# 1/27 研究計畫撰寫
:::info
時間：2024/1/27 20:00 ~ 23:00
地點：線上會議(Discord)
參與：xiaojie4082、wei._.614、StarLeisure
:::
:::info
時間：2024/1/30 22:30 ~ 01:00
地點：線上會議(Discord)
參與：xiaojie4082、wei._.614、SmingXO
:::
:::info
時間：2024/2/1 21:30 ~ 22:40
地點：線上會議(Discord)
參與：xiaojie4082、wei._.614
:::
:::info
時間：2024/2/2 20:40 ~ 24:00
地點：線上會議(Discord)
參與：xiaojie4082、wei._.614、StarLeisure、SmingXO
:::
:::info
時間：2024/2/5 20:40 ~ 23:00
地點：線上會議(Discord)
參與：xiaojie4082、wei._.614
:::
- https://www.nstc.gov.tw/folksonomy/rfpDetail/81e027ba-657e-4fee-937d-0b7e905255ae?l=ch
- https://www.nstc.gov.tw/folksonomy/list/2af9ad9a-1f47-450d-b5a1-2cb43de8290c?l=ch
## 摘要 (0.5)
> "[如何編寫出色的執行摘要](https://asana.com/zh-tw/resources/executive-summary-examples#%E5%A6%82%E4%BD%95%E7%B7%A8%E5%AF%AB%E5%87%BA%E8%89%B2%E7%9A%84%E5%9F%B7%E8%A1%8C%E6%91%98%E8%A6%81-%E9%99%84%E6%9C%89%E7%AF%84%E4%BE%8B)" - asana [name=xiaojie4082]
```!
# 版本一
隨著數位科技的快速發展，我們提出了一個全新的校園專案，旨在利用 Discord 伺服器、機器人，以及生成式 AI 技術，建立一個豐富多元的校園資訊平台。這個平台的核心目標是提供師生們即時、便利的生活資訊，同時鼓勵校內社群的互動。
在 Discord 伺服器方面，我們計劃建立公共頻道及各科系頻道，以促進更有效率的資訊流通。透過機器人，我們將提供包括最新消息、天氣狀況、選課評價、公車動態、餐廳推薦等一系列實用功能。更值得注意的是，我們計畫深度整合生成式 AI 技術，讓機器人能夠更智慧地回應使用者的需求，提供更加個人化的互動體驗。
同時，我們將建置一個專屬的網頁平台，以提供更多樣的資訊和功能。這包括最新消息的即時轉發、學校天氣預報、校園公車路線查詢、以及學生們重視的選課評價及考古題分享。此外，我們的網頁也將設有匿名留言板、建議回饋功能，以及方便快速連結校園資源。
在技術層面，生成式 AI 技術將在機器人和網頁上廣泛運用，以提供更智慧、具有互動性的服務。我們期望這項技術的引入，能夠進一步優化平台的內容呈現，滿足使用者更多元的需求。
```
```!
# 版本二
隨著數位科技的快速發展，校園資訊的傳遞和交流方式也日益多元化。然而，現有的校園資訊平台仍存在著資訊分散、互動性不足等問題。為解決上述問題，我們提出了一個全新的校園資訊平台專案，透過 網站、Discord 伺服器、機器人、以及生成式 AI 技術，建立一個豐富多元的校園資訊平台。
在 Discord 伺服器方面的計畫包括建立公共頻道和各科系頻道，以促進校內資訊的更有效率流通。透過機器人，我們將提供一系列實用功能，包括最新消息、天氣狀況、選課評價、公車動態和餐廳推薦。值得注意的是，我們計畫深度整合生成式 AI 技術，這將使機器人更智慧地回應使用者的需求，提供更個人化的互動體驗。同時，我們將建立一個專屬的網頁平台，提供更多樣的資訊和功能。這包括即時轉發最新消息、學校天氣預報、校園公車路線查詢，以及學生關心的選課評價和考古題分享。
我們相信，這項專案的實施將為校園資訊的傳遞和交流帶來新的變革，為師生們提供更加便利、高效、互動性的資訊服務。我們期待這項專案的成功，為校園資訊化建設做出貢獻。
```
```!
