大家晚安，這裡是平安渡過颱風、但是學業上不太平安的布丁。
在2018年的一個工作坊中，我跟實驗室的同事們用英文做了閱讀知識合作標註學習系統KALS (Knowledge-based Annotation Learning System)以及問題導向學習環境PBL (Problem-based Learning)的介紹投影片。這篇文章是將這兩個投影片記錄一下，供有需要的人取用。
(more...)
這篇「合作式閱讀標註之標註行為特徵與閱讀理解關聯」是我在第二屆數位合作學習與個人化學習研討會跟大家分享的文章跟投影片，也是我碩士論文的簡要版本。
(more...)
最近科技部「科學發展」月刊專欄刊載陳志銘老師的訪談與「雲端高互動閱讀學習平臺」的專欄介紹。其中這個「雲端高互動閱讀學習平臺」就是KALS閱讀知識合作標註學習系統與Moodle的整合，目前是我們實驗室進行實驗時主要使用的平臺。身為這個平臺的開發者，能得到科技部的肯定，真的很令人欣慰。政大圖檔所在所網公開了報導全文，那我也在這裡摘錄部分報導內文，希望能跟大家一起分享喜悅的一刻。
(more...)
合作式閱讀標註這個領域已經有很多人不斷投入，其中一個知名的工具就是diigo。diigo是以網頁為主，提供線上標註、蒐集與組織資料、團體合作整理、以及分享資料的功能。但是免費限制這點讓人難以作為研究的工具。這篇是我之前在meeting時報告diigo的投影片，拿出來跟大家分享。
(more...)
KALS 閱讀知識合作標註學習系統 可以讓HTML靜態網頁加入合作式閱讀標註的功能。本文將會教你如何插入一段JavaScript程式碼，讓你的網頁擁有KALS的功能。
KALS (Knowledge-based Annotation Learning System) is a web-based system for digital reading. This guide describe how to install KALS on your webpage.
KALS可以安裝的數位文本必須是輸出成HTML格式的文字。範例頁面可以在此下載：
不管伺服器端使用的程式語言為何，像是PHP、ASP.NET、JSP還是Node.js，只要最後前端輸出的是HTML格式，都可以安裝KALS。
準備好內容之後，接下來就是安裝KALS的手續了。
以下是KALS基本安裝的程式碼：
<!-- [KALS] -->
<script type="text/javascript" src="http://public-kals-2014.dlll.nccu.edu.tw/kals/web_apps/generic/loader/release"></script>
<!-- [/KALS] -->
安裝位置請放在網頁的</body>標籤(注意，是結尾的<body>標籤)之前，如下圖所示：
KALS安裝完成的網頁範例請在此下載：
如果順利安裝完成，那麼就會看到KALS的功能列了。
接著要使用KALS的話，請註冊帳號。KALS的詳細使用教學請看這篇。
以下類型的數位文本無法使用KALS，請不要安裝：
如果安裝時有遇到任何問題，請在此篇底下留言，或是寄信給我，並告訴我必要的資訊：
KALS目前還是一個在開發中的專案，目前使用說明並不完整。程式碼的部分已經公開在GitHub上，建議可以閱讀程式碼以進一步瞭解KALS的內涵。而使用說明文件則會以GitHub的Wiki來撰寫。
如果您的單位想要結合KALS來合作開發，則以單位名義與國立政治大學圖書資訊與檔案學研究所 數位圖書館暨數位學習實驗室指導教授陳志銘老師聯絡。
KALS (Knowledge-based Annotation Learning System)是從我碩士論文開始開發的一套合作式數位閱讀系統，實驗室許多研究都以此為基礎發展論文題目與計劃，也有不少成果發表。我做了一個簡單的投影片介紹KALS，未來可以以此為基礎介紹更多相關完整的功能。
KALS (Knowledge-based Annotation Learning System) is a web-based system for digital reading. There are many researches which based on this system in our laboratory. In order to introducing KALS to others, I wrote a slide in this article.
為了方便未來更新，這次擺放的版本是以Google Doc的簡報為主。
至於KALS的其他介紹，可以參考KALS操作說明：
學術部分可以參考我的論文內容：
程式部分可以看GitHub公開的程式碼：
(more...)
這是一篇課堂期末報告，我利用Weka的全域循序樣式演算法(Generalized Sequential Patterns, GSP)去探勘KALS標註系統底下的閱讀路徑。報告內容含括了投影片與報告文章。
This is a course final report. I use Weka’s algorithm “Generalized Sequential Patterns” (GSP) to discover the annotation path in KALS's cooperative reading. This article includes my full report and slide.
