• 沒有找到結果。

三、提升幼兒天文科學學習成效 之思考方向

在文檔中 全文下載 (頁 189-192)

(一) 利用巨量資料分析發現盲點

臺灣徒有絕佳天文科學素材,但 天文資源卻未能妥善運用,且相關研 究與文獻極度缺乏,因此可結合巨量 資料分析之前瞻性,將為數眾多且龐 雜之多樣數據資料,進行萃取、提煉、

分析,以找出隱藏之重要訊息與變化 之內在規律(Agnellutti, 2014),進而 提升學習成效、強化資源效率,為幼 兒天文科學學習往下扎根,做好準備 與擬妥因應策略。余承叡、盧冠宇、

吳維文與丁士翔(2016)即指出,善 用巨量資料分析可掌握整體設備效率 及使用情形,並藉由蒐集資料、萃取 資訊、統計建模等步驟,協助組織提 出優化資源運用效率、改善流程規劃 缺口之做法,強化產能與製程控管能 力。同時依據財團法人臺灣網路資訊 中心之「2016 年臺灣寬頻網路使用調 查報告」資料顯示,全國 12 歲以下之 民眾約有 126 萬人曾上網;12 歲以上 民眾有 1,757 萬人曾上網,總計全國民 眾有 1,883 萬人曾上網過,其中,1,816 萬人最近半年有上網(鄭天澤、楊亨 利、陳麗霞、胡正文,2016),顯示網 路資料數量多元且龐大。因此利用巨 量資料探勘相關網站,以採集與研究 議題相關之資料,其發現盲點之價值 不容小覷。

(二) 善用天文科學扭轉學習興趣

面對臺灣學生對科學沒有興趣之 窘境,扭轉臺灣學生科學學習高成就

低興趣之現況,實屬當務之急,因此 在有意義學習與知識提取之理論基礎 下,利用天文科學之普及與便利性,

並結合 學齡前兒童 天 文學習 之價值 性,可收幼兒科學學習往下扎根之事 半功倍成效。同時在巨量資料分析之 實務趨勢下,利用龐大多樣之數據資 料分析,可發現提升天文科學學習成 效之適切做法,讓無論是議題偏好之 落差、資源運用之落差、配置模式之 落差或決策應用之落差等問題,皆能 迎刃而解。然而巨量資料分析雖能降 低抽樣可能造成之誤差,但尚須縝密 步驟以提高結論之精確,亦即不僅需 嚴謹探究驗證所發現之問題,更需詳 細解讀資料與周延分析。爰此,藉由 綜整資料庫搜尋、情緒分類系統、字 句邏輯程式演算法等方式(Bifet, 2013;

Boyd & Crawford, 2012; Ramanathan &

Sarulatha, 2013),可確保資料分析與驗 證演算之品質,進而提供網路資訊分 析更為精確之品質檢測標準。同時透 過蒐集(collect)、處理(process)、分 析(analysis)、傳佈(disseminate)之 程序形成組織記憶,以通透瞭解科學 學習高成就低興趣之關鍵,確實協助 扭轉學習興趣之 策略 抉擇( Minelli, Chambers, & Dhiraj, 2013; Russom, 2011; Williams, 2016),進而大幅提高 因應方案之正確性與適用性。

(三) 運用經驗扎根幼兒科學學習

在知識提取與有意義學習之理論 基礎下,可以增進長期學習效果並產 生有品質之學習成果(Karpicke, 2012;

Mayer, 2011),因此藉由臺灣豐富精彩 之天文科學素材,並結合天文科學學

習往下扎根之做法,促使幼兒從小即 有對科學探索及學習之興趣,讓成功 與 快 樂之 學習 經驗 持 續傳 遞正 面 能 量 , 不僅 可提 高未 來 科學 學習 之 興 趣,亦可藉由從小即不斷重複辦得到 的小事,累積未來接受更高挑戰之韌 性與毅力(郭欣怡譯,2013)。易言之,

結 合 知識 提取 效益 、 有意 義學 習 效 果、以及發揮大腦潛能效用等理論基 礎,並藉由巨量資料探勘分析之技術 運用,可將理論與實務論述之邏輯銜 接,對幼兒天文科學學習成效、天文 科學資源應用,進行多元角度探究,

將可善用天文科學多元優異特質,進 而 落 實提升 科普優勢 與未來學習興 趣、擴大幼兒科學範疇以深化科普經 營之扎根目標。

四、結語

巨量資料分析植基於資訊科技軟 體 之 應 用 , 能 夠 清 楚 界 定 出 資 料

(data)、資訊(information)以及情報

(intelligence),以利提供決策參酌基 礎,因此應用巨量資料分析提升幼兒 天文科學學習成效,不只深具有形與 無 形 效益 ,更 具潛藏 推動價值 與意 義,茲以 FOCUS 做為提升幼兒天文科 學學習成效之中心思維,亦即追隨創 造力(F=Following creativity)、組織資 源(O=Organizing resources)、掌握機 會(C=Catching opportunities)、運用知 能(U=Utilizing competence)、專業表 現(S=Specializing performances)。易 言之,若能融合利用巨量資料分析發 現 盲 點、 善用 天文 科 學扭 轉學 習 興 趣、以及運用經驗扎根幼兒科學學習 等提升成效之思考方向,聚焦擴散性

