第四章 結果與討論
第一節 學習成效分析
「學習成效」主要在探討學習者對 for 迴圈語法之理解。本研究為探討視覺 化工具融入與學習者先備知識程度對學習者的程式學習成效表現之影響，將視覺 化工具融入(Jeliot 組 vs. 傳統教學組)與先備知識程度(高先備知識 vs. 低先備知 識)設為自變項，先備知識測驗成績為共變項，學習成效(成就測驗分數)設為依變 項，進行二因子單變量共變數分析，研究結果分敘如下:
壹、先備知識學習成效分析
先備知識學習成效分析以描述統計初探先備測驗的得分情形，將各組之平均 數、標準差及人數如表 4-1 所示，有效樣本為 79 人。
表4-1：各組先備知識測驗成績之平均數、標準差及人數表
組別 平均數 標準差 人數
Jeliot 組 8.789 2.010 43
傳統教學組 7.712 1.456 36
總和 8.299 1.849 79
以各組平均數為基準，學習者先備知識成績高於平均數者，為高先備知識 組；低於平均數者，則為低先備知識組。接下來採獨立樣本 t 檢定，信賴區間為 95%，其統計數據如表 4-2 所示。其中 p 值(p-value) .73 大於 0.05，未達顯著水準，
故Jeliot 組與傳統教學組先備知識的變異數頗為同質；Jeliot 組與傳統教學組的差 15.431，低先備知識組平均數 = 13.652；高先備知識組平均數 = 11.169，低先備 知識組平均數 = 7.361)。
表4-3：各組在 for 迴圈學習成效之平均數、標準差及人數表
表4-4：二因子單變量共變數分析(共變量為先備知識測驗成績)
的工具，但是一樣達到相同之學習效果。
肆、分項學習成效之共變數分析
本研究為進一步了解每組在分項學習成效的平均數之主效果及交互作用情 形為何，採二因子多變量共變數進行分析，以視覺化工具融入教學及先備知識程 度為自變項，先備知識測驗成績之數據為共變項，基本概念成績與進階概念成績 之數據為依變項。表 4-5 為共變量矩陣等式的 Box’s M 檢定，檢定結果未達顯 著水準(F (1,75)= 3.655，p < .001)，拒絕虛無假設，表示違反多變項共變數同質性 的假定。
表4-5：分項學習成效之共變量矩陣等式的 Box’s M 檢定
Box’s M F 檢定 df1 df2 顯著性
34.582 3.655 9 5.654E4 .000
Tabachnick 與 Fidell (2006) 表示，若 Box's M 檢定達顯著，且各組的樣本 人數差異不大時，在多變量檢定中，應該由 Pillai's V 值取代 Wilks' Λ 值的變異 數顯著性，如表 4-6 所示。
各個因子對程式設計概念分項成效表現的影響結果不顯著，表示視覺化工具 融入教學的主效果未達顯著水準(Pillai's V = .072，p = .065，η2 = .072)，表示學習 者無論有無使用 Jeliot 視覺化工具進行，在程式基本概念與進階概念之成效表現 皆無顯著差異；先備知識程度的主效果亦未達顯著水準(Pillai's V = .006，p
= .310，η2 = .032)，表示學習者的先備知識程度不同在程式設計概念分項成效表 現皆無顯著差異；視覺化工具融入教學 x 先備知識程度之交互作用亦未達顯著 水準(Pillai's V = .031，p = .316，η2 = .310)，表示視覺化工具融入教學與先備知識 程度在程式語言之學習分項成效表現並無顯著的交互作用。
接著進行效應項的檢定，其檢定結果如表 4-7 所示。就交互作用而言，視覺 化工具融入教學 x 先備知識程度對基本概念成效表現與進階概念成效表現皆無 顯著影響(F(1,74)= 1.205，p = .276；F(1,74)= 2.205，p = .142)。
表4-6：程式語言學習分項成效表現之多變量檢定 變異來源 Pillai's
Trace F 檢定 假設 自由度
錯誤
