Browsing by Author "李欣芸"

Now showing 1 - 2 of 2

國文差異化教學與評量的設計與實施──以八年級課程為例
(2021) 李欣芸; Li, Shin-Yun
十二年國民教育上路，讓學生能符合社會潮流，研究者以十二年課綱的精神從事教學。秉持著 108 課綱「成就每一個孩子」的願景，期望在國文教學上，能兼顧不同學生的需求，也能透過差異化評量，刺激學生學習的渴望，使學生願意積極學習，而能達到有效學習，進而獲致成就感。試著透過差異化教學和評量的實施，研擬出適合國中階段的差異化教學方法，使學生達到有效學習。差異化教學依授課內容做些調整，依學生的能力及學習準備度設計不同的學習任務。過程方面，則採取合作學習，透過同儕教導提供鷹架給低能力的學生，或者針對低能力學生給予較簡單的任務，讓他們能獲得學習成就。至於在學習成果部分，實施差異化教學後雖然有些未見其學習成效，但對其學習態度都有正向影響，學生對於學習比較有意願。因此，研究者擬從事行動研究，以 108 學年度第二學期康軒版第四冊為教材，選擇以教材「藉物抒情」、「藉事品人」為主題，設計主題學習模組外，並在課堂中操作兩個版本的學習單，從課前預習單到課後評量，讓不同程度的學生能達到有效學習，進而能從差異化教材與評量的實施，了解寫作手法。
基於循環神經網路之注視區域分析
(2020) 李欣芸; Lee, Hsin-Yun
人類在認知學習的過程中，大部分的訊息是透過眼睛視覺所獲得，並且在視線範圍內若能找到感興趣之區域，會產生一系列的凝視與掃視反應，因此若能掌握眼球運動視覺軌跡，即能分析使用者之行為模式與認知學習歷程，而此模式已廣泛應用於各個領域之中。過去所使用的注視追蹤方法，在蒐集注視數據資料時，通常會將使用者頭部固定，再進行注視模型訓練與分析，藉此提高訓練分類之準確率。然而當使用者頭部偏移時，則會導致注視分類預測之準確率降低，因此本研究探討非固定頭部的分類準確度。本研究使用一般的網路攝影機，為了提升非固定頭部分類之準確度，過往的注視追蹤之研究常以眼睛外觀模型劃分注視區域，本研究則探討訓練模型架構結合卷積神經網路架構與循環神經網路之演算法，透過計算頭部姿勢預估中的俯仰角、偏航角與翻滾角加入模型訓練，使得使用者頭部能在偏移範圍於俯仰角+/-10°與偏航角+/-20°內移動，並且同時參考前一秒時間空間序列上的視線區域，再做注視點預測與分析，提高注視區域分類準確率表現。透過本研究所提出CNN+RNN之訓練模型，在不同注視區域劃分下為2x2準確率達 98%、3x3準確率達 97%、4x4準確率達 90%、5x5準確率達 85%、6x6準確率達 80%、7x7準確率達 74%、8x8準確率達 69%、9x9準確率達 62%，相較於單一採用CNN架構訓練模型分類準確率，CNN+RNN模型架構能有效提升整體注視區域分類準確率 7~15%。