第四章 研究結果
4.2. 協調型態學習
4.2.2. 兩階段
分布模式與練習前後的交互作用達顯著，F(2.01, 27.25) = 150.8，p < .05，
p2 . 92
， 如圖 4-2-2.1。二因子主要效果的部份，結果僅有模式間達顯著差異，F(1.57, 20.42) = 5.45，p < .05，
2p . 23
。練習階段，F(1, 13) = 0.46，p = .51，
2p . 03
，未達顯著差異。圖 4-2-2.1。兩階段，分布模式在練習過程中的適配決定係數之交互作用達顯著。
練習階段的單純主要效果檢驗結果顯示，在練習過程中，常態分布在第二階段的練 習適配
R
2值顯著大於第一階段，t13 2.23，p < .05 (圖 4-2-2.2)；指數分布與之相反，第一階段顯著大於第二階段適配的
R
2，t13 3.05，p < .05 (圖 4-2-2.3)；其他分布模式 均未達顯著，對數常態分布t13 0.17，p = .87，伽馬分布t13 1.89，p = .08。圖 4-2-2.2。常態分布的最後階段>第一階段。 圖 4-2-2.3。指數分布的第一階段>最後階段。
分布模式的單純主要效果，第一階段達顯著，F(1.62, 21.09) = 40.85，p < .05，
2p . 76
， 伽馬分布與對數常態分布大於指數分布，均勻分布小於其他分布(圖 4-2-2.4)。第二階段 亦達顯著，F(1.96, 25.47) = 118.13，p < .05，
2p . 9 0
，伽馬分布大於對數常態分布大於 指數分布，常態分布大於指數分布，均勻分布同樣小於其他分布。(圖 4-2-2.5)。圖 4-2-2.4。伽馬、對數常態>指數分布 圖 4-2-2.5。伽馬>對數常態>指數，常態>指數分布
第五章 討論
從所有數據適配的結果顯示，伽馬分布的適配決定係數不會小於其他分布模式；而 均勻分布的適配效果都小於其他分布模式。這是由於伽馬分布可以藉由參數的改變使分 布的樣貌具有彈性的變化(Aksoy, 2000)，不論是在同樣的協調型態下，學習曲線隨著練 習的累積，動作表現成比例式的改變，或是學習新的協調型態，學習曲線產生不連續的 變化，伽馬分布都能夠根據數值分布做出適當的調整，描述極端的偏態(指數型態)、某 種程度的偏態，以及類似常態的樣貌。均勻分布之所以在任何型態的數據都顯著小於其 他分布模式是由於數據分布與均勻分布的回歸數值與數據的平均值相等，因此
R
2=0，所 謂的機率分布的意義是指，在不同的數值範圍內具有與之對應的發生機率，而均勻分布 是在描述在值域範圍內(所有數值)產生的機率皆相等(Casella & Berger, 2001)，這個分布 型態明顯不符合實際行為，就算是機械工作也必定具有一定程度的變異性(林耀豐，2008)，機率會隨著數值的不同而有些變異，因此，均勻分布不適合用來描述行為表現是合理的 結果。
5.1. 比例式學習
比例式學習的統計結果顯示，分布模式的適配效果不會隨著練習量的累積而有所變 化；而以分布模式的適配決定係數作為分析比較的依據，發現對數常態分布與伽馬分布 以及常態分布顯著優於其他分布。
對數常態分布與伽馬分布的決定係數平均值雖然比常態分布稍高，但未達到顯著差 異，這是因為比例式學習的表現數據大部分呈現接近常態分布的型態，而數據或多或少 有一些偏態，伽馬分布可以彈性的改變分布樣貌，使分布模式稍微更接近數據分布。此 外，從對數常態分布的適配結果來推測，數據的序列可能具有指數的關係。
然而，這個些微的優勢卻比不上常態分布的參數便於解釋數據型態的優點，並且常 態分布與伽馬分布以及對數常態分布在本研究中的比例式學習數據，同屬較佳適配的分 布模式，因此對於此類型的學習過程，使用常態分布可能仍為較適當的選擇。
5.2. 協調型態學習
在協調型態學習的過程中，不同階段的練習表現，會以不同的特徵反映在數據；當 動作動力還處在不熟練的狀態，經常性地產生失敗的動作結果，表現分數低，變異性也 較低；當動作動力在轉移的過程，不規律的產生高水準及低水準的表現，表現分數不穩 定，變異性較大。當動作動力到達熟練的吸引子狀態，可以穩定地產生高水準的動作表 現，表現分數高而變異性較低。