以下是報告的內文。
隨著資訊時代的來臨，圖書館典藏的館藏資料也從傳統紙本圖書逐漸加入了電子書的類型。電子書係以數位資料方式儲存，可透過電腦、平板電腦、電子書載具等數位設備來閱讀。與紙本圖書相比，電子書具有容易借閱、輕便攜帶等特色。被稱為「原生數位民族」的現代人來說，電子資源的使用與電子書的閱讀已經逐漸普及。謝建成與趙素貞在2009年調查中部某大學圖書館的電子書採購與使用狀況中發現，讀者使用NetLibrary電子書的次數已經從2002年的262次逐漸增加到2006年的8432次（如圖 1所示）。為了因應逐年上升的電子書使用量，該大學的電子書採購量也從2005年的359冊大幅上升到2006年的5358冊（如圖 2所示）。可見圖書館同樣重視電子書閱讀的需求。
圖 1 某大學圖書館2002至2006電子書使用次數
註：「大學圖書館電子書使用效益之研究」，謝建成、趙素貞，2009，圖書資訊學研究，3（2），25–54。
圖 2 某大學圖書館NetLibrary電子書訂購冊數
註：「大學圖書館電子書使用效益之研究」，謝建成、趙素貞，2009，圖書資訊學研究，3（2），25–54。
然而，這份調查研究將電子書的使用情形與紙本圖書相互比較，卻發現讀者仍偏好使用紙本圖書，使用率甚至多達電子書的2.3倍。如圖 3所示，不論是任何分類的書籍上，紙本圖書的使用次數都較電子書為多。儘管謝建成與趙素貞的研究僅止於量化統計調查，並未研究結果造成的原因有進一步的質性探討，但這份研究結果依然透露出以下幾種可能性。舉例來說，電子書的收錄數量仍不及紙本圖書之多。對於找尋特定主題的讀者來說，除了紙本圖書之外別無選擇；另一方面，目前的電子書操作介面，往往如圖 4所示，著重於與紙本圖書相同體驗的排版、翻頁、以及標註畫記等功能上。對於原本就已經熟悉紙本圖書閱讀方式的讀者來說，電子書除了攜帶輕便之外，仍缺乏能夠助於讀者加深閱讀理解的關鍵閱讀輔助功能。
圖 3 某大學圖書館2002至2006紙本圖書與電子書使用情形比較
註：「大學圖書館電子書使用效益之研究」，謝建成、趙素貞，2009，圖書資訊學研究，3（2），25–54。
圖 4 電子書製作閱讀軟體 Ebook create and reading software: e-READ 3.0
註：「電子書製作閱讀軟體 Ebook create and reading software: e-READ 3.0」，台灣水鳥研究群 彰化海岸保育行動聯盟，2007年1月4日，Flickr – 相片分享！。上網日期：2014年1月19日，檢自：http://www.flickr.com/photos/waders/345466812/
電子書的優勢不只是數位化資料容易攜帶，更重要的是，電子書能夠詳細記錄讀者的閱讀行為，更進一步地整合多位讀者的閱讀行為資料進行分析，並結合數位學習的閱讀輔助策略機制，讓讀者在閱讀過程中能夠應用合適的閱讀理解策略，據此提昇閱讀理解的層次。因此，為了探究電子書在閱讀輔助機制上的可能性，本研究嘗試以多位讀者在同一份電子書閱讀文本上的閱讀標註為資料來源，應用Srikant與Agrawal(1978)提出的全域循序樣式(Generalized Sequential Patterns)資料探勘演算法，找尋多位讀者在同一份閱讀文本中共通的閱讀標註序列，作為下一步發展「合作式閱讀標註」 （陳勇汀，2011）輔助機制的基石。
本研究係基於陳芳雅於2012年在桃園縣一所國民小學以五年級學生針對電子書閱讀文本進行合作式閱讀標註的閱讀資料進行分析。實驗參與者總共28人，皆具備足夠的資訊素養，能夠於電子書上進行合作式閱讀標註。本研究採用的電子書為「國際閱讀素養調查」（Progress in International Reading Literacy Study,簡稱PRILS）發展適合國小四年級學生為主要閱讀對象之教學實驗所用的閱讀範文「小海鸚鵡之夜」，閱讀難度上也適用於本研究之國小五年級學童。實驗期間所有28位實驗參與者共畫記了661份標註，本研究即以此作為探勘閱讀標註序列的研究對象。
本研究中讀者在電子書進行合作式閱讀標註的閱讀系統為KALS知識標註學習系統(Knowledge Annotation Learning System)。此一系統為陳勇汀（2011）所發展之應用於HTML網頁電子書上的閱讀標註系統。KALS不僅可讓靜態的HTML網頁具備能夠針對文字內容進行標註的標註撰寫機制（如圖 5所示），也能夠讓讀者針對閱讀文本內容進行討論（如圖 6所示）。
