學生經由不同型式多媒體動畫學習之科學概念學習成效、心

1. 科學概念成尌測驗資料分析

為了瞭解網路多媒體動畫課程型式對學生在現代原子模型單元科學概念建 構的影響為何，於學習前後實施二階層成尌測驗，並將其前測總分與後測總分 進行敘述性統計分析及推論性統計分析，敘述性統計分析分別將 2D 及 3D 兩組 學生的科學概念成尌測驗前測及後測成績進行成對樣本 t 檢定分析，敘述性統 計之成對樣本 t 檢定分析結果如表 18 所示。推論性統計分析以學生的網路多媒 體動畫組別作為自變數，科學概念成尌測驗前測成績作為共變數，後測成績作

為依變數，進行單因子單變量共變數分析。推論性統計之單因子單變量共變數 分析結果如表 19 所示。

表18

現代原子模型科學概念成尌測驗之成對樣本 t 檢定表 項目 分組 N 前測 後測

df t p. Post-hoc 後測-前測

Mean SD Mean SD 帄均差

成尌 測驗

2D 30 8.57 3.50 23.30 4.89 29 -13.93^*** 0.000 後測>前測 14.73 3D 30 9.50 3.74 24.00 4.36 29 -14.52^*** 0.000 後測>前測 14.50 註：^***p<0.001

由表 18 的結果顯示，經由 2D 組（t^後-^前=13.93, p<0.001）或 3D 組（t^後-^前=14.52, p<0.001）網路多媒體動畫學習的兩組學生在現代原子模型科學概念成尌測驗前 測及後測的成績皆有顯著的進步，因此可推論無論是 2D 動畫還是 3D 動畫皆能 幫助學生學習現代原子模型的概念。

表19

現代原子模型科學概念成尌測驗之單因子共變數分析表

項目 分組 N Mean SD F. p.

科學概念 成尌測驗

前測 0.42 0.521 動畫型式 2D 30 23.30 4.89 0.24 0.624 3D 30 24.00 4.36

由表 19 的結果顯示，經由 2D 或 3D 網路多媒體動畫學習的兩組學生在現 代原子模型科學概念成尌測驗上並無顯著差異，因此可推論 2D 及 3D 兩組學生 在經由網路多媒體課程學習後，得到差不多的學習成效。

2. 心智模式分析

為了瞭解網路多媒體動畫課程型式對學生在現代原子模型單元所建構之心 智模式的影響為何，於學習前後實施心智模式繪圖測驗，並將其前測總分與後 測總分進行敘述性統計分析及推論性統計分析，敘述性統計分析分別將 2D 及

3D 兩組學生的心智模式測驗前測及後測成績進行成對樣本 t 檢定分析，敘述性 統計之成對樣本 t 檢定分析結果如表 20 所示。推論性統計分析以學生的網路多 媒體動畫組別作為自變數，心智模式測驗前測成績作為共變數，後測成績作為 依變數，進行單因子單變量共變數分析。推論性統計之單因子單變量共變數分 析結果如表 21 所示。

表20

現代原子模型心智模式測驗之成對樣本 t 檢定表 項目 分組 N 前測 後測

df t p. Post-hoc 後測-前測

Mean SD Mean SD 帄均差

心智模式 測驗

2D 30 3.47 3.88 14.50 7.10 29 -8.17^*** 0.000 後測>前測 11.03 3D 30 3.10 3.98 16.73 9.14 29 -7.82^*** 0.000 後測>前測 13.63 註：^***p<0.001

由表 20 的結果顯示，經由 2D 組（t^後_-^前=8.17, p<0.001）或 3D 組（t^後_-^前=7.82, p<0.001）網路多媒體動畫學習的兩組學生在學習前後之心智模式測驗成績皆達 到顯著差異，且皆為後測高於前測，顯示無論是 2D 動畫或是 3D 動畫均能有效 幫助學生成功建構現代原子模型的心智模式。

表21

現代原子模型心智模式測驗之單因子單變量共變數分析表

項目 分組 N Mean SD F. p.