# 版本三 (依照 “如何編寫出色的執行摘要” - asana 撰寫)
隨著現代校園生活的複雜性不斷增加，學生面臨著各種挑戰，如資訊不對稱、生活資訊不易取得等問題。學生社群內部的互動也有待提升，以促進更好的資訊分享和交流。校園內部需要一個整合性的平台，以解決這些問題，~~提高師生生活品質~~。
本專案的核心目標是建立一個結合 Discord 伺服器、機器人，以及網頁的綜合性校園資訊平台。在 Discord 伺服器中，透過公共頻道和各科系頻道，以及機器人提供最新消息、天氣狀況、選課評價、公車動態、餐廳推薦等功能，促進更良好的資訊分享與社群互動。同時，在網站上提供課程評價上傳、修課建議...等，更進階的功能，以總覽性的方式滿足學生的各方面需求。
這個專案的重要性體現在於它將填補校內資訊傳遞的空缺，提供一個全新的互動平台，促進學生間的交流和合作。透過這個平台，我們可以加強校內師生的連結，促進更好的學習和~~生活氛圍~~。
```
```!
# 版本四
本研究的目的在於建立一個能讓學生更容易取得校園相關資訊之平台，改善以往校園間資訊不對稱、學生互動性不高之狀況。
隨著數位科技的快速發展，校園資訊的傳遞和交流方式也日益多元化，學生面臨著資訊不對稱、校園資訊取得不易等挑戰，而校園現有的資訊平台仍存在著資訊分散、互動性不足等狀況，為了解決、應對這些問題，本研究提出並建立了一個全新的校園資訊平台計劃。
在本研究中，我們將透過網站、Discord來建立平台，並透過機器人以及生成式AI技術等來輔助學生使用、探索。在機器人方面，使用者能透過指令來呼叫機器人以完成諸如課程資訊查詢、查看天氣、公車時刻等動作；在生成式AI技術方面，使用者能夠與機器人對話，使機器人能夠更機智的回應使用者的需求。此外，使用者更能將自身關於課程相關資訊，例如課程評價、授課教師評價等以匿名方式上傳至網頁裡，以便其他人查看。
```
```!
# 最終版本
本研究的目的在於利用 Discord 伺服器、聊天機器人，以及生成式 AI 技術，建立一個可以提供師生們取得資訊以及相互交流的校園平台。
隨著數位科技的快速發展，資訊的傳遞和交流方式也日益多元化，在學校中，學生面臨著資訊不對稱、資訊取得不易等挑戰，而現有的資訊平台仍存在著資訊分散、互動性不足等狀況，為了解決、應對這些問題，本研究提出一個全新的校園互動平台計劃。
在 Discord 伺服器方面，我們將建立公共頻道和各科系頻道，促進資訊流通。透過機器人，提供最新消息、天氣狀況、選課評價、公車動態、餐廳推薦等功能。同時，我們將深度整合生成式 AI 技術，讓機器人能夠更智慧地回應使用者的需求，提供更個人化的互動體驗。除了Discord伺服器外，我們也將建置一個專屬的網頁平台，延伸機器人的各項功能，提供更多樣的資訊和功能，滿足使用者更多元的需求。
```
## 研究動機與研究問題 (1)
```!
一、 研究動機
在這個資訊爆炸的時代，資訊的傳遞與交流方式越來越多元，每個人或多或少都有接觸過相關事物，但資訊的正確與否又成為了另一個問題。在大學校園中的學生面臨著日益繁忙和複雜的生活挑戰，包括學業壓力、時間管理等問題。隨著社交平台的普及和機器人技術的發展，許多組織開始探索如何利用這些新技術為學生提供更好的服務。
Discord 作為一個廣泛用於遊戲社群的溝通平台，近年來在教育領域中也逐漸受到關注。它提供了即時聊天和語音通話的功能，使學生可以方便地與同學、老師和校園組織進行交流。同時，機器人技術的發展也為 Discord 平台增添了更多可能性，例如通過生成式 AI 提供自動化的服務和功能，幫助使用者更好地管理訊息、解決問題、提高效率等。
然而，校園現有的資訊平台存在學生互動性低以及資訊取得不易等問題。因此，我們以 Discord 為基礎建立了一個校園資訊平台，提供一個更便捷的途徑，讓學生能夠更快速地獲取學校相關訊息，並通過機器人解決互動性低的問題。
```
```!
# 版本一
二、 研究問題 (兩段，列點)
本研究的目的在於探索並解決當前校園資訊交流和互動中存在的問題，並進一步提升教育領域的數位化發展。具體而言，我們將關注以下問題：
1. Discord 在教育領域中的應用現況如何？
2. 聊天機器人技術是否能夠有效解決校園資訊交流中的問題？
3. 如何設計和建立一個整合了聊天機器人以及生成式 AI 技術的校園互動平台？
進行詳細的需求分析，了解學生、教師和其他相關者的實際需求，以確保平台能夠滿足他們的期望和習慣。
(這段要改)聊天機器人方面，使用生成式AI技術，使其能夠進行更自然且有上下文的對話；並考慮多通道的溝通方式。同時，實施個性化推薦系統，根據每個使用者填寫的資料提供相應的建議。
4. 如何收集和分析使用者反饋，並根據反饋結果提出改進和優化建議？
需要建立一個反饋機制，設計線上表單或問卷調查，以便收集使用者的意見和建議。重要的是確保這些反饋管道易於訪問和使用。
建立改進計劃時，應該首先優先處理使用者反饋中經常被提及的問題或需求。定期召開會議，深入研究如何解決問題或優化功能。同時，與使用者保持開放的溝通，將改進計劃的進展及時回饋給他們。
```
```!
