第四章 研究結果與分析
第五節 學者專家訪談結果
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4- 30 CATAR 剖析歸類與 C&E 主題比對之新增類別
代碼 主題名稱 代碼 CATAR 剖析歸類之新增類別
T01 Applications C1-9 Game(42)
C1-10 Knowledge management(29)
T03 Discipline Areas C3-5 Health(262)
C3-6 Medical education(19) C3-7 Nurse(98)
T05 Evaluation and Measurement C5-2 Formative assessment(15) C5-3 Peer assessment(45) C5-4 Quantitative research(23) T07 Infrastructure,Management,
Technology & Tech C7-8 Knowledge-based system(46) C7-9 Content management(31) C7-10 Learning management systems(20) C7-11 Learning technology(16) C7-12 F2F (face-to-face)(9)
T10 Pedagogy C10-8 Cognition(121)
C10-9 Motivation(42) T13 Teaching and learning C13-8 Training(51)
C13-9 Mentoring(14) C13-10 Navigation(13)
綜合上述 CATAR 所剖析之共現字、書目對歸類結果，再搭配 C&E 專家知 識分類架構所歸納出之數位學習主題架構，發現共現字可分析出較為廣泛的研究 主題；而書目對分析可歸類出較為明確的代表性主題類別；亦即共現字、書目對 歸類分析結果各具特色，且可相互截長補短。此外，利用 CATAR 自動化內容探 勘分析再輔以專家分類架構，不但可以探勘出大多數人工專家所決定之主題類別 架構，而且可以藉此發現新的主題類別，以補足專家進行主題架構歸納耗時且可 能遺漏某些類別主題之缺點。
第五節 學者專家訪談結果
為驗證本研究採用自動化內容分析工具 CATAR，針對 2000 年至 2009 年間 數位學習領域 SSCI 期刊文獻，分別以共現字、書目對與參照 C&E 專家知識分 類架構進行之數位學習主題分析結果的正確性、合理性，本研究邀請四位國內在 數位學習領域頗具生產力與影響力的專家學者進行訪談，表 4-31 為邀請之數位 學習領域專家學者名錄及其研究專長資料，訪談問題列舉如下：
一、學者專家背景與訪談相關問題：
(一) 請比較本研究所得之三種數位學習研究主題歸類分析結果(共現字、書 目對、C&E 專家知識主題分類架構)，您認為哪一種分析結果較容易解讀出有意
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
義的主題資訊？
(二) 本研究所得歸類之數位學習研究主題分析結果，是否符合您認知中數 位學習主題類別之研究？並請嘗試從中分析出各類別群聚的主題。
(三) 從歸類結果是否能看出新興研究議題？或者哪一類別是預期中的研究 主題？以及所呈現之主題樹、主題地圖是否合理正確？
(四) 請比較三種數位學習研究主題歸類結果(共現字、書目、C&E 專家知識 主題分類架構) ，是否有任兩種可相互對應？並請嘗試做關連與對照。
(五) 請檢視您所認為較具代表性之主題歸類結果?以及各主題與國家、期刊、
作者之交叉分析資訊中，您認為有哪些是最有價值可供參考之資訊？哪些是不合 理的資訊？
(六)您認為對於較難解讀，無法歸類之主題類別如何分析、整理?
表 4- 31 數位學習領域專家學者名錄及其研究專長資料
代碼 學者專家 服務單位 專長研究領域
E1
陳教授 中山大學
資訊管理學系
計算機網路、無線網路、數位學習、知識 管理
E2
侯助理教授 台灣科技大學
工程技術研究所 科學教育與數位學習組
數位學習系統規劃與開發、教學知識管理 與知識分享、行動載具遊戲式教學系統、
數位學習行為模式分析 E3
劉教授 中央大學
學習與教學研究所
教學與學習科學、數位學習之認知科學、
數位學習與評量、創新科技之教育應用、
心理計量學
E4 黃教授 成功大學
工程科學系(所)
數位學習、嵌入式系統、無線網路、人工 智慧
資料來源：參考學者專家個人網頁與服務系所單位網頁 二、學者專家訪談意見重點整理如下：
(一) 請比較本研究所得之三種數位學習研究主題歸類分析結果(共現字、書目對、
C&E 專家知識主題分類架構)，您認為哪一種分析結果較容易解讀出有意義的主
題資訊？受訪者 E1：C&E 的投稿主題類別並非很有系統，看起來仍有不少主題類別 有所重疊與跨類別，建議可先由領域專家建構主要主題分析架構，再以書目對與
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
共現字進行比對分析歸類。
受訪者 E2：建議主題分析架構分成以共現字(CW)、書目對(BC)產生結果之 兩列進行比較會更清楚，據此也較能比對其間的差異。
受訪者 E3：在 C&E 之 T 主題與 C 類別之間是否有重複之處，如 T08: languages 與 C3-3: language。
受訪者 E4：書目對相似度太嚴苛、太精確了，以致於可能會失去一些模糊 (fuzzy)的相似主題類別，還有在歸類分析中是否有可能大部分的類別 CW 有，而 BC 沒有。
(二) 本研究所得歸類之數位學習研究主題分析結果，是否符合您認知中數位學 習主題類別之研究？並請嘗試從中分析出各類別群聚的主題。
受訪者 E2：在數位學習領域之跨領域研究中，除了 language 及 science 外，
其實 medical, nursing, health 很早就有研究，且持續成長中；就 CATAR 分析出的 game 雖然 C&E 尚無此類別，可參考 BJET 將 game, music 歸屬於環境應用中的 互動學習環境，例如 game-based learning；而認知、動機主題類別可增加在教育 心理學類別。