撰寫標註的功能方面，讀者可以自由選擇閱讀文本上的範圍文字(anchor text)，針對該範圍的文字撰寫標註。讀者除了撰寫豐富本文(rich text)的HTML註解(note)之外，還能夠為標註選擇推論、辨析、連結、摘要、提問、字詞解釋、其他等7種不同的標註類型鷹架，作為輔助讀者有效進行閱讀的輔助策略。
圖 5 KALS撰寫標註示意圖
在基於標註的討論功能上，如圖 6所示，讀者可以針對文中特定段落進行討論。討論功能類似一般常見的討論區，讀者可以針對其他讀者的發言進行回應，而回應時讀者也可以選擇推論、辨析、提問、釋疑、偵錯、其他等6種不同類型的標註討論鷹架，輔助讀者進行有效的合作討論。
圖 6 KALS基於標註進行討論的示意圖
28位實驗參與者利用KALS知識標註學習系統在「小海鸚鵡之夜」電子書閱讀文本上進行合作式閱讀標註，而本研究即以此實驗結果所撰寫的661標註發展閱讀標註序列探勘機制。以下依序說明閱讀標註序列探勘機制發展架構。
本研究欲針對661份閱讀標註所針對的範圍位置進行循序樣式探勘。由於每份標註所針對的閱讀標註位置皆有所差異，若以原始範圍位置直接進行循序樣式探勘，將難以找到大部分讀者皆相同的閱讀標註循序樣式。因此本研究不以讀者所標註之原始閱讀範圍，而是將範圍擴大到以句子為單位來進行循序樣式探勘。
舉例來說，本研究以句號、分號等標點符號為依據，將該閱讀文本分成60句子。其中編號3的句子內文如下：
「在冰島這個國家的一座希米島上，一群橘紅色嘴巴、黑白色羽毛的鳥兒每年都會來訪。這些鳥被稱為『海鸚鵡』。」
其中實驗參與者編號722所撰寫的標註位置落於「橘紅色」三個字中，位於編號3句子裡，因此本研究將之視為編號722實驗參與者標註序列包含編號3的句子。
經過此資料分析，28位實驗參與者皆有其閱讀標註所在句子的編號，再依照標註撰寫時間的順序組合成閱讀標註序列。舉例來說，編號518實驗參與者的序列即為「0, 5, 11, 43, 39, 40, 4, 47, 45, 23, 25, 37, 7, 54, 44, 3, 36」，其中逗號為區隔不同句子編號的分割單位。再來將之轉換為能在Weka中進行全域循序樣式探勘的ARFF檔案格式（如圖 7所示），如此便能夠進行下一步的循序樣式探勘。
@relation annotation
@attribute 0 {1914,1911,1922,1908,1910,1923,1904,1913,1900,1896,1906,1920,1918,1909,1921,1899,1901,1917,1912,1895,1898,1905,1916,1903,1919,1915,1897,1907,1894}
@attribute 1 {6,44,39,25,28,3,35,36,53,2,22,9,8,11,19,26,32,38,7,23,34,43,52,12,45,17,5,15,47,13,0,21,14,37,18,40,24,27,4,54,16,58,51,41,46,29,56,42,31,1,33,10,48,30,49}
@data
1914,6
1914,44
1914,39
1914,25
1914,28
1914,3
1914,35
1914,39
1914,36
1914,53
1914,2
1914,22
1911,9
1911,8
1911,11
1911,19
(以下省略)
圖 7 閱讀標註序列的ARFF檔案摘錄
本研究Srikant與Agrawal(1978)提出的全域循序樣式(Generalized Sequential Patterns，簡稱GSP)資料探勘演算法來分析讀者在電子書上進行閱讀標註的共同循序序列。GSP演算法係一種關連式規則的資料探勘演算法，用於發掘多位讀者各自進行的閱讀標註位置中順序相同的共同循序序列。根據Srikant與Agrawal實證比較，GSP的效率比起傳統用於循序序列探勘的Apriori All演算法還要更高，而且也能夠輕易應用於大量資料之中。
本研究採用Weka來實作GSP演算法。Weka (Hall et al., 2009)係紐西蘭懷卡託大學(the University of Waikato)的機器學習小組(Machine Learning Group)以Java發展的資料探勘工具。Weka支援分類、分群、關連式規則等三大類資料探勘的演算法，而GSP則是屬於關連式規則中的演算法之一。受惠於Java具備的跨平台通用的特性，Weka支援以命令列(command line)的形式進行操作。本研究即是透過命令列將KALS的資料輸入Weka、設定GSP演算法與參數，再取得Weka的分析結果，以作為KALS展示讀者閱讀標註序列的探勘結果。
