Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "李柏勳"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    從TIMSS探討我國八年級學生科學學習成就與教師相關變項之關聯
    (2014) 李柏勳; Bo-Hsun Li
    本研究藉由分析TIMSS 1999、TIMSS 2003、TIMSS 2007與TIMSS 2011的公開資料,來瞭解我國八年級學生在科學學習成就與教室教學氣氛和教師特質的相關性。藉由統整四年間的科學教師、八年級生問卷與成就測驗作答情形,透過描述性統計、皮爾森積差相關以及比較95%信賴區間來進行分析,並歸納出趨勢性。 分析結果如下:(一)「教學氣氛」與「測驗頻率」是與學生科學學習成就最相關的教室教學氣氛與教師特質變項;(二)「資訊融入自然教學的頻率」有逐年增加的趨勢;「作業頻率」、「教學氣氛」、「教師學歷」、「探究式教學頻率」和「教師專業發展」在2011年皆有顯著上升之趨勢; 「學習氣氛」有下降的趨勢;「測驗頻率」居高不下。 對於未來科學教育之建議:(一)鼓勵教師多進修,並營造良好的學術氣氛;(二)測驗頻率應逐漸下降,並增加以學生主動學習與思考為主要內容的作業;(三)增強學生的學習氣氛。 對於TIMSS與後續研究之建議:(一)朝「教學氣氛的感知」與「教師專業發展意願」方面研究;(二) 以次級研究進行分析才能釐清因果關係;(三)開發背景問卷時,應分科分年級,並建立固定的模板。
  • No Thumbnail Available
    Item
    探討以6E模式結合遊戲化機制之教育機器人在STEM實作課程對國中生學習成效、動機及創造力之研究
    (2022) 李柏勳; Lee, Po-Hsun
    科技的普及帶動了生活的轉變,教育結合機器人成了目前重要的議題之一。隨著機器人相關技術的提升,不只是運用在工業領域,漸漸的也推廣至教育產業上,該如何讓機器人在課堂中得以有效運用更是逐漸受到重視。108課綱中提及,在目前培育人才的趨勢上應強化跨領域整合的能力,而STEM教育為跨學科整合式教學,其旨在增強學生的知識整合應用能力,讓學習不只是記憶和背誦,而是不斷的嘗試且融會貫通。本研究採準實驗研究設計,分為實驗組(6E模式結合遊戲化機制之教育機器人)及對照組(6E模式)兩種不同教學法,對學生的認知(STEM知識)、情意(學習動機、創造力)及技能(實作能力)之影響,所學習的課程內容以智慧城市為主題,並利用Arduino進行實作。從研究結果顯示實驗組在STEM知識、學習動機、創造力及實作能力皆顯著優於對照組,表示藉由遊戲化機制之教育機器人在課堂中擔任教學助理是有效,不過對照組在STEM知識與實作能力也有不錯的提升。進一步將兩組以學習動機高低分群與創造力高低分群來探討對實作能力的關聯性,從結果發現,實驗組的學習動機是能對實作能力有高度的影響,而創造力則在高分群中有較好的影響。
  • No Thumbnail Available
    Item
    生醫文獻中疾病與藥物關係之樣式自動化擷取
    (2017) 李柏勳; Lee, Bo-Syun
    本研究嘗試從生醫文獻中找出人類疾病與藥物的關聯度,並在人類疾病與藥物之間得到一些規則或是關聯性。若能自動從文獻中預測疾病與藥物之間的相關性,對於未來生醫研究人員探討疾病與藥物的文獻資料時,就可以利用此關聯性,快速了解疾病與藥物之間的關係,達到快速獲取資訊的目的,既可以節省人力與時間成本,也能加速生物醫學的發展速度。 本研究所使用的資料為Clinical trials (https://clinicaltrials.gov/)網站中提供的一些美國官方已完成的疾病研究和藥物的配對,以及PubMed資料庫(https://www.ncbi.nlm.nih.gov/pubmed/)的生醫文獻摘要。在本論文中,首先從PubMed文章摘要找出含有Clinical trials所提及到的疾病與藥物之句子,視為正向的句子;以及相同疾病卻不同的藥物之句子,視為負向的句子。透過兩種模型,第一種是句子中疾病位置在前、藥物位置在後;第二種則是句子中藥物位置在前、疾病位置在後,以便分析在疾病與藥物之間的動詞、名詞等相關資訊。本研究將這些單字分為純關聯、純無關聯性、混合字,再使用卡方檢定(chi-square test)把符合門檻的中性字再做一次的分類,得到疾病與藥物關係之樣式規則,最後利用這些樣式規則與測試資料做比對與評估,本研究實驗最佳結果Precision為100%、Recall為89%以及F-score為94%。

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback