網路學習的發展與成熟，透過學習者在教學網站參與各項教學活動過程中所記錄下來的學習歷程檔案，可以幫助教師有效的掌握學習者的學習狀況。為了將這些儲存每個學習者的學習動作之網頁日誌轉換成具教育意義的資訊，以幫助教師能夠即時觀察學生的學習狀況。並提供整合多個維度的觀察方式，讓教師可即時觀察學生所有的學習行為及學習狀況。本研究提供一個整合性的分析機制，可以利用現有的學習歷程檔案，整合多個觀察維度分析出學生的學習行為，並用決策樹分析預測出可能發生學習困難的學生，讓教學者可以即時的給予適當的教學輔助。
經由本研究的分析發現，(1)不同的課程與其產生的決策規則將會與該門課程的課程性質、教師的教學方式以及分數評量重點項目不同而有不同對應屬性，而繳交作業將是教師在評量學生的學習成效上一個很重要的依據，且這些與學生學習成效相關的屬性都一定與學生在網路上學習行為相關。(2)利用時間點的觀念將這些學習行為變項做累計的動作，確實能夠在一定的時間點之前就能夠提早預測到學生可能的學習成效；然而以不同時間單位做預測的效果差異性不大，但個別來看各個時間單位下都能在一定的時間點即達到預測的效果。(3)用不同成績等級分類方式針對整體學生來做分析預測時，各種的成績分類方式對於描述決策規則的效果都很高，但預測整體學生的學習行為與學習成效間的關係有其困難。(4)平均而言經由本研究所分析出的決策規則用來預測高分群學生的學習行為較為不易，但是能夠有效的預測出低分群的學習行為。表示經由本研究的方式，能夠在學期中藉由即時的觀察學生的學習狀況與學習行為，提早預測出可能落入低分群的學生，教師可以依據此資訊即早給予教學輔助以達到個別化教學的目標。

In recent years, with the development of electronic media, e-learning has begun to replace traditional teaching and learning with Internet service. With the availability of newly developed technology, opportunities have risen for the teacher of e-learning to using students’ learning logs that recorded via Web site to understanding the learning state of students. This research will address an analytical mechanism that integrated multidimensional logs to let teachers observe students all learning behaviors and learning status immediately, and used decision tree analysis to detect when and what students may have a learning bottleneck. Finally, teachers can use those results to give the right student with the right remedial instruction at the right time.
Summary, we have four conclusions: (1) the decision rules are different from course to course, for example instruction method and assessment method, assignment is a basis to assess student’s learning effectiveness, as well those attributes cooperate with learning effectiveness are related to student’s learning behaviors. (2) To accumulate those learning behavior attributes with the time point actually detect learners probably learning effectiveness early. The variation of effectiveness with different time interval is not clearly, but all time intervals can detect learning effectiveness early. (3) To detect students’ learning effectiveness with different grade level classifications, every grade level classifications can describe decision rules very well, but not to detect all students’ learning effectiveness. (4) Although to detect high-grade students’ learning effectiveness are very difficult, but we can detect lower-grade students’ learning effectiveness. Finally, this research can really observe student’s leaning states immediately, and early detect students’ learning effectiveness. Therefore, teachers can make decisions to manage learning activities to promote learning effect.

