第四章 研究結果與討論
第二節 學習輔助科技需求考量因素之結構模式
本節分為四個部分進行說明，首先就研究者依據第一節之分析結 果，使用學習能力、學習表現、學習動機、輔助科技知識經驗四個因素 作為學習輔助科技需求考量潛在變項進行測量模式分析。其次則為驗證 研究所建構四個因素間的因果徑路模式，作為後續以閱讀學習活動為例 發展學習輔助科技需求考量工具之設計依據。最後則是利用MGA 檢視 我國與美國資料樣本在結構模式中的差異性並進行解釋。
因本研究所提出之學習輔助科技需求考量結構模式經研究者檢索後 並未有成熟的架構及量表可供對照參考。因此由研究者分析目前現有 英、美國家學者所提出之輔助科技評估模式後，歸納出四個因素做為結 構模式中的潛在變項。結構模式中反映因素之觀察變項也是由研究者與 美國輔助科技專家（assistive technology professional）及學者共同討論 所提出。因此本研究之結構模式分析將採取 Joreskog 與 Sorbom
（1993）所提出的模式生產（model generating, MG）取向，先由研究者 建構一個暫時性的初始模式（tentative initial model），當該模式與觀察 資料無法匹配時，則使用同一組觀察資料從統計的觀點進行模式的修 正，直到找到適配的模式，並讓模式中的估計參數都能做出有意義的解 釋（引自陳正昌、程炳林、陳新豐、劉子鍵，2011）。
一、建構初始結構模式
本研究使用 SmartPLS 軟體進行結構模式之繪製與分析，觀察變 項反映潛在變項形成的外部模式即為測量模式，如 3c、4a、4c 為學習 動機之反應指標，觀察變項與潛在變項間的關係為驗證測量模式的主要 分析依據。而學習能力、學習表現、學習動機及輔助科技知識經驗四個 潛在變項間的因果徑路關係則為內在模式，潛在變項之間的關係為驗證 結構模式的主要分析依據。因 SmartPLS 須依據理論架構提出完整的外 在與內在模式才能進行分析，故研究者依照理論與經驗繪製學習輔助科 技需求考量初始結構模式如圖 4-2-1。
72
圖4-2-1 學習輔助科技需求考量初始結構模式圖
二、測量模式驗證
（一）初始模式分析
研究者依照圖4-2-1 所建置之初始模式，針對其內在模式進行 PLS 演算法與 Bootstrap 計算後得到分析結果如圖 4-2-2，其中觀察變項與潛 在變項間的數值為負荷量（loading），潛在變項中間的數值則為該因數 之平均變異萃取量 AVE 值。從圖 4-2-2 及表 4-2-1 可知 2c 在學習表現 之因素負荷量過低，未達 0.5，此外學習表現的 AVE 值同樣未達 0.5，
故研究者刪除 2c 進行第一次修正。
Outer model Inner model Outer model 學習輔助科
技知識經驗
73
圖4-2-2 學習輔助科技需求考量初始測量模式分析結果
表4-2-1 學習輔助科技需求考量初始測量模式信效度摘要表
因素 題項 外在效度 內部一致性信度 組成信度 收斂效度
負荷量 T 值 P 值 CA rA CR AVE 學習能力 3a 0.948 23.272 <.001
0.540 0.822 0.788 0.658 4b 0.646 5.178 <.001
學習表現
2a 0.909 18.408 <.001
0.531 0.704 0.700 0.486 2b 0.764 5.145 <.001
2c 0.222 0.836 .403
學習動機
3c 0.767 7.710 <.001
0.590 0.651 0.777 0.543 4a 0.847 15.548 <.001
4c 0.569 3.1980 .001
輔助科技 知識經驗
1a 0.658 2.276 .023
0.780 0.821 0.836 0.563 1b 0.859 3.954 <.001
1c 0.787 3.247 .001 3b 0.669 2.480 .013
註：CA: Conbach’s α；CR: Composite reliability AVE:Average Variance Extracted 學習輔助科
技知識經驗
74
（二）第一次修正模式分析
研究者將2c 刪除後進行第一次修正模式分析，針對其外在模式進 行 PLS 演算法與 Bootstrap 計算後得到分析結果如圖 4-2-3，其中觀察變 項與潛在變項間的數值為負荷量（loading），潛在變項中間的數值則為 該因數之平均變異萃取量 AVE 值。從圖 4-2-3 及表 4-2-2 可知 2c 刪除 後，學習表現之 AVE 值改善至 0.705，符合內在信度之標準，其他測量 模式之驗證標準也都達到寬鬆或較佳的標準，故模式之修正停止，依此 模式由研究者進一步進行內在模式也就是因果徑路模式之驗證。
圖4-2-3 學習輔助科技需求考量初始測量模式第一次修正分析結果
表4-2-2 學習輔助科技需求考量第一次修正測量模式信效度摘要表
因素 題項 外在效度 內部一致性信度 組成信度 收斂效度
負荷量 T 值 P 值 CA rA CR AVE 學習能力 3a 0.949 25.798 <.001
0.540 0.834 0.787 0.657 4b 0.643 5.315 <.001
學習表現
2a 0.918 28.552 0.000
0.598 0.685 0.825 0.705 2b 0.785 6.557 <.001
2c 刪除
學習輔助科 技知識經驗
75
註：CA: Conbach’s α；CR: Composite reliability AVE:Average Variance Extracted
