第三章 研究方法與設計
第三節 問卷實施與資料處理
一、問卷前測
本研究前測的目的在確保建構效度與專家效度。建構效度是指能夠測量出理 論的內涵的程度，是把理論和假設檢驗結合起來，以證明問項測量是有效的；換 言之，就是變項間的關係及問項的設計須建立在理論上（Ruane，2005／2007，頁 85-86；邱皓政，2006，頁 15.20）。而考驗建構效度，一般分為根據文獻回顧建立 假設性理論建構並據此編製問卷，以及選取適當的受試者施測並以統計檢定方式 考驗問卷是否有效等兩部份（吳明隆，2005，3.4-5）。本研究問卷問項的設計皆建 立在理論回顧與前人研究之上（見第二章第五節及本章第二節），據此得以確保問 項之於構面的適切性與代表性；而構面間的關係，亦是依據理論架構來建立，故 已初步具備建構效度。
同時，本研究亦採取專家效度，再次確認基於理論分析的建構效度。專家效 度可視為建構效度的一類，為邀請專家學者（包含實務工作者、相關研究經驗者、
具學術背景者）判斷問卷題項的內容效度（content validity），即問項的操作是否具 備適切性與代表性、能否反映理論建構，並據其意見修改問卷（吳明隆，2005，
頁3.4-5）。換句話說，是借助專家對特定領域知識的理解，以評估問卷問項能否有 效獲取有效的研究材料。研究者邀請兩位對圖書資訊學與量化研究有經驗的學者 進行問卷審查。研究者亦邀請三位英文母語人士協助修改問卷行文用字，以及三 位圖書資訊學背景的研究生模擬填答以檢視網路問卷的編排。
二、問卷資料處理
（一）資料分數轉換
問卷中大部份題項皆採Likert 10 尺度問項，除三題反向計分題須將分數倒置 外（TMS4、TI3、TI4），其餘皆可直接運用於統計分析。至於採開放性問答或名
目尺度之問項，則須進一步合併或轉換。其中，不少題項要求使用者填答數值，
21~30、31~40、41~50、51 以上等五 個區間
11~15、16~20、21 以上等四個區間 On-SS1 Network
數量
表3-14 問項分數轉換方式（續）
On-CO1 Bookmark 數量
開放 問答
最小值為1，最 大值為
104,178
略過極端值，12,000 約為最大值，
則將原數量乘以10/12000，超過 10 皆算10 分
On-CO2 All tags 數量
開放 問答
最小值為1，最 大值為
143,014
略過極端值，4,000 約為最大值，則
本研究信度採內部一致性分析（inter-item consistency），屬信度中的一致性檢 驗，分析同一子構面問項的內部結構單一性。問卷問項採 Likert 態度量表供作答 時，最常見的信度考驗方法為Cronbach’s α；α 係數是內部一致性的函數，也是測 驗題項間相互關連程度的函數，表示題目間的關聯性（interrelatedness）（吳明隆，
2005，頁 5.2）。而根據 George and Mallery（2003, p.231；轉引自謝旭洲，2008，
頁112），α 信度係數與內部一致性的對應關係如表 3-15 所示：
表3-15 α 信度係數與內部一致性的對應關係 α 信度係數 測量項目的內部一致性
＞0.9 最佳（excellent）
＞0.8 優良（good）
＞0.7 可接受（acceptable）
＞0.6 可疑的（questionable）
＞0.5 不良（poor）
＜0.5 無法接受（unacceptable）
資料來源：謝旭洲（2008）。社會統計與資料分析。臺北縣深坑鄉：威仕曼文化。
頁112。
根據表3-15，本研究原以信度係數 0.7 作為達成目標。然而，由於本研究的研 究構面頗多，為避免問卷冗長造成填答者的負擔，各個子構面所包含的題項數不 能過多，但如此便造成問卷回收統計後，各構面測量項目信度係數偏低，甚少能 達到0.7 以上。這個原因可能是因為每個構面所涵蓋的概念均相當複雜，運用少量 題項測量，較難達到高信度係數。因為問卷各部分係基於不同理論而設計構面問 項，故可在不同構面設定不同的信度門檻值。在整體信度無法達到高係數狀況下，