第1章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 4
1.4 論文架構與研究流程 5
第2章 文獻探討 7
2.1 學習歷程記錄與相關研究 7
2.2 學習活動、學習時間與學習成效之關係 9
2.3 資料探勘相關理論 11
2.4 決策樹相關理論與應用 14
第3章 研究架構與方法 20
3.1 研究架構 20
3.2 研究對象 22
3.3 分析變數 23
3.4 研究步驟 24
3.5 研究方法與工具 31
第4章 資料分析結果與討論 32
4.1 不同課程下課程屬性與決策規則之關係 33
4.2 不同時間單位下各時間點與決策規則之關係 39
4.3 不同成績等級分類方式與決策規則之關係 46
4.4 不同時間單位下各時間點與高分及低分預測效果之關係 48
4.5 不同成績等級分類方式與高分及低分預測效果之關係 58
第5章 結論與建議 63
參考文獻 68
中文參考文獻 68
英文參考文獻 71

中文參考文獻
[1]. 王錦裕(2001)，線上閱讀的學習時間型態與學習互動及學習成就相關性之研究，國立高雄師範大學資訊教育研究所碩士論文。
[2]. 王文中、呂金燮、吳毓塋(1999)，教育測驗與評量-教室學習觀點，五南出版有限公司。
[3]. 余民寧(1997)，教育測驗與評量，心理出版社。
[4]. 吳明隆(2000)，班級經營與教學新趨勢，五南出版社。
[5]. 吳信賢(2000)，非同步網路教學系統之發展及學習歷程檔案，國立臺灣師範大學資訊教育研究所碩士論文。
[6]. 呂靜芳(1999)，由網站行為歷程以貝式學習建立學習者模式之引導系統，國立中央大學資訊工程研究所碩士論文。
[7]. 李怡慧(2000)，網路教學環境上群組合作學習分組方式之探討，國立中山大學資訊管理研究所碩士論文。
[8]. 李建億、吳孟淞、吳政道(2000)，”在全球資訊網學習環境中學習歷程樣式發掘法之研究”，第八屆台灣區網際網路研討會”，台南，國立成功大學，頁448-455。
[9]. 邱美珍(1996)，決策樹學習法中連續屬性之分類研究，中原大學資訊工程研究所碩士論文。
[10]. 岳修平、王郁青(2000)，”電子化學習歷程檔案實施之態度研究”，教育心理學報，第31卷，第2期，頁65-84。
[11]. 林奇賢(1997)，”全球資訊網輔助學習系統-網際網路與國小教育”，資訊與電腦雜誌，第58期，頁14-18。
[12]. 林清賀(1998)，網路學習系統上之學習歷程評量輔助系統，國立中央大學資訊工程研究所碩士論文。
[13]. 倪家祥(2000)，以網站行為的歷程建立具時間性學習者模式，國立中央大學資訊工程研究所碩士論文。
[14]. 莊雅茹、張銀益、吳照輝、劉季綸、林淑瓊(2000)，”傳統教室與虛擬教室學習成效之研究”，第十一屆全國資訊管理學術研討會，高雄，國立中山大學。
[15]. 黃武元、張宸彬(2002)，”非同步學習活動與教材特性對於學習時間之影響”，科學教育學刊，第10卷，第2期，頁179-191。
[16]. 黃常明(1998)，遠距教學學習成就及相關因素研究，國立師範大學社會教育研究所碩士論文。
[17]. 郭俐蘭(2000)，支援使用者觀點之線上分析系統，國立中央大學資訊工程研究所碩士論文。
[18]. 陳年興(2000)，”網路教學與傳統教學之比較分析”，遠距教育，第15/16期合刊，頁153-163。
[19]. 陳年興、石岳峻(2000)，”建構式網路教學系統設計準則與評量結果”，第十一屆全國資訊管理學術研討會，高雄，國立中山大學。
[20]. 陳年興、林甘敏(2001)，”網路學習之學習行為與學習成效分析”，第十二屆國際資訊管理學術研討會，中壢，國立中央大學。
[21]. 陳國棟(2003)，”Discover SCORM portfolio online analysis and decision-make supporting”，第三屆網路教學系統平台與內容標準化研討會，高雄，國立高雄師範大學。
[22]. 許榮隆(2000)，遠距教學的學習歷程與時間之研究，國立高雄師範大學資訊教育研究所碩士論文。
[23]. 楊奕農、柴蕙質(2003)，”非同步網路學習成效及影響因素之計量分析：經濟學課程個案研究”，科學教育學刊，第10卷，第2期，頁193-210。
[24]. 蔡孟勳(2000)，非同步教學個人化評量機制，國立高雄師範大學工業科技教育研究所碩士論文。
[25]. 楊岱霖(2000)，動態適性化學習系統之研究，國立高雄師範大學資訊教育研究所碩士論文。
[26]. 郭俐蘭(2000)，支援使用者觀點之線上分析系統，國立中央大學資訊工程研究所碩士論文。
[27]. 童宜慧、張基成(1996)，”網路化學習歷程檔案系統”，第八屆ICCAI國際電腦輔助教學研討會，台中，逢甲大學。
[28]. 童宜慧、張基成(2000)，”網路化學習歷程檔案系統之建構與評鑑-一個電子化的真實性學習評量工具”，遠距教育，第13/14期合刊，頁78-90。
[29]. 鍾斌賢、吳育龍、鄭立川、孫荻雯、高苑芳(2000)，”虛擬學校學習環境設計與建置”，第八屆台灣區網際網路研討會，台南，國立成功大學，頁368-372。
[30]. 劉惠如(1999)，整合式網路教學之教學設計與評量，國立中山大學資訊管理研究所碩士論文。
[31]. 劉晨鍾(2000)，網路學習歷程之知識探索：學習效能評鑑之工具，國立中央大學資訊工程研究所博士論文。
[32]. 劉晨鍾(2003)，”SCORM之學習歷程跨平台應用”，第三屆網路教學系統平台與內容標準化研討會，高雄，國立高雄師範大學。
[33]. 蔡旻芳(2001)，網路學習之學習歷程分析系統，國立中山大學資訊管理研究所碩士論文。
[34]. 蕭嘉琳(2001)，互動式概念關係建立輔助系統在學習診斷之應用，暨南國際大學資訊管理研究所碩士論文。



英文參考文獻
[1]. Bark, C.C., Geoffrey, I. Webb (1999), Dual-Model: An Architecture for Utilizing Temporal Information in Student Modeling, “7th International Conference on Computers in Education”, pp. 111-118.