使用GSP進行資料探勘時，必須輸入如 圖 7所示之每位讀者的閱讀序列，此外還必須設定最小支持度門檻(minimum support threshold)的參數。最小支持度門檻係指全部序列中包含此序列的最小比例，介於1至0之間，本研究將此參數預設為0.5。舉例來說，若最小支持度門檻設為0.5，意思即為28人中至少14人同樣具備同樣序列，才會被GSP列為候選序列。而候選序列中長度最長的序列則會被本研究作為閱讀標註候選序列。
最小支持度門檻越高，代表GSP找出的閱讀標註候選序列代表性越高，但是也因此較難找出較長的共同循序序列；反過來說，若最小支持度門檻越小，則越容易找出較長的閱讀標註候選序列，但相對地代表同樣出現一樣序列的讀者人數越少，代表性也越低。要如何取得閱讀標註候選序列的長度與代表性的平衡，是發展閱讀標註序列探勘機制的重要議題。
由於本研究欲發展之閱讀標註序列的目的著重於輔助讀者閱讀，必須提供足夠長度的序列作為讀者的參考資料，因此本研究另外加入最小序列長度參數來動態降低最小支持度門檻。最小序列長度係閱讀文本的句子總數的1/5取整數，以本研究採用的「小海鸚鵡之夜」共60句為例，最小序列長度即為12句。GSP探勘結果的閱讀標註序列長度必須於最小序列長度以上，才會被作為閱讀標註序列的最後結果。為此，GSP的最小支持度門檻將會依據最小序列長度進行動態的調整。
本研究在以GSP探勘循序序列時預設採用的最小支持度門檻為0.5，若探勘結果的閱讀標註候選序列長度未達最小序列長度，則降低最小支持度門檻0.05後重新計算，直到閱讀標註候選序列等於最小序列長度，或是在最小支持度門檻低於0.05的時候，將最後取得的閱讀標註候選序列作為閱讀標註序列的最後結果。
此外，為了避免計算次數過多導致伺服器負荷過大，本研究為GSP計算結果進行快取(cache)，設定快取保留時間為30分鐘。換句話說，30分鐘內取得的閱讀標註序列結果皆會來自同一快取，即使其他讀者新增額外的標註也不會立即改變閱讀標註結果，直到30分鐘後重新計算才會顯示出改變。
本研究將GSP的探勘結果實作為KALS知識標註學習系統中的「導讀」(reading guide)功能，如圖 8所示。最後探勘共得到了六個序列的句子，依序為：
讀者可以利用導讀功能中的「下一步」讓KALS一步一步帶領讀者進行閱讀，藉由比較自己的閱讀標註與本研究探勘出的閱讀標註序列路徑的差異，以此反思自己對此文本的閱讀方式。
圖 8 閱讀標註序列探勘結果
根據分析探勘結果的六個句子，可以發現探勘結果中的3與5是屬於同一句，代表讀者在閱讀完之後仍有回頭閱讀開頭的跡象；而這六個句子並非按照閱讀文本的先後順序依線性呈現，而且每一句的間隔位置不一，句子之間也沒有明顯的規律。這個探勘結果發掘出了與傳統認知的常識不同的序列，而有別於一般閱讀教學的內容，因此透過GSP探勘閱讀標註序列具有繼續發展的潛力。
本研究以全域循序樣式(Generalized Sequential Patterns，簡稱GSP)演算法探勘28位讀者在同一份閱讀文本上進行閱讀標註的序列。根據動態調整GSP最小支持度與限制最小序列長度的設定之下，最後探勘結果呈現出位於閱讀文本之不同的先後順序、難以看出規律的6個句子。由於探勘結果有別於傳統閱讀教學教師所教導之閱讀策略，透過GSP的閱讀標註序列探勘可提供另一種閱讀教學策略的發展依據。未來研究應繼續深入探究將GSP探勘之閱讀標註序列應用至閱讀輔助機制的策略，或是依據標註類型、讀者閱讀理解能力的高低來動態調整閱讀標註序列的結果，最後發展出能夠活用合作式閱讀標註之巨量資料(big data)的閱讀輔助機制。
這是我個別研究的課程中提出的報告。這份報告是希望基於認知學派的觀點，以概念圖(concept map)的方式來評鑑閱讀學習成效。我藉此提出一套從閱讀過程中建構知識體系的閱讀方式。
This is my report in "Individual Study". Based on the cognitivism, I described a method that using concept map to evaluate the effect of reading. And I want to develop a annotation scaffold to help readers construct their knowledge.