# 版本二 (兩段)
二、 研究問題
在當今教育領域，Discord 作為一個社群平台已經受到越來越多的關注和應用。Discord提供的即時聊天和語音通話功能，以及其豐富的社交互動性，非常適合教育場景中的協作和交流需求。許多國外的教育機構和社群組織開始在 Discord 上建立自己的伺服器，用於學生群體的管理、課程討論、活動宣傳等，從而促進學生之間的交流和合作。
對於聊天機器人技術在解決校園資訊交流問題方面的應用，已經有一些初步的實踐和研究。聊天機器人可以在Discord平台上提供自動化的服務和功能，例如自動回覆常見問題、提供日常提示和通知...等。通過機器人可以提高資訊流通的效率和便利性，並減輕人工管理的負擔。然而，要實現聊天機器人在校園資訊交流中的有效應用，還需要解決一些技術和設計上的挑戰，例如機器人的智能程度、對話流暢性、以及與用戶的互動方式等。
要設計一個整合了聊天機器人和生成式AI技術的校園互動平台，首先需要確定平台的功能和服務需求，並根據這些需求制定相應的設計方案和技術架構。其次，需要選擇合適的聊天機器人和AI技術，並進行開發和整合。在開發過程中，需要充分考慮用戶體驗和互動設計，確保平台的易用性和便利性。同時，還需要構建一個完善的後台管理系統，用於監控和管理平台的運行狀態，並及時處理用戶反饋和問題。
最後，要收集和分析使用者反饋，並根據反饋結果提出改進和優化建議，建立一個系統化的反饋機制和處理流程。可以通過問卷調查、數據分析...等方式收集使用者反饋，並將反饋數據進行整理和分析，發現問題和改進的空間。根據分析結果，可以針對性地調整和優化平台的功能和服務，以提升用戶滿意度和使用效果。
```
```!
# 版本三 (寫成一段)
在這個充斥著各種資訊的時代，學生們面對的挑戰越來越多，尤其是在大學校園裡。學業壓力、時間管理、以及校園活動等，讓人感到焦頭爛額。同時，社交平台的普及和機器人技術的發展，為我們提供了新的可能性，特別是在校園生活中。
Discord，原本它是個遊戲社群的溝通平台，但近年來卻在教育領域引起了關注。它提供即時聊天和語音通話的功能，讓學生可以輕鬆地與同學、老師、校園組織等進行交流。這對於解決我們校園資訊交流不足的問題有著潛在的應用價值。
然而，要讓這一切順利實現，並不是一件容易的事情。在校園資訊交流方面，我們面臨著許多技術和設計上的挑戰，例如，如何讓機器人變得更智能、對話更流暢？如何讓平台的功能和服務更加符合學生的需求？這就是我們需要思考的問題。
我們決定以 Discord 為基礎，打造一個更加貼近校園生活的資訊平台。這個平台將利用機器人技術，讓學生能夠更輕鬆地獲取校園相關資訊，同時提升資訊交流的便利性和效率。
首先，我們需要確定平台的功能和服務需求，制定相應的設計方案和技術架構。然後，我們要選擇合適的聊天機器人和AI技術，進行開發和整合，並充分考慮用戶體驗和互動設計。同時，我們還需要構建一個完善的後台管理系統，用於監控和管理平台的運行狀態，並及時處理用戶反饋和問題。
最後，我們將通過收集和分析使用者反饋，提出改進和優化建議，建立系統化的反饋機制和處理流程。透過問卷調查、數據分析等方式，我們將持續改進平台的功能和服務，以提升用戶滿意度和使用效果。
總結來說，我們的目標是打造一個真正能夠滿足學生需求的校園資訊平台。通過整合Discord和機器人技術，我們相信可以為學生提供更加便捷、高效的資訊交流服務，讓校園生活變得更輕鬆愉快！
```
```!