權宜改以信度係數0.5 作為可接受門檻。在信度檢測中，如發現若刪除某問項能改 善構面整體信度，提高信度係數值，便刪除該問項。以下說明以SPSS 分析而得的 各構面信度狀況。
1. 線下文化資本
線下文化資本，包含內化及客觀兩個子構面。內化的部份，信度係數僅.488，
然而若刪除問項 Off-CE3（教育程度），整體信度可提升至.760，故刪除該題項；
原屬Off-CE3 的教育程度資料，則併入人口背景的分析之中。
至於客觀子構面，信度只有.362，且刪除任一題項皆無法提升整體信度，顯示 此構面的內部一致性並不理想，故本研究將此子構面整個刪除。刪除該子構面後，
線下文化資本僅包含內化子構面。根據Bourdieu（1986, 244-248），文化資本的三 個子構面是相互關連且互相加強的，換言之，客觀資本與內化資本的擁有程度方 向大致應該相同。本研究的問卷刪除客觀構面，難免造成不周延之憾，但僅以內 化子構面來測量並反應線下文化資本擁有量，就理論而言仍具可信度。詳細的信 度分析結果如表3-16 所列：
表3-16 線下文化資本之信度分析結果
問項 分項總項相關 題項剔除α 值 α 值
內化 .488
Off-CE1 .509 -.034 Off-CE2 .437 .156 Off-CE3 .041 .760
客觀 .362
Off-CO1 .225 .311 Off-CO2 .308 .066 Off-CO3 .181 .326
整體線下文化資本
（剔除Off-CE3 及客觀問項，共二題） .760
2. 線上文化資本
線上文化資本原有 18 個問項。其中內化子構面的信度係數為.913，無須刪減 問項。客觀子構面則為.510，屬勉強能接受的水平，若刪除題項 On-CO4（經常撰 寫標籤描述），則信度係數值能提升至.513，故刪除該題項。整體線上文化資本的 信度則為.875。詳細狀況如表 3-17 所列：
表3-17 線上文化資本之信度分析結果
問項 分項總項相關 題項剔除α 值 α 值
內化 .913
On-CE1 .571 .910 On-CE2 .537 .912 On-CE3 .550 .910 On-CE4 .606 .909 On-CE5 .605 .908 On-CE6 .695 .904 On-CE7 .660 .906 On-CE8 .739 .901 On-CE9 .729 .902 On-CE10 .715 .903 On-CE11 .759 .901 On-CE12 .759 .901
客觀 .510
On-CO1 .328 .430 On-CO2 .365 .415 On-CO3 .209 .490 On-CO4 .207 .513
On-CO5 .272 .459 On-CO6 .240 .475 整體線上文化資本（剔除On-CO4，共 17 題） .875
3. 線下社會資本
線下社會資本分為三個子構面，共七個問項。信度分析的結果，結構子構面 為.864，關係子構面為.887，認知子構面為.847，皆超過 0.7 的門檻，更達到 0.8 的 優良信度水準。至於整體構面的信度係數則為.912，故線下社會資本無須刪除問 項。詳細狀況如表3-18 所示：
表3-18 線下社會資本之信度分析結果
問項 分項總項相關 題項剔除α 值 α 值
結構 .864
Off-SS1 .761 --
Off-SS2 .761 --
關係 .887
Off-SR1 .736 .883 Off-SR2 .822 .801 Off-SR3 .789 .835
認知 .847
Off-SC1 .735 --
Off-SC2 .735 --
整體線下社會資本（共七題） .912
4. 線上社會資本
線上社會資本原有13 個問項。信度分析的結果顯示，結構子構面的信度係數 為.636，若刪除問項 On-SS3（使用 Delicious 的線下朋友數量）則可提升至.712，
故刪除該問項。至於關係及認知子構面的係數，則分別為.859 及.882，皆達良好水 準，故無須刪減。而在問項調整後，整體線上社會資本 12 個問項的信度為.911。
詳細狀況如表3-19 所示：
表3-19 線上社會資本之信度分析結果
問項 分項總項相關 題項剔除α 值 α 值