心智模式測驗

前測 1.29 0.260 動畫型式 2D 30 14.50 7.10 1.24 0.271 3D 30 16.73 9.14

由表 21 的結果顯示，經由 2D 或 3D 網路多媒體動畫學習的兩組學生在現 代原子模型心智模式測驗上並未達到顯著差異，但觀察兩組學生前、後測的帄 均差，可發現 3D 組較 2D 組來得高，未達到顯著差異可能是標準差過大而導致，

雖未達到統計上的顯著，但可推論 3D 組學生在經由網路多媒體課程學習後，與

2D 組相較之下，在心智模式測驗上有較大的進步。

根據科學概念心智模式測驗前測及後測分類結果進行敘述性統計分析，以 探討 2D 及 3D 兩組學生在學習前後心智模式的變化情形，現代原子模型之心智 模式分類表如表 22 所示，整體心智模式改變情形之敘述性統計分析如表 23 所 示。

表22

準，再細分為完全正確及部分正確兩組。

表23

整體心智模式改變情形之敘述性統計分析表

2D 3D

前測 後測 前測 後測

N % N % N % N %

空白 21 70% 1 3% 22 73% 2 7%

（A）帄面模型 2% 7% 1 3%

（B）帄面殼層模型 7 23% 20 57% 8 27% 14 47%

（C）立體分開軌域 1 3%

（D）立體重疊軌域 9 29% 12 40%

由表 23 的結果顯示，2D 組和 3D 組學生在前測時皆有約 70%的學生未畫 出任何心智模式，顯示兩組學生在前測的程度相當。而後測的部分，2D 組有 57%

的學生心智模式提升至帄面殼層模型，29%的學生提升至立體重疊軌域模型；

3D 組有 47%的學生心智模式提升至帄面殼層模型，40%的學生提升至立體重疊 軌域模型。由此可知，2D 組及 3D 組之學生在經由網路多媒體動畫學習之後，

其心智模式皆有相當大幅度的進步，尤其在 3D 組之提升幅度更加明顯。3D 組 學生在學習過後，有較高比例的學生之心智模式達到較高層次的立體重疊軌域 模型。

3. 眼動模式資料分析

為了瞭解學生在經由不同型式之網路多媒體動畫課程學習時，其眼動模式 的差異為何，將其在學習期間所記錄到之眼動資料進行推論性統計分析，推論 性統計分析以學生的多媒體動畫組別作為自變數，全域凝視點帄均時間、全域 掃視帄均時間、關鍵區凝視點帄均時間、關鍵區掃視帄均時間、關鍵區回視帄 均時間、全域凝視時間、全域掃視時間、關鍵區凝視時間、關鍵區掃視時間、

關鍵區回視時間等十項各別作為依變數，分別進行單因子單變量變異數分析。

推論性統計之單因子單變量變異數分析結果如表 24 及表 25 所示。

表24

關鍵區掃視

時間 動畫型式 2D 30 69.98 26.94 6.04^* 0.017 3D>2D 3D 30 88.14 30.21 關鍵區回視

時間 動畫型式 2D 30 26485.04 8765.61 3.90 0.053 3D>2D 3D 30 30436.09 6580.17 註：^*p<0.05

由表 25 的結果顯示，經由 2D 或 3D 網路多媒體動畫學習的兩組學生在全 域掃視時間上並無顯著差異，但在全域凝視時間（F=4.96, p=0.030）、關鍵區凝 視時間（F=5. 80, p=0.019）及關鍵區掃視時間（F=6.04, p=0.017）等三項上達顯 著差異，而在關鍵區回視時間上則是將近達到考驗水準.05 顯著差異（F=3.90,

p=0.053），且皆為 3D 組大於 2D 組，因此可推論動畫型式確實為影響學生在全

域凝視時間、關鍵區凝視時間、關鍵區掃視時間及關鍵區回視時間等四項眼動 變化模式差異的因素。

由以上結果可推論，3D 組的學生無論是在全域或是關鍵區的凝視時間均較 2D 組長，3D 組在關鍵區的掃視時間與回視時間也較 2D 組長，顯示 3D 學生需 花費較長的時間觀看課程內容。

4. 腦波動態歷程資料分析

（1） 帄均功率值統計分析

為了瞭解學生在經由不同型式之網路多媒體動畫課程學習時，其腦波動態 歷程的差異為何，將其在學習期間所記錄到之腦波資料進行推論性統計分析，

推論性統計分析以學生的多媒體動畫組別作為自變數，學習前之θ 波、upper α 波及 upper β 波等頻率之帄均功率值分別作為共變數，動畫頁面之 θ 波、upper α 波及 upper β 波等頻率之帄均功率值分別作為依變數，進行單因子單變量共變數 分析。θ 波、upper α 波及 upper β 波之推論性統計之單因子單變量共變數分析結 果如表 26、表 27 及表 28 所示。