# 最終版本
二、 研究問題
在當今的教育領域，Discord 作為一個社群平台已經受到越來越多的關注和應用。它提供的頻道聊天和語音通話功能、以及其豐富的社交互動性，非常適合教育場景中的協作和交流需求。許多國外的教育機構和社群組織開始在 Discord 上建立自己的伺服器，用於學生群體的管理、課程討論、活動宣傳等，從而促進學生之間的交流和合作。
對於聊天機器人技術在解決校園資訊交流問題方面的應用，已經有一些初步的實踐和研究。聊天機器人可以在Discord平台上提供自動化的服務和功能，例如自動回覆常見問題、提供日常提示和通知等。通過機器人可以提高資訊流通的效率和便利性，並減輕人工管理的負擔。然而，要實現聊天機器人在校園資訊交流中的有效應用，還需要解決一些技術和設計上的挑戰，例如機器人的智能程度、對話流暢性、以及與用戶的互動方式等。
要設計一個整合了聊天機器人和生成式AI技術的校園互動平台，首先需要確定平台的功能和服務需求，並根據這些需求制定相應的設計方案和技術架構。其次，需要選擇合適的聊天機器人和AI技術，並進行開發和整合。在開發過程中，需要充分考慮用戶體驗和互動設計，確保平台的易用性和便利性。同時，還需要建構一個完善的後台管理系統，用於監控和管理平台的運行狀態，並及時處理用戶反饋和問題。
最後，要收集和分析使用者反饋，並根據反饋結果提出改進和優化建議，建立一個系統化的反饋機制和處理流程。可以通過問卷調查、數據分析等方式收集使用者反饋，並將反饋數據進行整理和分析，並根據分析結果來調整和優化平台的功能和服務，以提升用戶滿意度和使用效果。
```
## 文獻回顧與探討 (1~2)
```!
一、 聊天機器人 (Chatbots)
- 聊天機器人之定義
聊天機器人（Chatbot）是一種計算機程序，其主要目的是通過文本或語音與使用者進行對話。這些程序利用自然語言處理（NLP）等技術，以理解和解釋使用者的語言，並回應以模擬人類對話。（Khanna Anirudh，2015）聊天機器人可以在各種應用中發揮作用，包括客服、教育、醫療等領域。它們可以基於預先編程的規則和模式，也可以使用機器學習等技術來不斷學習和改進其回應。
- 研究聊天機器人的基本原理和運作方式。
聊天機器人的基本原理包括:人工智慧標記語言(AIML)、自然語言處理(NLP)。當機器人接收到使用者輸入的資料後，進行自然語言處理(NLP)理解使用者的意圖，並產生適當的回應，可以是文字或圖片等形式。
- 聊天機器人在教育領域的應用現狀。
聊天機器人在教育領域的應用正不斷擴展，成為一種創新的教學工具。這些機器人可以被設計成教育助手，提供學生個性化的學習體驗。例如，它們可以回答學生問題、解釋概念、提供額外練習，並在學習過程中提供即時反饋。
透過自然語言處理技術，聊天機器人能夠與學生進行真實對話，促進語言技能的發展。此外，它們還可以在數學、科學等學科中提供支援，使學習更生動有趣。
在線上課程和遠程教學中，聊天機器人的應用也能夠提供個別化的指導，協助學生克服學習障礙。然而，教育領域仍需持續評估和改進聊天機器人的應用，確保它們能夠有效地融入教學環境，促進學生的學習和成長。
二、 生成式 AI (Generative AI)
- 生成式 AI 技術的基礎概念和發展歷程。(可以細寫也可以簡短，也能做成表格到時候看怎麼寫在word)
生成式 AI 技術是一種可以創造新內容和想法的人工智慧，包括創造對話、故事、影像、視訊和音樂。通過學習大量的數據，從而可以生成與原始數據相似的新數據。它主要依賴於深度學習技術，其中最常見的是生成對抗網絡(GAN)、長短期記憶網絡(LSTM)、Transformer等模型。發展歷程可以追溯到1980年代，Hopfield Network（John Joseph Hopfield，1982）以及Boltzmann machine（Geoffrey Hinton&Terry Sejnowski，1985）模型誕生，但由於當時電腦的計算能力和數據量限制，造成模型的表現並不理想。隨後GAN（Ian Goodfellow，2014）以及VAE（Diederik P. Kingma&Max Welling，2015）問世，推動了生成式 AI 的快速發展，並取得了重大突破。至今生成式 AI不斷提升生成內容的品質和生成的能力，並且走入大眾的視野，不過大眾也逐漸重視生成式 AI 的可控性及其倫理責任。
- 生成式 AI 在自然語言生成、對話生成等方面的應用。(不知道怎麼不使用列點的方式寫長; ;)
自然語言生成(NLG)可以利用生成式 AI應用在文本生成、機器翻譯、人機對話以及教育與研究等領域，像是聊天機器人使用 NLG 技術來生成更加自然、人性化的對話，或是用於生成個性化的學習材料或研究報告。
- 生成式 AI 模型的訓練和調整，以適應校園資訊交流平台的需求。
生成式 AI 模型的訓練和調整是生成式 AI 技術的核心。生成式 AI 模型是一種人工智慧模型，可以生成新的資料，例如文字、圖像、音樂等。需要收集和準備訓練模型所需的資料，並且訓練過程需要進行迭代，直到模型達到預期的效果，最後進行評估與調整確保模型的性能符合要求。（Shalev-shwartz，S. and Ben-david，S. 2014 )