三、結構模式驗證 (AVE)的平方根時代表區分效度佳（Fornell & Larcker,1981），另從各 HTMT 值及因素的變異數膨脹因素（Variance inflation factor, VIF）進行 分析可知各因素間之 HTMT 值為 0.261-0.859，皆小於 0.9，VIF 值則為
76
研究者針對第一次修正後之內在模式進行 PLS 演算法與
Bootstrap、Blindfording 計算後得到分析結果如圖 4-2-4，其中潛在變項 內的數值為 R2值，代表該學習能力對該潛在變項的解釋力，而潛在變 項與潛在變項中間的數值則為路徑係數，檢視 R2與Q2值可知學習能力
（R2=.392；Q2=.237）對學習表現影響之解釋力與預測精確性都較學習 動機（R2=.164；Q2=.074）與學習輔助科技知識經驗（R2=.07；
Q2=.012）高，且因 Q2值介於.012-.237 皆大於 0，故可說明本研究之內 在模式是可被預測的（Hair, Sarstedt, Hopkins, & Kuppelwieser, 2014）。
圖 4-2-4 學習輔助科技需求考量結構模式分析結果
除驗證本研究所建構之結構模式外，透過路徑係數及Boottrap 所得 之t 值，研究者進行路徑因果假設之分析如表 4-2-4。從表中可知 H1 所 提出之虛無假設為學習能力對學習表現無正向效果，因p 值<.001 故拒 絕 H1 之虛無假設得到學習能力對學習表現有正向效果之結果，依序驗 證 H2-H4，皆可在 95%信賴區間下拒絕虛無假設而得到學習能力對學習 動機有正向效果、學習能力對學習輔助科技知識經驗有正向效果、學習
學習輔助科 技知識經驗
77
動機對學習表現有正向效果之假設結果。另外從 H5 的假設分析結果可 知，學習能力到學習表現間接受到學習動機的中介效果，因此學習能力 到學習表現間的完整路徑係數值為 0.429。
表4-2-4 路徑因果關係與假設分析結果
假設 路徑關係 路徑係數 T 值 p 值 假設結果
H1 LC→LP 0.321 4.778 <.001 學習能力對學習表現有 正向效果
H2 LC→LM 0.405 4.913 <.001 學習能力對學習動機有 正向效果
H3 LC→LATKE 0.265 1.948 0.05 學習能力對學習輔助科 技知識經驗有正向效果 H4 LM→LP 0.423 4.745 <.001 學習動機對學習表現有
正向效果 H5 LC→LM→LP 0.171 2.981 0.003
學習能力到學習表現間 接受到學習動機的中介 效果
註：LC:學習能力 LP:學習表現 LM:學習動機 LATKE:學習輔助科技知識經驗
四、多群組分析（Multi-Group Analysis）
因前面所進行之測量模式以及結構模式驗證係以美國輔助科技專業 人員作為樣本資料進行分析，然因我國與美國無論在國家或文化上都有 所差異。當忽略這樣的人口異質性時直接帶入 PLS 所建立的模型時，
常會使結果產生嚴重偏差並得出錯誤的結論（Sarstedt, Henseler, &
Ringle, 2011）。雖然研究者於研究一之一已針對兩個資料樣本群體在因 素考量的差異上進行過分析，得知在學習能力、學習表現與學習動機三 項因素有顯著差異，這代表兩個群體在同一因素的考量中會出現差異，
但對於結構模式的因果路徑是否有差異，則需要進一步的檢驗。為了解 我國特殊教育專業人員與美國輔助科技專業人員在學習輔助科技需求考
78
量結構模式中是否有差異，研究者主要採用 Henseler 在 2007 所提出的 PLS 多群組分析法（PLS-MGA），該分析法為無母數的主要概念是將第 一個族群以 Bootstrap 集中的每個估計值與第二個族群以 Bootstrap 集中 的每個估計值。並將差異為正值數量除與比較的總數所得（引自
Sarstedt, Henseler, & Ringle, 2011），另使用信賴區間偏差校正
（Confidence Intervals Bias Corrected）進行比對。分析結果整理如表 4-2-5，從表中可知 PLS-MGA 無論在單尾或雙尾檢定上，p 值都未達顯著 差異，故可說明我國與美國兩個資料樣本在本研究所發展之結構模式上 並無差異，也可說研究者所發展之學習輔助科技需求考量結構模式，雖 然是以英、美等國的概念模式所發展，但不僅能與美國輔助科技專業人 員的實務相符，同時也與我國特殊教育專業人員之實務相符。後續研究 者亦將使用此研究階段驗證之結構模式進行後續以閱讀學習活動為例所 發展的學習輔助科技需求考量工具。
表4-2-5 我國與美國異質性差異分析
PLS-MGA CI(2.5%-97.5%) 路徑關係 兩組路徑
係數差
單尾 p 值
雙尾
p 值 美國 我國 LC→LP 0.142 0.172 0.343 0.098~0.52 -0.02-0.385
LC→LM 0.106 0.281 0.562 0.197~0.545 -0.113~0.534
LC→LATKE -0.012 0.529 0.942 0.208~0.564 0.357~0.761
LM→LP -0.169 0.899 0.202 -0.375~0.41 -0.421~0.413
LC→LM→LP -0.006 0.540 0.920 0.065~0.275 -0.054~0.333 註：1.CI 為 Confidence Intervals （Bias Corrected）之縮寫；
2. LC:學習能力 LP:學習表現 LM:學習動機 LATKE:學習輔助科技知識經驗
79