十二年國民基本教育以「核心素養」為主軸，旨在培養國民適應現在的生活以及面對未來挑戰所需具備的知識、能力與態度，為了提供多元化的課程內容並確保學生具備相應的基本學力，教學重心從教科書轉而專注於學生需求，使教師承擔課程設計的挑戰，考驗教師資訊蒐集與知識轉化能力的同時卻也增加教師備課時的負荷。
為了拓展課程領域邊界，提供與課程主題相關的書籍資源，本論文建置課程相關書籍推薦模型，從TAAZE讀冊網站爬取147,990本書籍資訊，利用文字探勘技術分析11個課程教案，提供課程關鍵字的關聯分析，以隱含狄利克雷分佈模型成功找尋隱含於課程中的主題，再以餘弦原理計算課程與書籍間的距離，並給予課程相關的書籍推薦，能夠提供與課程相關並且教師感興趣的書籍。問卷結果顯示書籍推薦系統能夠提高課程品質及教師的工作效率，減少教師在尋找課程資訊的時間與壓力，有助於教師在備課時取得課程相關的學習資源，使教師持續朝核心素養的教學精神邁進，本論文可作為未來發展學習資源推薦系統之參考。

Developing students' Core Competencies is the critical purpose of K-12 Education in Taiwan. The goal of K-12 Education is to create students’ knowledge, ability, and attitude to face future challenges. The focus of teaching turns to ensure that students have essential competencies. This makes teachers encounter more tasks on curriculum design, information collecting and the ability to transform the knowledge while increasing the loading on teachers.
To expand the boundaries of the curriculum, and to provide reference books related to the subject of the curriculum. This paper constructs a course-related book recommendation system based on Latent Dirichlet Allocation topic models. Collect 147,990 book information from the TAAZE website, and use text mining technology to analyze 11 course teaching plans. Then use the cosine principle to calculate the distance between the course and the book, and recommend books related to the course. The questionnaire results show that book recommendation system can improve the quality of the courses, work efficiency of teachers and reduce the time and pressure of teachers to search for course information when preparing the lessons. The results can be a reference when developing a learning resource recommendation system in the future.

第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 4
1.3 研究範圍與限制 5

第二章 文獻探討 6
2.1 十二年國教課程趨勢 6
2.1.1 十二年國教課綱的內涵 6
2.1.2 十二年國教課綱對教師的挑戰 8
2.1.3 以課綱為本的課程設計 9
2.2 推薦系統 11
2.3 文字探勘及隱含狄利克雷分佈模型 13
2.3.1 常見的詞向量模型 14
2.3.2 隱含狄利克雷分佈模型 15

第三章 研究方法 18
3.1 研究流程架構 18
3.2 建立資料集 20
3.3 斷詞工具 25
3.4 LDA模型訓練 27
3.5 計算課程與書籍之相似度 31

第四章 研究結果 32
4.1 研究對象背景與常用搜尋管道 32
4.2 課程相關書籍推薦結果 35
4.2.1 文字探勘課程關鍵字分析 35
4.2.2 隱含的主題內容 37
4.2.3 跨領域的書籍推薦 40
4.3 課程相關書籍之推薦效益 42
4.3.1 推薦結果之相關性、新穎性及實用性效益分析 42
4.3.2 推薦書籍之輔助程度與滿意程度效益分析 44

第五章 結論 47
5.1 研究結論 47
5.1.1 應用文字探勘技術進行文本分析 47
5.1.2 課程學習資源推薦模型 48
5.1.3 LDA主題模型推薦書籍之效益 48
5.2 未來研究建議 50