- 生成式 AI 會面臨到的挑戰。
生成式 AI 技術是一項新興技術，仍處於發展的早期階段，可能會碰到數據偏見以及安全性的問題。（Dario Amodei，2016）
生成式 AI 技術是一項新興技術，仍處於發展的早期階段（Dario Amodei，2016）。它具有巨大的潛力，可以創造出新的內容和想法，並在各個領域得到廣泛應用。然而，生成式 AI 技術也面臨著一些挑戰。
其中之一是數據偏見，生成式 AI 技術是基於數據進行訓練的。如果訓練數據存在偏見，那麼生成式 AI 模型也會產生偏見的結果。例如，如果訓練數據中女性的比例較低，那麼生成式 AI 模型可能會生成對女性不利的內容。並且如果有人惡意導入一些不正確或是虛假的訓練數據，可能會導致生成式 AI 模型生成錯誤的訊息進而產生安全性及真實性的問題
三、 自然語言處理 (Natural Language Processing, NLP)
- 自然語言處理的定義
自然語言處理（NLP）是探索如何利用計算機來理解和處理自然語言文本或語音（Chowdhury, G.，2003）。這項技術的目標是讓計算機能夠像人類一樣理解和處理自然語言，從而為人們提供更加方便、高效的人機交互方式。隨著 NLP 技術的不斷發展，我們可以期待它在未來為人們帶來更多的便利和價值。
- 自然語言處理技術所面臨的挑戰。
自然語言處理(NLP)面臨著許多挑戰。其中之一是語言的多樣性。不同語言具有不同的語法、詞彙和語義。例如，英語是屈折語，而漢語是孤立語。這意味著英語的詞形會隨著語法功能而發生變化，而漢語的詞形則保持不變（Deutscher, Guy.，2006）。
另一個挑戰是上下文理解。自然語言的含義往往受到上下文的影響。例如，“我喜歡這本書”這句話的含義可能因“這本書”所指的內容而有所變化。如果“這本書”指的是一本小說，那麼這句話可能表示說話者喜歡這部小說的故事或人物。如果“這本書”指的是一本教科書，那麼這句話可能表示說話者喜歡這本書的內容或教學方法。
為了應對這些挑戰，NLP研究人員提出了各種技術和方法，例如機器學習、深度學習和知識圖譜。隨著技術的發展，NLP技術正在不斷進步，並在越來越多的領域得到應用。
- 自然語言處理的主要範疇
自然語言處理（NLP）涵蓋多個範疇。其中，詞彙分析涉及單詞處理，包括斷詞和詞幹提取。語法分析則將文本解析成結構化的語法樹，捕捉語法結構。NLP的語義分析關注文本的含義和詞語之間的語義。此外，NLP應用廣泛，包括機器翻譯、問答系統和情感分析等領域，使得計算機更有效地處理和理解自然語言。此外，NLP的情感分析評估文本中的情感和態度。這些範疇相互交融，推動了自然語言處理在各個領域的應用和發展。
四、 教育科技 (Educational Technology, EdTech)
- 教育科技的發展趨勢和應用現狀。
近年來，隨著科技的快速發展，教育科技也得到了迅速發展，不僅達成了在線教育的普及，也能透過大數據的應用更好地了解學生的學習情況，並做出相應的決策，更可以應用擴增實境(AR)為學生提供沉浸式的學習體驗，讓他們在虛擬環境中進行學習和探索（林佳穎、邱美虹、林佳弘，2021），甚至能在未來透過AI實現個性化的學習以及智能評估等輔助。
- 社交平台在教育領域中的應用和效果。
社交平台可以作為課堂教學的輔助工具，教師可以通過社交平台發佈課程資料、課堂錄影、課後作業等，方便學生隨時隨地學習。學生可以通過社交平台加入學習小組，與其他學生交流學習心得，互相幫助。教師也可以通過社交平台與其他教師交流教學經驗，分享教學資源。所以教育平台不僅能提高學習效率也能促進學生合作更可以幫助教師的專業發展。
- 教育科技對學生學習和校園生活的影響。
臺灣在教育科技運用上的歷史，包括電化教育、視聽教育、視聽傳播、教學科技及數位學習等時期。其中，個人電腦的普及以及網路的出現對教育產生深遠影響，使教學與電腦幾乎難以分離，也改變了教學方法和師生互動方式。現今，軟體與硬體已經融為一體，資訊與網路科技與教育緊密相連，影響範圍廣泛，不僅使教學多元化，還改變了學習方式（何榮桂，2012）。
- 教育科技面臨的問題
在教育科技發展的背景下，網路成為了豐富的資訊來源，然而，這也引發了資訊過濾的問題，學生可能難以有效地辨別和選擇適切的資訊。因此，加強學生的資訊素養教育變得至關重要，以培養其適應快速發展的資訊社會的能力。
同時，教師在教學中也需要具備相應的資訊技術能力，以更有效地整合科技資源於教學過程中。這不僅包括基本的電腦操作技能，還需了解教學軟體、多媒體資源的應用，以提升教學的靈活性和多元性。教師的資訊技術能力將有助於創造更具互動性和引人入勝的學習環境，促進學生更主動地參與學習過程。因此，在教育科技的應用中，同時重視學生的資訊素養和教師的資訊技術能力培養，是確保科技融入教育帶來正面效果的關鍵要素。
五、 綜合評析
...