結構 .636
On-SS1 .533 .432 On-SS2 .492 .503 On-SS3 .369 .712
關係 .859
On-SR1 .604 .844 On-SR2 .687 .828 On-SR3 .655 .835 On-SR4 .677 .830 On-SR5 .605 .845 On-SR6 .677 .831
認知 .882
On-SC1 .734 .852 On-SC2 .745 .847 On-SC3 .749 .846 On-SC4 .744 .848 整體線上社會資本（剔除On-SS3，共 12 題） .911
5. 社會性標記行為
社會性標記行為的部份，由於個人導向標記動機僅一個問項，故不進行信度 的分析。社會導向標記動機的信度為.500，若刪除 TMS4（隱密性，為低社會傾向）
可提升整體的信度至.838，故刪除該問項。標記策略運用的信度為.600，屬可接受 的範圍。標記模仿則為.590，刪除任一題項皆無法提升整體信度，故維持原有題項。
詳細狀況如表3-20 所列：
表3-20 社會性標記行為之信度分析結果
問項 分項總項相關 題項剔除α 值 α 值
社會導向標記動機 .500
TMS1 .600 .097
TMS2 .557 .153
TMS3 .585 .120
TMS4 -.328 .838
標記策略運用 .600
TS1 .445 --
TS2 .445 --
標記模仿 .590
TI1 .345 .540
TI2 .501 .407
TI3 .368 .521
TI4 .277 .586
總而言之，在內部一致性分析之後，刪除單一問項的子構面包含：線下內化 文化、線上客觀文化、線上結構社會、及社會導向標記動機；至於線下客觀文化 子構面，則是整個刪除。後續的統計分析，便以刪減後的題目為據。
三、統計方法
本研究以SPSS 16.0 及 Amos 16 統計軟體進行資料處理與分析。採用的分析方 法包含描述性統計、獨立樣本t 檢定、單因子變異數分析、迴歸分析（以上採 SPSS 16.0）、以及結構方程模式分析（採 Amos 16）。各方法的適用情境及處理變項如下 所述：
（一）描述性統計
描述性統計得以將龐大數值簡化為單一數值，作為描述原始數據的指標，可 分為集中量數及變異量數（邱皓政，2006，頁 8.2）。本研究選擇以樣本數加總、
百分比、平均數、或標準差來描述所蒐集到的資料，以初步了解樣本的結構與基 本特性。一般而言，平均數愈高代表該問項較受填答者認同，標準差愈小則代表 填答者對該問項的看法較為一致。
（二）獨立樣本 t 檢定與單因子變異數分析
獨立樣本t 檢定與單因子變異數分析，皆為比較平均數的統計技術，適用於單
一自變項與單一依變項間的顯著差異驗證。若樣本按自變項可分為兩群，則採獨 立樣本t 檢定，若分為三群以上，則採單因子變異數分析（謝旭洲，2008，頁 90-91）。 其中，若單因子變異數分析通過同質性檢定，則以 F 值考驗其差異與否，並以 Scheffe 法進行事後比較；若違反同質性檢定，則改以 Welch 值（W 值）進行平均 數同質性的強韌性檢定，並以Dunnett’s T3 法進行事後比較。本研究在驗證研究假 設之前，先以這兩種檢定技術，分析人口變項與另外五個構面變項間的關係。
（三）迴歸分析
迴歸分析的功用有二：一為驗證自依變項間的線性關係存在與否，二為計算 自變項可解釋依變項的程度、或說迴歸模式可供預測的能力；前者反映在統計顯 著與否，後者則為迴歸模型的解釋力（解釋變異量）。各類型資本間的關係，亦即
研究假設H1~H4 的驗證，採迴歸分析，並視自變項的數量多寡選擇簡單迴歸分析 或多元迴歸分析（採強迫進入法）。
（四）結構方程模式分析 1. 路徑分析的取向
本研究的假設 H5~H8，即線下與線上文化資本及社會資本與社會性標記行為 的關係路徑驗證，屬路徑分析（path analysis），而路徑分析的方法可分為迴歸取向
本研究的假設 H5~H8，即線下與線上文化資本及社會資本與社會性標記行為 的關係路徑驗證，屬路徑分析（path analysis），而路徑分析的方法可分為迴歸取向