戰寶華
國立屏東大學教育行政研究所副教授
一、前言
眺望天際，無邊無垠；仰望星空，
靜謐閃爍。夜空繁星點點，極是壯闊 又參雜絲毫平靜、甚是奧秘又透露些 許 牽 引， 令人 陶醉 美 麗誘 人星 空 之 餘，不免油然而生探索之心，而天文 科學具有普及便利、無城鄉差距、無 數位落差等特性，任何地點即可抬頭 觀察、任何環境都能融入學習、任何 現象皆有創思啟發。只要牢記關注天 氣、善用科技、監測月相、避開光害、
往高處去等五大觀星要件，亦即避免 雲霾霧或灰塵阻礙視線、利用星圖安 排觀星路徑時程、注意暗淡天體恐被 月光遮蓋、避開各類型燈具等光害來 源、以及高海拔地方應較能清楚觀測 等五項要點（Astronomical Society of the Pacific, 2015），即能找到最佳觀星 條件，逐步探索天文科學之奧秘。
李名揚（2012）認為，未來公民 應該具備科學素養，才能具有因應驟 變環境之社會適應力與國際競爭力。
因為科學是有系統、有邏輯之概念認 知結構，且具備可觀測、可驗證之想 法證實體系，故科學素養即是具有對 科學與技術之認知、瞭解、思考、應 用、過程、實作、探索、態度等面向 之能力展現（陳文典，2006），對個人 繼續增進多元智能，以及達成理性社 會運作，皆有極大助益。但臺灣學生 對科學之學習興趣及自信卻相當低落
（王韻齡，2016.11.28），其中教師與 教學議題在塑造學生對科學學習之觀 念與素養上，扮演極其重要角色，且 從小學習科學之觀念，將深深影響學 生願意投注時間及心力於科學相關活 動 與 未 來 職 業 類 型 選 擇 （ Logan &
Skamp, 2013; Nugent et al., 2015），因 此深化幼兒科學學習經驗與強化未來 繼續探索興趣，有其不容小覷之實質 功能。此外，二十一世紀網路科技蓬 勃發展，不僅資訊紛雜多變，學習觀 念與模式亦隨之改變，如何去蕪存菁 則需善用兼具 volume（大量）、velocity
（快速）、variety（多變）、veracity（真 實）、visualization（視覺化）、versatility
（多功能）、value（價值）等 7V 特質 之巨量資料（Big Data）於分析與規劃
（Yu, Shin, & Ahn, 2016），乃是提升政 策 擬定與 方 案效能之 關鍵思維。 爰 此，本文擬以巨量資料分析之應用模 式為基礎，探討提升幼兒天文科學學 習成效之思考方向，以供主管機關及 教育從業人員參考。
二、文獻探討
(一) 臺灣學生科學素養現況與深耕作法
依據 OECD（2016）公布 2015 年「國 際學生能力評量計畫」（the Programme for International Student Assessment ，簡 稱 PISA 2015）之統計結果，臺灣學生於 72 個參與計畫之經濟體中，科學排名第 4，
但亦顯示出臺灣學生對科學沒有興趣之 窘境，因在享受科學學習（enjoyment of learning science）的五題項中，依序排名 第 36、52、52、62 以及 62。加上稍早公 布之 2015 年「國際數學與科學教育成就 趨勢研究調查」（Trends in International Mathematics and Science Study ， 簡 稱 TIMSS）之結果，確實呈現出臺灣學生對 科學及數學之學習興趣及自信是相當低 落，亦即高成就卻低興趣之極端落差（王 韻齡，2016.11.28）。是以面對臺灣學生對 科學沒有興趣之窘境，實乃科學推廣與學 習上之一大隱憂。
艾瑞克森（Eric Erickson）於心理社 會發展理論（psychosocial develop- mental theory）中提出發展八大階段，且 4-6 歲
Crowley, 2016）。事實上，許多研究（Dion, Brodeur, Gosselin, Campeau, & Fuchs, 2010; Flores, Curby, Coleman, & Melo, 2016; Ivancich, Schwartz, & Kaplan, 2000;
Nutbrown, 2013）已發現，建立高質量幼 兒學習計畫對全人發展極為重要，因為
Bhadani 與 Kotkar（2015）指出，
巨量資料分析已成為革命性技術與全
Singla, 2015）。因此如何統整現有資料 庫，運用合宜技術解讀巨量資料，實
設 計 與規 劃（ 評鑑 雙 月刊 編輯 部 ， 程序（cross-industry standard process for data mining, 簡稱 CRISP-DM），諸
如，清 楚瞭解從事 資 料探勘 目標之 business understanding、廣泛知曉合適 資料系統來源之 data understanding、實 際 執 行 資 料 收 集 詳 細 步 驟 之 data preparation、建立資料收集形式共通邏 輯之 modeling、驗證數據輸入模型符 合規則之 evaluation、監控資料收集儲 存分析動作之 deployment 等六大階段
（蔡秋榮，2016），若能掌握探勘思維
2016）。Agnellutti（2014）亦指出，有 效數據搜集是強化大數據生命周期之