```
## 研究方法與步驟 (4)
> - 系統架構圖(寫模組名稱，不要寫技術)
> - 方塊圖
> - 階層圖
> - 模組化結構
> - 前瞻技術
> - 生成式 AI
> - 重新產生更完整的內容
> - GPT 不是我們系統想要的答案
> - 下一個關鍵字
> > 系統分析在學甚麼
> > 給他基礎的資料
> > 回答更深入的答案出來
> - 自然語言拆解語意，透過 GPT 產生更好的的回答
> - 畫一個流程圖
> - 給使用者回饋答案是否是理想的答案 (多種版本進行調查)
> - 課程推薦
> - 平台技術與部屬
> - 技術面和部屬怎麼做
> - 前端技術方法
- 研究方法
- https://lucid.app/lucidchart/1f6b5cd1-1d82-46c8-9127-9d1959284d14/edit?viewport_loc=103%2C123%2C1707%2C753%2C0_0&invitationId=inv_857dfb80-6e23-49fa-9c8b-d0760d62e512
```!
一、 系統架構圖
這個系統架構圖展示了我們對校園互動平台個規劃，該平台主要分為兩大子系統： Discord Bot和網站。
在 Discord Bot 子系統中，各個模組負責不同的功能。最新消息模組透過爬蟲組件從網頁上抓取最新消息並存入資料庫，使得用戶能夠及時獲取校園內的重要資訊。天氣預報模組則通過API組件向外部天氣API發送請求，提供即時的天氣預報。公車時刻模組和課程查詢模組同樣透過API組件或爬蟲組件提供公車時刻表和課程查詢功能，方便用戶查詢相關資訊。課程推薦模組則結合了爬蟲組件、機器學習組件和生成式 AI 組件，通過分析用戶的興趣和需求，提供個性化的課程推薦建議。
在網站子系統的部分同樣擁有多個模組，這些模組不僅提供了與 Discord Bot 子系統相似的功能，還擴展了一些額外的功能，如個人資料模組、選課評價模組、匿名留言模組等。這些模組通過資料庫管理組件來管理相應的數據，保證用戶的資料安全和一致性。
二、 前瞻技術
1. 生成式 AI 技術 (機器人問答、訊息生成)
在使用生成式 AI 技術，特別是機器人問答和訊息生成方面，我們面臨著選擇適合的大型語言模型的挑戰。目前，主流的模型包括 OpenAI 的 GPT-4 Turbo、Meta 的 Llama 2 和 Google 的 Gemini Pro。這些模型各有優缺點，我們需要仔細比較以確定最適合我們需求的模型。
GPT-4 Turbo 擁有巨大的模型規模和廣泛的語言支援，但是它不開源且僅能透過 API 呼叫，使用成本相對較高。相比之下，Llama 2 雖然模型規模中等，但它的簡潔高效、易於訓練和部署，且不收費。而 Gemini Pro 具有強大的性能和易用性，且不收費，但模型規模相對較小且僅能透過 API 呼叫。
綜合考量後，我們將選擇 GPT-4 Turbo 或 Gemini Pro 模型作為機器人訊息生成的基礎。接下來，我們將著手處理資料和建立訓練資料集。首先，我們會確定校園常見問題的類別和範疇，然後收集、整理這些問題。透過這樣的訓練資料集，我們能夠讓模型更深入地理解問題並生成合適的答案。
雖然模型經過微調後，我們仍無法保證其生成的內容都符合期望。因此，我們將透過自然語言檢查模型生成的答案，確保其品質。同時，我們將積極收集使用者的反饋，並根據反饋不斷調整和優化模型。若反饋為好的，我們將其納入訓練資料集用於模型的微調；若反饋為差的，則透過模型重新生成新的內容。
2. 機器學習技術 (課程推薦)
首先，我們需要收集個人基本資料（如科系、年級）、修課紀錄和職業興趣偏好，以及職能診斷報告。這些資料將以結構化格式儲存在資料庫中。接著，進行資料預處理，包括數據清洗、去除不完整或不準確的資料，以及特徵選擇或提取，以將原始資料轉換為可供機器學習算法處理的格式。
然後，使用監督式機器學習方法來建立模型，我們會使用決策樹或支持向量機模型，用於預測使用者對課程的興趣程度或推薦特定課程。下面將分析上述兩種模型之比較：
支援向量機(Support Vector Machine)：
