學習資訊專業學院—資訊教育研究所

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/25

資訊教育研究所之碩士班成立於民國80年,博士班成立於民國86年,目前研究生共約160名。本所原屬資訊教育學系,於95學年度起因應系所組織調整,成為獨立研究所,歸屬教育學院。

本所以『資訊科技教育』和『數位學習』兩個專業領域之研究發展與人才培育為宗旨,課程設計分別針對此兩個專業領域規劃必、選修專業科目,提供學生紮實而嚴謹的學術專業知能及個別化之研究訓練。本所教育目標包括:

1、培育資訊科技教育人才;
2、培育數位學習產業人才;
3、培育資訊科技教育與數位學習研究人才。

本所目前六名專任教師,四位教授,二位副教授,在資訊教育領域均具有豐富之教學與研究經驗且均積極從事研究,每年獲科技部補助研究計畫之平均數量與金額在本校名列前茅。另外,本所教師積極參與國內重大資訊教育政策及課程綱要之制定,積極推動國內資訊教育之發展。
 

Browse

Search Results

Now showing 1 - 1 of 1
  • Item
    資料流序列中資料項預測方法之研究
    (2007) 嚴翠鳳; Tsui-Feng Yen
    不同於以往的靜態交易資料庫,愈來愈多的應用之資料輸入方式形成資料流型態,其輸入的快速及連續使得在資料串流預測上的面臨重要的挑戰,資料會隨著時間不斷快速進入,因此必須提供極有效率的處理,同時,資料分佈及隱含樣式也可能隨著時間而改變。因此,針對以上的挑戰,本篇論文提出一個稱為預測樹的樹狀結構,可以快速的從訓練資料集中探勘出重覆樣式產生資料項預測則。當概念發生變動時,需重新探勘最近視窗內的重覆樣式,產生新的預測規則以適應目前的概念。本論文提出的第一個方法稱為ERT,藉著計算滑動視窗內的預測錯誤率來判斷是否發生概念變動,若錯誤率大於給定的最小錯誤率門檻值,則重新探勘產生新的預測規則,並且將先前預測準確率高的規則與新規則整合。另一個方法則是每個固定的時間點會觸發重新探勘,根據產生新規則時是否有與先前的規則整合又可以分為WANR及WRNR兩種方法。實驗結果顯示,WRAR的預測錯誤率略高於其他兩種方法,而ERT在三種方法中是最有效率且最有效的,因為此方法僅在偵測到概念變動時重新調整規則。