敝人近年的研究，以智慧型軟體系統為主軸，強調軟體系統的實作，故與不同領域的研究進行結合。其中一個嘗試解決的問題是學生在程式學習上碰到的困難。近年最主要的代表著作 “A Semi-Hierarchical Clustering Method for Constructing Knowledge Trees from Stackoverflow” 希望解決的問題是，學生在學習程式的初期，由於對程式語言的陌生，難以提問，亦難以搜尋資料，若有一個知識樹，會有相當的幫助，但程式語言經常推陳出新，要一直有 up-to-date 的知識樹並不容易，本研究是以文字探勘的技術爲底，從 Stackoverflow 的標籤資料，以 co-occur 的比例及次數爲參數，來建立程式語言的知識樹，研究中，以 python 相關的提問爲案例，並將產生出來的知識樹與既有的 python 教學網站進行比對，結果顯示本研究設計的演算法能偵測出目標概念的上下文關係，並能避免 ambiguous 的發生。以知識樹爲基礎，論文中進一步提出了一個半階層式的分群方法，以標籤產生出來的知識樹作爲叢集核心，保留上下文資訊，達到比直接使用 k-means 更好的分群效果，以 BSS 值爲評比依據，在同樣數量的叢集下，本研究提出的方法提升了13.53% 的分群效果。另外，“The Design and Case Study of the WSRush Platform” 開發時的初衷是為了讓學生容易學習 Web Service 相關的知識。要開發網路後端的程式，Java 仍是一個相對穩健且廣泛被使用的語言及平臺，但是，開發 Web Service 有很多細節需要注意，例如資料封裝的處理、使用者認證的處理等等，對於多數學生來說，使用 Java 處理這些問題，會有難度及恐懼感。WSRush平臺是希望讓學生容易進行 Web Service 的開發，因此該平臺的內容是讓學生用 JavaScript 就可以撰寫，平臺會以 Java 將其包裝，並處理 Web Service 的資料形態的輸出入。另外，該平臺採用非常有彈性的方式來建構處理引擎，除了 JavaScript之外，也可以透過設定，配置不同語言的處理引擎，使得具有不同程式語言背景的同學可以共同進行開發。另外，這個平臺具有組合 Web Service 的功能，亦即可以將不同的 Web Service 用這個平臺包裝起來，成爲一個新的 Web Service。這個平臺除了論文，程式亦發表於 https://bitbucket.org/lendle/apprush，藉由這個平臺敝人在服務單位訓練了數位學生進行網路服務的撰寫，其中，跟知名停車場設備公司進行合作，將其舊版的停車場管理系統，改成以WebService為核心，在該計劃中並與Arduino結合，成為軟硬體整合的產學計劃。 ”Detecting in situ identity fraud on social network services: A case study with facebook” 則與數位學習無關，是透過對 Facebook log 的分析，來理解使用者在使用本人帳號與非本人帳號時行為上的不同，並藉此實作一個盜用帳號的偵測系統。這個系統與現行在登入上進行安全管控的模式完全不同，而是依賴行為分析來進行判定。“Big label: categorizing the Web efficiently and accurately” 則是利用網頁標籤，對於網際網路上大量的網頁進行分群，與現有標籤機制不同的是，並非使用單一標籤，而是將標籤群組後，成為標籤群，再以標籤群進行分類。這三項研究，還是在智慧型軟體系統的主軸上進行。 “A camera-based attention level assessment tool designed for classroom usage”，希望解決的問題是在課堂上協助教師瞭解臺下的學生是否處於專心聽課的狀態。要得到專注度的資訊，最直接的方式，或許是透過腦波儀，然而，精準度高的腦波儀機型相當昂貴，國內一般的課堂人數偏向大班制，若要大量採用腦波儀，成本相當高昂，另外，腦波儀對於使用者或多或少具有干擾，也不適合於課堂上使用。本研究試圖以表情辨識來取代腦波儀。該研究所使用的方法，與以往辨識使用者目光方向及頭部姿勢不同，是採用表情的變化幅度來作為判定依據。實驗過程中，我們同時使用腦波儀及一般的 Web Cam 來進行對照，總共取得了 1,048,576 筆腦波資料，對應到 1,356 筆表情資料，我們發現，當受測者在腦波儀判定下獲得較高專注度時，表情的變化相對較少，反之，當受測者在腦波儀判定下獲得較低專注度時，同時的表情變化較多，符合度為 64.29%。以這個結果為基礎，我們設計了一個供課堂使用的 APP，將數位教材與表情辨識整合，並以後臺提供課堂教師監控學生專注度的功能，在師大附中國中部進行了一個小時的系統可用性測試。 “Extraction, modeling, and predicting: a web driven approach for Taiwan stock prediction” 試著發展一個動態的股市分析模型。核心概念是，對許多股市投資人來說，在沒有足夠的知識的情況下，通常會參考一些簡單的技術指標來進行買賣。有時候指標有效，有時候無效，一般投資人通常也無法分辨。本研究的構想是，如果單一指標的效果不穩定，那麼複合指標呢?我們運用了SVM演算法，挑選了多個指標來訓練模型，先找出同一趨勢的段落，再對該段落進行迴歸預測。 “Enhance e-learning system performance with a cloud and crowd-oriented approach” 是以微積分課程為研究標的，內容採用了文字分析的做法，我們設計了一個數位學習系統，當學生閱讀教材時，我們會請學生勾選關鍵字來表達他對於這個段落的感想，系統會根據學生勾選的關鍵字，來判斷學生目前的學習狀態是否順利。這些關鍵字是事先收集，以TF/IDF處理過而篩選出來，並以決策樹作為判定模型。“Recommendation system based on rule-space model of two-phase blue-red tree and optimized learning path with multimedia learning and cognitive assessment evaluation” 則是以 rule-space model 來評估學生的學習路徑，並給予評價。”Cognitive learning performance assessment and analysis with CSCL applied on the NetGuru platform and CSPL applied on the TAoD platform for the network experiment class”則在分析 CSCL 與 CSPL 在網路實習課堂上應用的差異，這三個研究都直接與數位學習情境有關。