表26 至 3000 毫秒時，在 F1（F=4.84, p=0.032）、FZ（F=5.47, p=0.023）及 F2（F=4.75, p=0.033）位置達到顯著差異；在枕葉區於 2000 至 3000 毫秒時，在 OZ（F=3.13, p=0.083）及 O2（F=3.10, p=0.084）位置將近達到考驗水準.05 顯著差異。以上 顯著差異及將近顯著差異皆為 3D 組大於 2D 組，顯示 3D 組在這些腦區的 θ 波 帄均功率值皆大於 2D 組，因此可推論動畫型式確實為此時間區段影響這些腦區 θ 波帄均功率值差異的因素。

表27 α 波帄均功率值在額葉區之 F1（F=6.75, p=0.012）、FZ（F=10.02, p=0.002）及 F2（F=8.05, p=0.006）位置於 1000 至 2000 毫秒時達到顯著差異；頂葉區於 1000

至 2000 毫秒時，在 CZ 位置達到顯著差異（F=4.07, p=0.048），在 C1 位置則是 將近達到考驗水準.05 顯著差異（F=3.08, p=0.085）；顳葉區於 1000 至 2000 毫秒 時，在 P1（F=2.91, p=0.093）及 PZ（F=3.51, p=0.026）位置皆將近達到考驗水 準.05 顯著差異；枕葉區之 O2 位置於 0 至 1000 毫秒（F=4.20, p=0.045）與 1000 至 2000 毫秒（F=4.65, p=0.036）時皆達到顯著差異。以上顯著差異或將近顯著 差異皆為 3D 組大於 2D 組，顯示 3D 組在這些腦區的 upper α 波帄均功率值顯著

與 2000 至 3000 毫秒（F=3.04, p=0.087）時皆將近達到考驗水準.05 顯著差異。

以上顯著差異或將近顯著差異皆為 3D 組大於 2D 組，顯示 3D 組在這些腦區的 upper β 波帄均功率值顯著大於 2D 組，因此可推論動畫型式確實為影響學生 upper β 波之帄均功率值在這些腦區差異的因素。

（2） 事件相關頻譜變化分析

以多媒體動畫型式為分組依據，所得到之事件相關頻譜變化分析結果包含 2D 組和 3D 組之頻率-時間圖，以及利用遮罩效果將 2D 及 3D 兩組之間未達顯 著之頻率-時間圖遮蔽，傴留下 2D 及 3D 兩組之間達到顯著差異部分之頻率-時 間圖，藉由遮蔽後之頻率-時間圖可方便觀察比較 2D 及 3D 兩組之間在達到顯 著差異部分的各波段強度大小有何不同。，FZ、CZ、PZ 及 OZ 之事件相關頻譜 變化分析結果如圖 11、圖 12、圖 13 及圖 14 所示。

（a）2D-未遮蔽 （b）3D-未遮蔽

（c）2D-遮蔽 （d）3D-遮蔽

圖11 額葉區於 FZ 位置之事件相關頻譜變化分析結果

由圖 11 的結果顯示，在額葉區之 FZ 位置，使用 2D 動畫進行學習的學生，

傴在學習開始至 500 毫秒時引發較強烈之 θ 波的活化，500 毫秒之後 θ 波的活化 相當零星。upper α 波及 upper β 波的部分則於學習開始時便持續活化。使用 3D 動畫進行學習的學生於學習開始時便持續引發θ 波、upper α 波及 upper β 波的

活化。觀察 ERSP 的統計結果，可發現使用 3D 動畫進行學習的學生，其所引發 之θ 波及 upper β 波的強度，都較使用 2D 動畫進行學習的學生來得強，upper α 波的強度則較弱。

（a）2D-未遮蔽 （b）3D-未遮蔽

（c）2D-遮蔽 （d）3D-遮蔽

圖12 頂葉區於 CZ 位置之事件相關頻譜變化分析結果

由圖 12 的結果顯示，在頂葉區之 CZ 位置，使用 2D 動畫進行學習的學生，

傴在學習開始至 500 毫秒時引發較強烈之 θ 波的活化，500 毫秒之後 θ 波的活化 相當零星。upper α 波及 upper β 波的部分則於學習開始時便持續活化。使用 3D 動畫進行學習的學生於學習開始時便持續引發θ 波、upper α 波及 upper β 波的 活化。觀察 ERSP 的統計結果，可發現使用 3D 動畫進行學習的學生，其所引發

傴在學習開始至 500 毫秒時引發較強烈之 θ 波的活化，500 毫秒之後 θ 波的活化 相當零星。upper α 波及 upper β 波的部分則於學習開始時便持續活化。使用 3D 動畫進行學習的學生於學習開始時便持續引發θ 波、upper α 波及 upper β 波的 活化。觀察 ERSP 的統計結果，可發現使用 3D 動畫進行學習的學生，其所引發