支援向量機(以下簡稱 SVM)是分析資料的機器學習算法，通過建構複雜的決策邊界來捕捉使用者的興趣模式。SVM 通常通過找到最佳的分隔超平面來將數據分類為不同的類別。在課程推薦的任務中，SVM 可以根據使用者的修課紀錄和興趣特徵來構建一個模型，從而將使用者分類為對某些課程感興趣和不感興趣的群體。由於 SVM 能夠處理高維度的資料和非線性問題，因此它可以有效地捕捉使用者的複雜興趣模式。然而，SVM的計算成本較高，對於大型資料集可能需要更多的時間和計算資源。
決策樹(Decision Tree)：
決策樹是輔助決策的機器學習算法，通過將資料分割成不同的子集來建立一系列的分類規則，從而預測用戶對於某些課程的興趣程度。在課程推薦的任務中，決策樹可以幫助理解哪些特徵對於預測使用者興趣最為重要，並且提供了一個易於理解的模型結構。另外，決策樹對於混合型數據和缺失值的處理能力較強，並且不需要太多的數據預處理。然而，決策樹容易出現過度擬合的問題，特別是在處理高度非線性的問題時，因此可能需要進行樹的修剪或者使用集成學習方法來改進效果。
在訓練模型之前，需要進一步進行資料分割，以便將資料分成訓練集和測試集以進行驗證。接著，系統進行模型訓練，將資料提供給模型，並通過調整模型的參數，以最小化預測與實際結果之間的誤差。在模型訓練完成後，使用測試集對模型進行評估。這可以通過計算不同評估指標（如準確度、精確度、召回率、F1分數等）來完成，以評估模型的性能。
最後，將訓練好的模型部署並整合到課程推薦功能中。當使用者發出查詢時，系統將使用者的個人資料作為輸入，並通過模型進行預測，從而生成個性化的課程推薦結果。同時，為了不斷提升系統的準確性和用戶滿意度，需要持續收集使用者的反饋資料，並根據這些資料來優化模型。
三、 平台技術與部屬
在系統的構建過程中，我們將分成兩點：網頁平台和聊天機器人。它們分別負責校園互動平台的前端展示和用戶互動，及提供自然語言理解和智能回應功能。
1. 網頁平台
運用 XAMPP 或類似工具在實驗室的電腦上搭建伺服器環境，包括 Apache 伺服器、MySQL 資料庫和 PHP 解析器。XAMPP提供了一個完整的開發環境，這樣的方式能夠在開發和測試階段更靈活地進行操作，確保與 MySQL 資料庫的連接和操作順利進行，以儲存和檢索用戶資料。同時，利用 mdbootstrap 前端框架，快速建置美觀的網頁介面。這個框架提供了許多現成的 UI 元件和樣式，有助於提高開發效率和網頁的視覺吸引力，也能實現在不同尺寸和設備上提供一致的使用體驗。
當完成了網頁應用的開發和測試之後，下一個重要的步驟就是將這個應用部署到公共環境中。為了實現這一目標，需要購買網域名稱和申請 SSL 證書，以確保使用者在訪問網站時能夠得到安全的體驗。
首先，將購買一個網域名稱，這是網站的唯一識別符號，就像一個地址一樣。通過購買網域名稱，可以確保網站在網際網路上有一個獨一無二的位置。這使得使用者可以通過簡單的網址來訪問網站，而不需要記住複雜的 IP 地址。
再來，將申請一個 SSL 證書。SSL 證書是一種數字證書，用於在網際網路上建立安全的連接。通過將 SSL 證書用在網站上，可以實現 HTTPS協議，這是一種安全的通訊協議，用於在使用者瀏覽器和網站之間進行加密通訊。這意味著使用者在與網站互動時，他們的敏感信息將被加密，從而保護他們的隱私和安全。
2. 聊天機器人
採用 Python 作為主要開發語言。並整合 requests 和 beautifulsoup4 爬蟲套件這兩個套件的功能主要為，前者用於發送外部API以及其他請求，像是獲取天氣資訊、公車時刻、網頁原始碼等數據；後者從網頁中爬取所需的資料，例如最新消息、課程資料等，以供機器人使用。同時，使用 py-cord Discord 套件進行 Discord 聊天機器人的開發，此套件提供了與 Discord 伺服器進行連接和互動，提供多元化的功能，實現與用戶的互動和功能操作。此外，也整合 OpenAI 套件，如 GPT-4 Turbo 或 Gemini Pro，提高聊天機器人的對話理解能力和回應自然度。
```
## 預期結果 (0.3)
```!