[2]. Bloom, B.S., (1976), Human characteristics and school learning, McGrawHill.
[3]. Brusilovsky, P., Bra, P.D., Eklund, J., Hall, W., and Kobsa, A. (1999), “Adaptive hypermedia (panel): purpose, methods, and techniques”, the tenth ACM Conference on Hypertext and hypermedia: returning to our diverse roots, pp. 199-200.
[4]. Carroll, J. A., Potthoff, D. & Huber, T. (1996), “Learning from three years of portfolio use in teacher education”, Journal of Teacher Education, pp. 253-262.
[5]. Chang, C.K., Chen, G.D., and Ou, K.L. (1998), “Student portfolio analysis for decision support of Web based classroom teacher by data cube technology”, Journal of Educational Computing Research, vol. 19, no. 3, pp. 307-328.
[6]. Chen, G.D., Liu, C.C., Ou, K.L., and Liu, B.J. (2000), “Discovering decision knowledge from web log portfolio for managing classroom processes by applying decision tree and data cube technology”, Journal of Educational Computing Research, vol. 23, no. 3, pp. 305-332.
[7]. Fayyad, G., Piatetsky, S., Smyth, P. and Uthurusamy, R. (1996). Advances in Knowledge Discovery in Databases, Cambridge, MA: MIT Press.
[8]. Feng, T. & Fionn, M. (2000), “Towards Knowledge Discovery from WWW Log Data”, Proceedings of the The International Conference on Information Technology: Coding and Computing, pp. 302-307.
[9]. Freitag, D., McCallum, A., Mitchell, T., Nigam, K. and Slattery, S. (1998), “Learning to extract symbolic knowledge from the world wide web”, Proceedings of American Association for Artificial Intelligence(AAAI).
[10]. Fuller, R. (2002), Data Mining Overview, http://www.datawarehouse.com/ .
[11]. Joachims, T. (1998), “Text Categorization with Support Vector Machines: Learning with Many Relevant Features, ECML-98”, 10th European Conference on Machine Learning.
[12]. Jim, G., Chaudhuri, S., Bosworth, A., Layman, A., Reichart, D., Venkatrao, M., Pellow, F. & Pirahesh, H. (1997), Data cube: A relational aggregation operator generalizing group-by, cross-tab and sub-totals, Data Mining and Knowledge Discovery, vol. 1, pp. 29-54.
[13]. Hewitt, G. (1995), A portfolio primer: Teaching, collecting, and assessing student writing, Portsmouth, NH: Heinemann.
[14]. Han, J. and Kamber, M. (2001), Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers.
[15]. Joshi, K.P., Joshi, A., Yesha, Y. & Krishnapuram, R. (1999), “Warehousing and mining Web logs”, Proceedings of the second international workshop on Web information and data management, pp. 63- 68.
[16]. Kubiszyn, T. & Borich, G. (1993), Educational testing and measurement: Classroom application and practice, New York: HarperCollins College Publisher, 4th edition.
[17]. Kumar, A. (1999), Learner characteristics and success in Indian distance education, Open learning, pp. 52-58.
[18]. Wu, K.L., Philips S. Yu, & Ballman, A. (1998), “Speedtracer: A web usage mining and analysis tool”, IBM Systems Journal, vol. 37, no. 1.
[19]. Lankes, A.M. (1995), “Electronic Portfolios: A new idea in assessment”, ERIC DigestEDO-IR-95-9.
[20]. Moore, M. G., and Kearsley, G. (1996), Distance Education: a system view, Belmont, CA: Wadsworth Publishing Company.
[21]. Quinlan, J.R. (1993), C4.5 Programs for machine learning, Morgan Kaufmann Publishers, San Mateo, California.
[22]. Romiszowski, A.J. (1981), Designing Instructional Systems: Decision Making in Course Planing and Curriculum Design, New York: Nichols Publishing Company.
[23]. Sharp, J.E. (1997), “Using portfolio in classroom”, 27th Frontiers in Education Conference, vol. 1, pp.272-279.
[24]. Smith, K. & Tillema, H. (1998), “Evaluating portfolio use as a learning tool for professionals”, Scandinavian journal of educational research, vol. 42, no. 2, pp. 193-205.
[25]. Tao, F., Fionn, M. (2000), Information Self-Organization For Knowledge Discovery, DEXA Workshop.
[26]. WebCT: World Wide Web Course Tools at http://www.webct.com .
[27]. Zaiane, O.R., Xin, M. & Han, J. (1998), “Discovering Web Access Patterns and Trends by Applying OLAP and Data Mining Technology on Web Logs”, Advances in Digital Libraries Conf., Santa Barbara, CA, pp. 19-29.