教育學院

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/1

教育學院成立於民國44年6月5日，時值臺灣省立師範學院改制為臺灣省立師範大學，初設教育、社會教育、體育衛生教育、家政教育、工業教育五個學系，發展迄今，本院共設有7個學系（均含學士、碩士及博士班）、5個獨立研究所、1個院級在職碩士專班。

本院為國內歷史最久之教育學院，系所規模、師資，及學生品質向為國內首屈一指，培育英才無數，畢業校友或擔任政府教育行政單位首長及中堅人才、或為大學校長及教育相關領域研究人員、或為國內中等教育師資之骨幹、或投入民間文教事業相關領域，皆為提升我國教育品質竭盡心力。此外，本學院長期深耕學術，研究領域多元，發行4本 TSSCI 期刊，學術聲望備受國內外學界肯定，根據 2015 年 QS 世界大學各學科排名結果，本校在教育學科名列第22名，不僅穩居臺灣第一，更躍居亞洲師範大學龍頭。

Browse

Has files: NoSubject: search.filters.subject.knowledge representation

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    知識結構網絡表徵分析大學圖書館網站架構
    (2010) 楊慧婷; Yang, Hui-Ting
    本研究主要探討知識網絡表徵分析應用於大學圖書館網站，並以國立臺灣師範大學圖書館作為研究個案，藉此驗證本研究所提出之分析資料方法與過去分析資料方法的差異性。以知識結構評量的方法為研究基礎，在蒐集資料的部份採用卡片分類法、相似性評法進行第一階段實驗，所得之結果進行簡易網站架構，輔以過去資訊架構研究之使用性任務導向之使用性測試、系統使用性量表問卷來評斷第一階段各分析之網站成效。試圖瞭解利用不同的蒐集資料及分析方式所架構的網站之差異及成效，並了解目前現有臺師大圖書館網站在使用上相對成效為何。最後將此評估過程建立一網站架構評估參考模式，提供有意針對大學圖書館網站資訊架構進行研究者作為參考。 研究結果顯示學生網站徑路搜尋分析一般性資訊問題部分在使用性評估結果較佳，其次是學生網站因素分析結果一般性資訊問題，此外，在每一個網站中表現皆以一般性資訊問題比個人化資訊問題表現皆來的較佳，在網站滿意度表現各網站之間皆無顯著性差異之情形。在知識網絡表徵結果顯示學生知識架構與館員知識架構有所差異，學生知識網絡表徵產生一個中心概念，並由此中心概念向外延生；館員知識網絡表徵產生三個中心概念，並在概念之間產生概念橋之情形。在本研究分析資料過程中發現，不同分析軟體及計算方式所產生之網站及項目皆有所不同。 最後根據研究結果對現有之臺師大圖書館網站提出四點建議：一、多元採用各種蒐集資料及分析資料方式來設計圖書館網站；二、建立網站標籤一致性；三、加強圖書館推廣服務；四、建立網站使用性評估機制。
  • No Thumbnail Available
    Item
    A study on mental models of taggers and experts for article indexing based on analysis of keyword usage.
    (2014-08-01) 柯皓仁; Ya-Ning Chen; Hao-Ren Ke
    This article explores the mental models of article indexing of taggers and experts in keyword usage. Better understanding of the mental models of taggers and experts and their usage gap may inspire better selection of appropriate keywords for organizing information resources. Using a data set of 3,972 tags from CiteULike and 6,708 descriptors from Library and Information Science Abstracts (LISA) from 1,489 scholarly articles of 13 library and information science journals, social network analysis and frequent-pattern tree methods were used to capture and build up the mental models of article indexing of taggers and experts when using keywords, and to generalize their structures and patterns. When measured with respect to the terms used, a power-law distribution, a comparison of terms used as tags and descriptors, social network analysis (including centrality, overall structure, and role equivalent) and frequent-pattern tree analysis, little similarity was found between the mental models of taggers and experts. Twenty-five patterns of path-based rules and 12 identical rules of frequent-pattern trees were shared by taggers and experts. Title- and topic-related keyword categories were the most popular keyword categories used in path-based rules of frequent-pattern trees, and also the most popular members of 25 patterns and the starting point of the 12 identical rules.