李咏吟（1998）。認知教學 : 理論與策略。台北市：心理。
這份投影片先從行為學派與認知學派來看待閱讀學習，闡述我認為以認知學派看待閱讀學習的必要性。然後介紹用建構主義的方式來建構閱讀所學習的知識。而建構成果的知識體系，則可以概念圖的方式呈現。
至於閱讀過程中要如何建構知識體系，我提出了四階段的閱讀標註鷹架。學生透過四個階段鷹架的閱讀，將可以有效地深入思考文章與自身的知識，並轉化為自己的知識體系。最後再提出合作式閱讀學習環境中利用協同過濾來設計輔助機制的方法。
講到這兒，我總覺得同學總是對我的報告興趣缺缺。許多圖資學的學生都覺得管好那堆館藏或是檔案就好。讀者要怎麼用，是他們的事。我對此不以為然。
讀者會來到圖書館取用資料會有著他們的需求與目的。了解讀者的需求，然後進一步幫助他們更快、更有效地取得他們要的資料，是圖書館員不斷努力的目標。
數位學習是一個改善圖書館的著手點。而且同樣都是社會科學的研究方式，數位學習有許多研究方法是值得圖資學效法的地方。我希望圖資的學生們不要侷限於自己已經知道的知識與框架，要找到令自己成長、也能夠帶動圖資界向前邁進的方向啊。
我提出希望用學習的角度來看待圖資學的這個論點，最近曾被兩個人否定。一個人認為圖資學只要把知識架構整理好，讀者自然能夠找到他們最想要的資料。至於他們是為何而找，找到之後要做什麼，那就不是館員需要去關心的範圍；另一個人則覺得我嘴上無毛，沒有實際教學經驗也不懂教學現場，竟然妄想一步跨到教育領域來做研究。
對我的指導老師──那位與其他圖資老師作法截然不同的老師來說，他自然有他的一套說詞與堅持。而對他底下的學生來說，也只要照著他的話來做，應該就能順利畢業。
不過，我沒有想這麼多。我只是在想，我要整理一個好用的讀書方法，分享給那些仍有無限可能性的孩子們。於是這樣子，我就能夠對得起，以前那位不知道原來還可以這樣子讀書的自己了。
(more...)
這份研究論文是描述作者Fei Gao使用標註工具Diigo來進行閱讀教學，並用質性分析的方式來歸納社群標註系統的優勢。我對這篇研究的分析方式比較有興趣，所以做了一份投影片與大家分享我整理的重點。
This research describe author, Fei Gao applied a webpage annotation tool -- Diigo to students' article reading. Author used qualitive analysis to discover students' reading behavior using Diigo. I'm very interested in his analysis. So I made a review slide and share it with others.
Gao, F. (2012). A Case Study of Using a Social Annotation Tool to Support Collaboratively Learning. The Internet and Higher Education. Retrieved from http://www.sciencedirect.com/science/article/pii/S1096751612000802
這篇算是單組實驗研究法，沒有對照組，所以很難說使用Diigo究竟是好是壞。作者用質性研究的方式針對標註的類型、數位合作學習的互動方式、回應的對象等角度來分析學習的過程，並在事後以問卷和訪談來取得學生的回饋。最後作者歸納社群標註工具不足的功能，並建議如何應用社群標註工具來進行閱讀教學。最後的建議值得納入我的研究背景中。
之前CSCL & CSPL研討會的時候，主持人質疑我報告的KALS系統，問我為什麼不直接用Diigo就好。
比起我自己做的KALS系統，我得說Diigo是一個很強大的工具，這點倒沒什麼異議。Diigo標註工具各個功能發展的成熟度都比KALS高很多，免費使用也可以用1000個Highlights，社交的功能更是方便。
那麼KALS的價值在哪裡呢？答案很簡單，實際上這是兩個不同出發方向的工具。Diigo是要由使用者自行安裝工具才能使用，而KALS則是由系統管理者提供的標註工具。後者意味著系統管理者對於標註的掌握能力更高，更容易規劃實驗環境以進行研究。而最重要的是，KALS的功能與資料是研究者自己可以掌握的，而Diigo的資料卻不容易取得。
老實說，Diigo的功能並不是那麼難做，只是沒有做出來而已。這些社交功能都做可以作為研究題目來發展，我正期待著有學弟妹願意投入這個領域，在改善KALS的同時一併完成他們的研究論文吧。
(more...)
Comments