受訪者 E3：在認知中 CATAR 剖析出之歸類結果 health, nurse, medical education 巳行之多年，而 assessment 評量發展也巳有三、四十年了；還有 cognitive 不應歸在 pedagogy，至於認知、動機主題類別建議可歸在新增之心理學主題之 中。
受訪者 E3：在 T01:application 有幾個類別可考慮歸入 T02:design and Environment ， 如 C1-4:interactive learning environments ； T02:design and Environment 與 C7-2:design of distance learning systems 之差異是否能再調整；
T10:pedagogy 主題中之 C10-4:formal and informal learning environment 可調整至
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
T02:design and environment，以及 T13 teaching and learning 主題中之 C13-2 environment 等類別歸類的問題顯然有跨類現象。
受訪者 E4 表示 problem based learning 應歸在 T10:pedagogy，又如 m-learning 要 歸 入 T10:pedagogy 或 environment 。 關 於 knowledge management 歸 入 discipline areas 之 interdisciplinary 其類別所代表為生物資訊、機電整合等，受訪 者 E4 建議將 knowledge management 歸入 T01:applications。
(三) 從歸類結果是否能看出新興研究議題？或者哪一類別是預期中的研究主題？
以及所呈現之主題樹、主題地圖是否合理正確？
受訪者 E2：game, m-learning 等是未來數位學習最具潛力的發展主題，但因 行動學習的載具汰換速度快，致使載具平均使用壽命短的影響值得探討，還有可 觀察那些主題普遍被忽略?
受訪者 E3：CATAR 歸納出之 game 主題類別，可算是新的研究議題。
受訪者 E4 ：就 CATAR 工具 所剖 析出的 data mining 屬 於 knowledge management 可 參 照 比 對 至 T01:applications 之 主 題 類 別 ， 然 而 knowledge management, sensing techniques 的發展與應用可謂為新興的研究主題。
(四) 請比較三種數位學習研究主題歸類結果(共現字、書目、C&E 專家知識主 題分類架構)是否有任兩種可相互對應？並請嘗試做關連與對照。
受訪者 E1：數位學習的領域知識架構是 ontology、semantic 網路式的結構，
若要以 tree 分群來分析歸類並不是很容易。
受訪者 E1：建議可以 CATAR(書目對、共現字分析)自動化歸類結果，再搭 配學者專家調整進行主題分析，並輔以以下三個原則進行：
1.先決定領域主題架構再依群組中的從屬關係(partial order) 進行分析與建構，
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
以沒有爭論的從屬關係原則來歸類。
2.主題歸類應依據一致性原則，會跨類別盡可能拿掉不要列出。
3.對於較難解讀、無法歸類之主題類別其歸類原則以挑選特定、較小的關鍵詞 彙，期使分類更明確、精確度也愈高。
受訪者 E3：每一期刊都有其屬性與偏好，例如 C&E, BJET 期刊皆有其特定 刊登論文的偏好方向，是否與 CATAR 剖析出的資料能相互對應，並不一定要強 調其合理的關聯與對應，其間的關係可以是互補的。
(五) 請檢視您所認為較具代表性之類別歸類結果?以及各主題與國家、期刊、作 者之交叉分析資訊中，您認為有哪些是最有價值可供參考之資訊？哪些是不合理 的資訊？
受訪者 E2：針對最具價值資訊應從國家觀點看數位學習主要發展主題，未 來重視的主題以及其影響之因素為何？例如國家整合型計畫、科技政策與數位學 習主題研討會之關聯。
若對較具貢獻之作者、機構進行探討，其探討的格局不夠大，如能探討作者、
機構，如何受到國家政策影響應更具研究價值。還有那些主題比較容易被期刊接 受、比較前瞻?由於主題趨勢無法從核心期刊得知，得從國家科技政策與白皮書 才能有效掌握最有價值的研究發展主題，因此可多談社會面向與研究結果的影響，
再進行交互分析討論，研究結果不應只是數據，應再由社會脈胳中求得驗證，並 參考國家型計畫架構-主題面向、分項計畫中所重視之不同主題發展。
受訪者 E2：關於數位學習領域較具代表性之研究主題，可以國內學者為例 並提出佐證範例。如 C10-7: personalized learning(S3-CL51:20 篇)其最具生產力作 者為陳志銘(Chen, CM)發表 5 篇、黃悅民(Huang, YM)發表 3 篇，該研究主題最 具影響力之國家為台灣。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
受訪者 E3、E4：國內學者張國恩(Chang, KE)、宋耀廷(Sung, YT)、劉子鍵(Liu, TC)均為國內在數位學習領域生產力頗高的學者，但為何沒有出現在 CATAR 所 分析的資料中？
(六) 您認為對於較難解讀，無法歸類之主題類別如何分析、整理?
受訪者 E2：針對較難判讀，無法歸類之類別除了參考 C&E 之投稿主題類別 外，也可考量其他重要期刊之投稿主題類別進行歸類，例如 BJET 類別也很細(供 研究者加入新類別之參考)，或參考 American Society for Training & Development (ASTD)之 e-learning glossary。若能參考或整合數位學習核心期相關類別，如此 可避免自己定義主題類別，也可使得無法歸類之類別更容易進行歸類整理。