吳明德, 陳世娟, & 謝孟君（2005）。小學教師網際網路教學資源尋求及使用行為之研究。教育資料與圖書館學， 42（4），頁 481-498。
呂秀蓮（2016）。能力指標導向的課程發展與設計能力: 強化教師專業課程能力與信心。臺灣教育評論月刊， 5（8），頁 59-65。
呂秀蓮. (2019). 課綱為本課程設計經驗之研究: 以國中教師為對象. 教育實踐與研究, 32(1), 1-31.
呂秀蓮（2020a）。新課綱教材的編製與使用之新路徑: S2 素養課程的學習內容。臺灣教育評論月刊， 9（3），頁 6-14。
呂秀蓮（2020b）。S2 素養課程: 以設計思維培育中小學生的基本學力。台灣教育（722），頁 21-27。
呂孟潔（2019）。十二年國教素養導向的教科書變革及展望。臺灣教育評論月刊， 8（12），頁 140-146。
李盈蓁, 岳修平, & 徐式寬（2004）。大學教師教學專業發展之資訊尋求行為研究。圖書資訊學刊， 2（2），頁 105-124。
李連揮（1977）。索引典與索引方法。圖書館學與資訊科學， 3（2）。
林珊如（2006）。台灣國中與國小鄉土教育教師資訊需求與搜尋行為調查報告。圖書資訊學刊， 4（1&2），頁 49-76。
柯皓仁（2013）。資源探索服務之功能評估。國立成功大學圖書館館刊（22）。
教育部. (2014). 十二年國教課程綱要總綱. from https://www.naer.edu.tw/upload/1/16/doc/288/十二年國教課程綱要總綱.pdf
陳淑娟（2019）。國民小學教師教科用書使用現況研究之結果。國家教育研究院電子報第181期。
黃政傑（1991）。課程設計）：東華。
黃慕萱（1997）。資訊檢索中 [相關] 概念之發展。
黃儒傑（2020）。素養導向教科書的編製與轉化。臺灣教育評論月刊， 9（3），頁 15-21。
葉錫南（2016）。由十二年國教課綱草案展望未來 中小學之英語文教科書。Journal of Textbook Research， 9（3）。
劉新, & 張永達（2003）。九年一貫國中 [自然與生活科技] 領域課程發展, 設計, 評量之策略。科學教育月刊（260），頁 41-51。
蔡清田（2011）。課程改革中的核心素養之功能。教育科學期刊， 10（1），頁 203-217。
蔡清田（2015）。課程發展與設計的關鍵 DNA: 核心素養）：台灣五南圖書出版股份有限公司。
Adomavicius, G., & Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE transactions on knowledge and data engineering, 17(6), 734-749.
Baeza-Yates, R., & Ribeiro-Neto, B. (1999). Modern information retrieval (Vol. 463): ACM press New York.
Baharudin, B., Lee, L. H., Khan, K., & Khan, A. (2010). A Review of Machine Learning Algorithms for Text-Documents Classification. Journal of Advances in Information Technology, 1. doi: 10.4304/jait.1.1.4-20
Bíró, I., Szabó, J., & Benczúr, A. A. (2008). Latent dirichlet allocation in web spam filtering. Paper presented at the Proceedings of the 4th international workshop on Adversarial information retrieval on the web.
Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent dirichlet allocation. the Journal of machine Learning research, 3, 993-1022.
Carlson, B., & Reidy, S. (2004). Effective access: Teachers' use of digital resources (research in progress). OCLC Systems & Services: International digital library perspectives.
Charles, S. K., & Clark, K. E. (1990). Enhancing CD-ROM searches with online updates: An examination of end-user needs, strategies, and problems. College & Research Libraries, 51(4), 321-328.
Cho, J., & Allen, T. (2005). " Backward" curiculum design and assessment: what goes around comes around, or haven't we seen this before? Taboo, 9(2), 105.
Davis, O., Frymier, J., & Clinefelter, D. (1977). Curriculum materials used by eleven-year-old pupils: An analysis using the An-nehurst Curriculum Classification System. Pa-per presented at the annual meeting of the American Educational Research Associa-tion, San Francisco.
Eddy, S. R. (1996). Hidden markov models. Current opinion in structural biology, 6(3), 361-365.
Fang, D., Yang, H., Gao, B., & Li, X. (2018). Discovering research topics from library electronic references using latent Dirichlet allocation. Library Hi Tech.
Frawley, W. J., Piatetsky-Shapiro, G., & Matheus, C. J. (1992). Knowledge discovery in databases: An overview. AI magazine, 13(3), 57-57.
Le, Q., & Mikolov, T. (2014). Distributed representations of sentences and documents. Paper presented at the International conference on machine learning.
Liao, S. C., Kao, K. F., Liao, I. E., Chen, H. L., & Huang, S. O. (2009). PORE: a personal ontology recommender system for digital libraries. The Electronic Library.
Linden, G., Smith, B., & York, J. (2003). Amazon. com recommendations: Item-to-item collaborative filtering. IEEE Internet computing, 7(1), 76-80.
McCutcheon, G. (1982). Textbook Use in a Central Ohio Elementary School.
McSherry, F., & Mironov, I. (2009). Differentially private recommender systems: Building privacy into the netflix prize contenders. Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, 627-636.
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint arXiv:1301.3781.
Ogawa, R. T., Sandholtz, J. H., Martinez-Flores, M., & Scribner, S. P. (2003). The substantive and symbolic consequences of a district’s standards-based curriculum. American Educational Research Journal, 40(1), 147-176.
Pazzani, M. J., & Billsus, D. (2007). Content-based recommendation systems The adaptive web (pp. 325-341): Springer.
Pichl, M., Zangerle, E., & Specht, G. (2014). Combining Spotify and Twitter Data for Generating a Recent and Public Dataset for Music Recommendation. Grundlagen von Datenbanken, 35-40.
Rana, C., & Jain, S. K. (2012). Building a Book Recommender system using time based content filtering. WSEAS Transactions on Computers, 11(2), 2224-2872.
Resnick, P., & Varian, H. R. (1997). Recommender systems. Communications of the ACM, 40(3), 56-58.
Ricci, F., Rokach, L., & Shapira, B. (2011). Introduction to recommender systems handbook Recommender systems handbook (pp. 1-35): Springer.
Röder, M., Both, A., & Hinneburg, A. (2015). Exploring the space of topic coherence measures. Paper presented at the Proceedings of the eighth ACM international conference on Web search and data mining.
Schwartz, B. (2004). The paradox of choice: Why more is less. Ecco New York.
Sie, S.-H., & Yeh, J.-H. (2014). Library book recommendations based on latent topic aggregation. International Conference on Asian Digital Libraries, 411-416.
Small, R. V., Sutton, S., Eisenberg, M., Miwa, M., & Urfels, C. (1998). An Investigation of PreK-12 Educators' Information Needs and Search Behaviors on the Internet.
Sun, J. (2012). Jieba chinese word segmentation tool.
Tian, Y., Zheng, B., Wang, Y., Zhang, Y., & Wu, Q. (2019). College library personalized recommendation system based on hybrid recommendation algorithm. Procedia CIRP, 83, 490-494.
Wiggins, G., & McTighe, J. (2006). Examining the Teaching Life. Educational Leadership, 63(6), 26-29.
Xing, C., Wang, D., Zhang, X., & Liu, C. (2014). Document classification with distributions of word vectors. Paper presented at the Signal and Information Processing Association Annual Summit and Conference (APSIPA), 2014 Asia-Pacific.
Zarzour, H., Al-Sharif, Z., Al-Ayyoub, M., & Jararweh, Y. (2018). A new collaborative filtering recommendation algorithm based on dimensionality reduction and clustering techniques. Paper presented at the 2018 9th international conference on information and communication systems (ICICS).