自由度 顯著性 Eta Squared 先備知識
測驗成績 .072 2.841 2 73 .065 .072 視覺化工具
融入教學 .032 1.190 2 73 .310 .032 先備知識
程度 .006 .212 2 73 .809 .006 視覺化工具
融入教學 X 先備知識
程度
.031 1.170 2 73 .316 .310
* p < .05
就主效果而言，視覺化工具融入教學對基本概念成效表現與進階概念成效表 現皆無顯著差異(F(1,74)= 2.393，p = .126；F(1,74)= 1.640，p = .204)。先備知識對基 本概念成效表現與進階概念成效表現皆無顯著差異(F(1,74)= .210，p = .648；
F(1,74)= .030，p = .864)。
就分析結果而言，無論在基本概念或是進階概念，高先備知識組之成就測驗 成績平均數高於與低先備知識組。Jeliot 組之成就測驗成績平均數高於與傳統教學 組之成就測驗成績，但以統計方式排除先備知識所造成之影響，兩組之學習成效 並沒有顯著差異。推測其可能原因與整體學習成效分析相同。
表4-7：分項學習成效表現之變異數分析摘要表
變異來源 學習態度 型 III 平方和 自由度 平方和 F 檢定 顯著性 基本概念 160.112 1 160.112 5.436* .022 先備知識
測驗成績
進階概念 513.350 1 513.350 5.353* .023
基本概念 70.469 1 70.469 2.393 .126 視覺化工
具
融入教學 進階概念 157.329 1 157.329 1.640 .204
基本概念 6.189 1 6.189 .210 .648 先備知識
程度 進階概念 2.838 1 2.838 .030 .864
基本概念 35.478 1 35.478 1.205 .276 視覺化工
具 融入教學
x 先備知識
程度
進階概念 211.422 1 211.422 2.205 .142
基本概念 2179.436 74 29.452 誤差
進階概念 7096.865 74 95.904
* p <.05
伍、學習測驗成績進步幅度分析 組(26%)比傳統教學組(33%)略低，「持平」所佔總數的比例 Jeliot 組(23%)為傳統 教學組(47%)為一半，而「進步」所佔總數的比例 Jeliot 組(51%)為傳統教學組(20%) 的2.5 倍，顯示 Jeliot 組學習成效「進步」的比例比傳統教學組來的大。另外以分
行結果的觀察與反思，有助於學習 for 迴圈的認識和瞭解。由成就測驗平均數看
學習者了解程式執行之抽象過程，有助於學習 for 迴圈的認識和瞭解，此外由於
表4-11：各組之進步比例分析表
自變項 組別 進步比例
Jeliot 組 8.23 % 視覺化工具融入教學
傳統教學組 0.53 %
高先備知識組 1.13 % 先備知識程度
低先備知識組 6.07 %
陸、學習成效之分析結果彙整
綜合上述研究結果，本研究學習成效分析結果彙整如表 4-12 所示，並藉以 探究研究問題一：在學習程式語言 for 迴圈概念時，視覺化工具融入教學與先備 知識程度是否對學習者程式語言for 迴圈之學習成效表現產生不同的影響？
就分析結果而言，由敘述統計來看，高先備知識組之成就測驗成績顯著高於 與低先備知識組。Jeliot 組之成就測驗成績顯著高於與傳統教學之成就測驗成 績，但兩組的先備知識測驗成績有顯著落差，Jeliot 組先備知識測驗顯著高於傳 統教學之成績，以統計方式排除先備知識所造成之影響，兩組之學習成效並沒有 顯著差異。從成績進步幅度比例分析來看，Jeliot 組無論是進步幅度或進步比例 均比傳統教學組來的大，如表 4-13 所示。這表示針對本研究之受試者，採用視 覺化工具學習之學習者之進步幅度與比例比未使用視覺化工具學習之學習者相 對來的大。
表4-12：學習成效分析摘要表