當這個校園互動平台順利建置後，我們預期會達到多個顯著的成果。首先，平台將成為校園內學生互相溝通的管道之一，提供了即時、便捷的資訊服務。這有助於改善校園內的溝通效率，減少資訊不對稱和誤解，從而促進校園社群的凝聚力和合作氛圍。
透過機器學習技術提供的課程推薦功能，以及平台所提供的各種功能模組，如最新消息、天氣預報、公車時刻表等，期待能夠幫助使用者更有效地選擇符合他們興趣和學習需求的課程，及提供除課程方面外更多元化的服務。使校園互動平台成為生活中不可或缺的一部分，並提升滿意度和成效。
此外，平台的開放性和擴展性也為未來的創新和發展提供更多可能性。校園社群的成員也能參與到平台的建設和發展，共同創造一個更加豐富和有價值的校園互動生態系統。
預想參加的研討會或競賽：
1.TANET研討會： 參加 TANET 研討會可以讓平台得到更多的曝光，與相關領域的專家學者交流，獲得更多的反饋和建議，進一步完善和提升平台的功能和性能。
2.其他競賽： 參加其他相關的競賽可以激發團隊的創造力和競爭力，將平台的創新性和實用性展示給更廣泛的觀眾，可能獲得更多的認可和獎勵，促進平台的發展和推廣。
```
## 需要指導教授指導內容 (0.3)
```!
1. 協助網站架設
2. 伺服器安全性相關問題
3.
4. ...
```
## 參考文獻 (0.3)
- 格式：APA Style
```!
[1] 黃士昕（2023）。利用Line Bot 聊天機器人輔助新手增加學習Python 成效。﹝碩士論文。國立高雄師範大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/5b9myk。
[2] 宋泓均（2023）。微積分聊天機器人的設計與研究。﹝碩士論文。南臺科技大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/8w433g。
[3] 鍾興瑄（2023）。探討Discord線上遊戲社群的休閒效益：從眾行為的影響。﹝碩士論文。嶺東科技大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/b3dc3x。
[4] 彭嘉瑋（2022）。生成式對話聊天機器人：以老人健康領域對話為例。﹝碩士論文。國立雲林科技大學﹞臺灣博碩士論文知識加值系統。 https://hdl.handle.net/11296/93v4p7。
[5] Shalev-shwartz, S. and Ben-david, S. (2014) Understanding Machine Learning from Theory to Algorithms. Cambridge University Press
[6] Dario Amodei, Chris Olah, Jacob Steinhardt, Paul Christiano, John Schulman, Dan Mané, (2016) Concrete Problems in AI Safety.
[7] Khanna Anirudh, Pandey Bishwajeet, Vashishta Kushagra, Kalia Kartik, Pradeepkumar Bhale, Das Teerath. A Study of Today's A.I. through Chatbots and Rediscovery of Machine Intelligence. International Journal of u- and e-Service, Science and Technology. 2015;8(7):277–284.
[8] Chowdhury, G. (2003) Natural language processing. Annual Review of Information Science and Technology, 37. pp. 51-89. ISSN 0066-4200
[9] Deutscher, Guy. The unfolding of language: an evolutionary tour of mankind's greatest invention reprint. New York: Holt Paperbacks. 2006. ISBN 978-0-8050-8012-4.
[10]林佳穎、邱美虹、林佳弘 (2021) 。擴增實境在科學教育的研究趨勢：2005~2017年學術文獻回顧。科學教育月刊，440期，2-17。
[11]何榮桂（2012）。臺灣教育科技的回顧與展望。《台灣教育》，674期，41-47頁。
```
Sign in with Wallet
Connect another wallet