孟柔（2003）。以模糊類神經網路建構線上推論學習成效系統。國立台北師範學院數理教育研究所碩士論文。李源順（1996）。國小幾何的動態診斷教學實驗研究。國立僑生大學先修班學報，4，345-375。李源順、林福來（1998）。校內數學教師專業發展的互動模式。師大學報：科學教育類，43（2），1-23。李源順、林福來（2000）。數學診斷教學能力的培育。師大學報：科學教育類，45（1），1-25。徐村和（1998）。模糊德菲層級分析法。模糊系統學刊，4（1），59-72。張基財（2004）。應用討論式學習於程式設計學習─一個初步的實驗與探討。中原大學資訊工程研究所碩士論文。張景媛（1994）。數學文字題錯誤概念分析及學生建構數學概念的分析。教育心理學報，27，175-200。陳如瑾（2003）。月曆相關時間概念診斷教學之研究。國立台北師範學院數理教育研究所碩士論文。陳柏豪（2008）。基於SVM遺傳疾病輔助篩檢系統以台大醫院新生兒資訊系統為例。國立台灣大學資訊工程學研究所碩士論文。陳盈秀（2009）。SVM類神經網路於單調性資料探勘之研究。國立成功大學工業與資訊管理學系研究所碩士論文。蔡明翰（2003）。自我反思活動對高中生程式設計學習成效與創造力之探討。國立臺灣師範大學資訊教育研究所碩士論文。鄧玉芬（2002）。國小三年級學童時間連續概念與週期概念之診斷教學研究。國立台北師範學院數理教育研究所碩士論文。賴阿福（2001）。初學者結構化程式設計概念分析及教學探討。數理教育研討會，台北市立師範學院數理教育學系，140-152。賴聯福、徐國勛、李允中（1998）。應用模糊邏輯理論擴充概念圖形法，87 年MBA 研討會論文集。羅漢村（2002）。自我監控活動對高中生if敘述程式設計學習成效之影響。國立臺灣師範大學資訊教育研究所碩士論文。英文文獻 Bell, A. (1993). Principles for the design of teaching. Educational Studies in Mathematics, 24(1), 5-34. Chapelle, O., Vapnik, V., Bousquet, O., & Mukherjee, S. (2002). Choosing multiple parameters for support vector machines. Machine Learning, 46(1), 131-159. Chen, S. J., & Hwang, C. L. (1992). Fuzzy Multiple Attribute Decision Making Methods and Applications. Berlin Heidelberg: Springer-Verlag. Chen, Y. W., & Tzeng, G. H. (2001). Using fuzzy integral for evaluation subjectively perceived travel costs in a traffic assignment model. European Journal of Operational Research, 130, 653-664. Clancy, M. (2004). Misconceptions and Attitudes that Interfere with Learning to Program. Computer Science Education Research (pp. 85-100). Netherlands, Lisse: Taylor & Francis Group. Deek, F. P., Kimmel, H., & McHugh, J. A. (1998). Pedagogical changes in the delivery of the first course in computer science: Problem solving then programming. Journal of Engineering Education, 87(3), 313-320. Delgado, M., Herrera, F., Herrera-Viedma, E., & Martinez, L. (1998). Combining numerical and linguistic information in group decision making. Journal of Information Sciences, 107, 177-194. Dubois, D., & Prade, H. (1980). Fuzzy Real Algebra:some result. Fuzzy Set and System, 2, 327-348. Fan R. E., Chen P.-H., & Lin C.-J.(2005). Working set selection using second order information for training SVM. Journal of Machine Learning Research ,6, 1889-1918. Software: libsvm：http://www.csie.ntu.edu.tw/~cjlin/index.html Gunn, S. R. (1998). Support Vector Machines for Classification and Regression (Technical Report). Dept. of Electronics and Computer Science. University of Southampton. Guodong, G., Stan, Z. L., & Kapluk, C. (2000). Face Recognition by Support Vector Machines. Fourth IEEE International Conference on Automatic Face and Gesture Recognition, 196. Huang, W., Yoshiteru, N., & Wang, S. Y. (2005). Forecasting stock market movement direction with support vector machine. Computer & Operations Research, 32, 2513-2522. Ishikawa, A., ,Amagasa, T., Tamizawa, G., Totsuta, R., & Mieno, H. (1993). The Max-Min Delphi Method and Fuzzy Delphi Method Via Fuzzy integration. Fuzzy Sets and System, 55, 241-253. Jonassen, D. H. (1996). Computer in classroom: Mindtools for critical thinking. Englewood Cliffs, New Jersey: Prentice-Hall, Inc. Kaufmann, A., & Gupta, M. M. (1991). Introduction to Fuzzy arithmetic : Theory and application. New York: Van Nostrand Reinhold. Kerslake, D. (1986). Fractions: Children's Strategies and Errors. A Report of the Strategies and Errors in Secondary Mathematics Project. Slough: NFER-NELSON Publishing Company, Ltd. Klir, G. J., & Yuan, B. (1995). Fuzzy Sets and Fuzzy Logic - Theory and Application. New Jersey: Prentice-Hall Inc. Liang, G. S. (1999). Theory and Methodology: Fuzzy MCDM based on ideal and anti-ideal concepts. European Journal of Operational Research, 112, 682-691. McCracken, W. M. (2004). Research on Learning to Design Software. Computer Science Education Research (pp. 155-174). Netherlands, Lisse: Taylor & Francis Group. Onslow, B. A. (1986). Overcoming conceptual obstacles concerning rates：Design and implementation of a diagnostic teaching unit. The University of Nottingham for the degree of Doctor of Philosophy. Pea, R. D., & Kurland, D. M. (1984). On the cognitive effects of learning computer programming. New Ideas in Psychology, 2, 137-168. Posner, G. J., & Gertzog, W. A. (1982). The clinical interview and the measurement of conceptual change. Science Education, 66(2), 195-209. Royce, W. W. (1987). Managing the Development of Large Scale Software Systems:Concept and Techniques. International Conference on Software Engineering . 328-338. Sleeman, D., Putnam, R. T., Baxter, J., & Kuspa, L. (1986). Pascal and high-school students: A study of misconceptions. Journal of Educational Computing Research, 2, 28-45. Tirosh, D., & Stavy, R. (1999). The intuitive rules theory and inservice teacher education (pp. 205-225). Proceedings of the 1999 International Conference of Mathematics Teacher Education, Department of Mathematics National Taiwan Normal University. Taipei, Taiwan. Vapnik, V. N. (1995). The Nature of Statistical Learning Theory. New York: Springer-Verlag. Zadeh. (1965). Fuzzy sets. Information and Control, 8, 338-353. Zadeh, L. I. (1975). The concept of a linguistic variable and its applications to approximate reasoning. Information Sciences, 8, 199-249. Zimmerman, H. J. (1991). Fuzzy Set Theory and its Application (2nd.). Boston: Kluwer Academic Publisher

瀏覽數: