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
3 results
Search Results
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。Item RDF與Topic Maps之知識表徵比較研究(2005) 鍾季倫; Chi-Lun Chung網路資源組織近來一直是圖書館界關心的課題之一，但一般來說，圖書館整理的資源向來是以實體為主，具有同質性高、定義嚴謹及穩定等特性，而網路資源相較於圖書館的資源，則具有大量、異質、分散、內容與位址經常改變、且成長快速等特性。不管是圖書館的索引典與詮釋資料架構（schema），或人工智慧領域過去已發展的一些知識表徵語言，例如CycL、Loom、與KIF等，都不見得可用來處理網路環境之半結構式資源。換言之，網路知識表徵需將網路資源的特性納入考量，重新思考與發展合適的處理方法。 目前「全球資訊網協會」（World Wide Web Consortium，簡稱W3C）及「國際標準組織」（International Organization for Standardization，簡稱ISO）在2000年前後，分別提出「資源描述架構」（Resource Description Framework，簡稱RDF）與「主題地圖」（Topic Maps），作為可應用於網路資源組織與知識表徵方法。RDF與Topic Maps都在表徵人類的知識關聯，雖均可為知識本體（Ontology）提供語意互通的資料模型（data model），但這兩種語言最初發展的目的並不相同，亦有其有各自的交換語法（interchange syntax），因此這兩種語言在知識關聯程度的表徵上到底有何不同、孰強孰弱、及適用範圍為何等，都是本研究想探討的課題。具體而言，本研究試圖回答三個問題： 一、網路知識表徵之發展趨勢為何？ 二、RDF與Topic Maps在表達概念或主題關聯之語法、所能表達的語意、及應用情境等為何？異同為何？ 三、RDF與Topic Maps在圖書館網路資源組織應用的可行性為何？ 本研究對網路知識表徵之發展趨勢的瞭解是由文獻分析獲得；對RDF與Topic Maps在語法及所能表達的語意之異同，及圖書館網路資源組織的可行性，是藉由對語法的比較，及實際以RDF/XML與XTM對國家圖書館建置的「網路資源選介網站」進行編碼，就呈現結果檢視其異同等方式予以分析；應用情境則是以網路上蒐集到以RDF與Topic Maps實作的網站或系統來從事觀察。 研究結果主要分三方面，第一部分是有關網路知識表徵之發展趨勢，就巨觀層次而言，網路知識表徵之發展趨勢，在提供有助於人們建立與分享知識，並能協助機器對資源的自動處理，以提昇人們對資訊處理效率的網路環境。第二部分則是有關RDF與Topic Maps在知識表徵能力之比較，結果發現其各自在元素、語法、語意表達、與應用情境等面向不盡相同；此外，在協助資源瀏覽、資訊檢索、資訊過濾、及資源整合等能力亦各有所長。第三部分則嘗試探討RDF與Topic Maps在圖書館網路資源組織應用的可行性，依據實作經驗及呈現結果，認為RDF與Topic Maps在圖書館網路資源組織之應用具可行性，因利用其標記的網站具有分類架構較具彈性與延伸性、可提供使用者由不同面向瀏覽資源，以及有助於分類架構的交換互通、資源整合、與機器的自動處理等原「網路資源選介網站」所缺乏的特性。 最後，本研究依據研究結果，分別對RDF與Topic Maps在語法、應用、與實作方面提出建議。語法方面，建議限定RDF/XML語法之撰寫方式；對XTM則建議以URI作為指定「主題識別」的方式、修訂關聯不具方向的問題、以及改採支援XML Schema。應用方面，若需同時處理資源描述與主題索引的話，本研究建議兩種作法：一是對資源描述用RDF/XML標記，而對主題之索引用XTM標記，然後另外建立主題與資源的連結；二是完全採用RDF/XML來標記，而展現知識樹的方式就是在RDF/XML中建立表示主題的類，並利用屬性來表現類的階層與相關關係，甚至進一步促進社群內的成員，在表示相同的資源屬性與主題時，都使用相同的描述詞彙（例如Dublin Core）及相同的主題（例如rdf:ID指向相同的URI），以協助資源分享與整合。實作方面，建議使用廣為人知的詞彙，及建立或採用合適的Ontology。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 KeThis 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.