思考之歷程,強調創造力之發揮,讓 幼兒透過接觸天文科學之機會,培養 對環境之敏感度、對問題之思考力、

對觀念之綜整力,並強化對科學之興 趣。同時藉由統整具備普及便利特性 之天文 科學以及可 資 利用之 天文資 源,掌握學習經驗與機會以扭轉臺灣 學生對科學學習之高成就卻低興趣的 反差現象,並運用專業知能發現幼兒 天文科學學習落差情形,進而提出適 切解決方案與建議,應能有效提升幼 兒天文科學學習成效,並為政府推動 科普創意化、科普智慧化、科普延展 化提供政策制定之參酌依據。

參考文獻

 王韻齡(2016.11.28)。TIMSS國際 評比臺灣學生數學、科學成績佳,熱 情自信敬陪末座。親子天下,取自 https://flipedu.parenting.com.tw/article/2 960

 余承叡、盧冠宇、吳維文、丁士 翔(2016)。邁向工業4.0-製造業的大 數據分析應用實例。電工通訊,2,

68-77。

 李名揚(2012)。科學素養-學習科 學的新態度。科學人雜誌,取自 http://sa.ylib.com/MagCont.aspx?PageId x=2&Unit=featurearticles&id=2096

 車品覺(2014)。大數據的關鍵思 考:行動×多螢×碎片化時代的商業智 慧。臺北市:天下雜誌。

 林甘敏、郭欣怡(2016)。運用大 數據分析檢視科技大學系所就業面之 培育成果。中科大學報,3(1),95-115。

 郭欣怡(譯)(2013)。成功者不 說的7種驚人學習法。臺北市:核果文 化。

 陳文典(2006)。科學素養的內 涵。載於教育部暨國立臺灣師範大學

(主編),九年一貫課程自然與生活科 技學習領域-科學素養的內涵與解析

(三版)(頁1-10)。臺北市:教育部。

 創市際市場研究顧問(2016年11 月)。即時通訊軟體使用概況。創市際 市場研究雙週刊,76。取自

http://www.ixresearch.com/wp-content/u ploads/report/InsightXplorer%20Biweek ly%20Report_20161130.pdf

 評鑑雙月刊編輯部(2015)。大數 據治校。評鑑雙月刊,57,8-8。

 翟本喬(2013)。Big Data, Big Intelligence:從資料、資訊到情報。載 於鐘慧真、梁世英(譯),Big Data大 數據的獲利模式:圖解、案例、策略、

實戰(頁5-7)。臺北市:經濟新潮社。

 蔡秋榮(2016)。應用大數據預測 品質。品質月刊,52(5),34-39。

 鄭天澤、楊亨利、陳麗霞、胡正 文(2016)。2016年臺灣寬頻網路使用 調查報告。臺北市:財團法人臺灣網 路資訊中心。

 鄭江宇、曾瀚平(2016)。指尖下 的大數據:運用Google Analytics發掘 行動裝置裡的無限商機。臺北市:天 下文化。

 諶家蘭(2015)。企業導入大數據 分析與應用之概述。會計研究月刊,

355,54-58。

 Agnellutti, C. (2014). Big data: An

exploration of opportunities, values, and privacy issues. New York: Nova Science

Publishers.

 Astronomical Society of the Pacific (2015). The total skywatcher's manual:

275+ skills and tricks for exploring stars, planets, and beyond. San

Francisco, CA: Weldon Owen.

 Bhadani, R. A., & Kotkar, S. N.

(2015). Big data: An innovative way to gain competitive advantage through converting data into knowledge.

International Journal of Advanced Research in Computer Science, 6(1),

168-170.

 Bifet, A. (2013). Mining big data in real time. Informatica, 37(1), 15-20.

 Boyd, D., & Crawford, K. (2012).

Critical questions for big data.

Information, Communication & Society,

15(5), 662–679.

 Dean, J. (2014). Big data, data

mining, and machine learning: Value creation for business leaders and practitioners. Hoboken, NJ: John Wiley

& Sons.

 Dion, E., Brodeur, M., Gosselin, C., Campeau, M., & Fuchs, D. (2010).

Implementing research-based instruction to prevent reading problems among low-income students: Is earlier better.

Learning Disabilities Research and

在文檔中 全文下載 (頁 189-192)