第五章 結論與建議
第二節 建議
第二節 第二節
第二節 建議 建議 建議 建議
一、本研究所發展之電腦適性補救教學僅限 2 個縣市，受試人數為 162 人，後續 研究可將測驗擴大到中部地區或其他地區之各類型的學校且增加受試人數至 300 人以上，期許能讓本研究結果更具代表性，達到更準確的效果。
二、本研究之電腦化診斷測驗是以選擇題方式建置，未能包含多種題型，因此能 測得的學生錯誤類型受到限制，後續相關研究可針對電腦化診斷測驗開發多元的
題型，減少選擇題型誘答選項受到限制之問題。
三、本研究以專家判定產生之受試者概念當作效標，主要是以受試者的紙筆作的 反應來作為判定概念有無，未來之研究，若能再輔以晤談方式的質性研究，來彌 補專家教師僅以學生作答資料判定受試者概念有無的不足，以降低判斷誤差。
四、本研究以 PPT 所設計之數位補救教材，雖然便於教師使用，推廣性高。但在 遊戲性與學生的互動性方面較為欠缺，且本數位補救教學教材為一人配音，若能 由多人配音錄製加上音效會更生動有趣，可做為未來相關數位補救教材設計上的 參考。
五、鑒於本所已有開發電腦適性測驗平台且提供教師使用，建議往後相關電腦適 性補救教學研究可搭配本適性測驗，縮短線上施測時間，增加施測效率。
69
70
71
歐陽惠萍（2012）。DINA 模式與模式與模式與模式與G-DINA 模式估計成效之探討模式估計成效之探討模式估計成效之探討模式估計成效之探討—以線對稱單元為以線對稱單元為以線對稱單元為以線對稱單元為 例例
例例。國立台中教育大學教育測驗統計研究所碩士論文，未出版，台中市。
盧明君（2005）。國小六年級學童解概數文字題考量真實情境表現之研究國小六年級學童解概數文字題考量真實情境表現之研究國小六年級學童解概數文字題考量真實情境表現之研究國小六年級學童解概數文字題考量真實情境表現之研究。國立臺 南大學教育經營與管理研究所數學科教學碩士班碩士論文，未出版，台南市。
羅興南（2012）。DINA與與與與DINO模式於國小自然科電腦化診斷之應用模式於國小自然科電腦化診斷之應用模式於國小自然科電腦化診斷之應用模式於國小自然科電腦化診斷之應用，，，，以五年級以五年級以五年級以五年級「「「「水水水水 溶液溶液
溶液溶液」」」」單元為例單元為例單元為例單元為例。亞洲大學資訊工程學系碩士在職專班論文，未出版，臺中 市。
康軒文教事業股份有限公司(2012)。國民小學國民小學國民小學國民小學數學教師手冊第八冊數學教師手冊第八冊數學教師手冊第八冊。臺北：康軒出數學教師手冊第八冊 版社。
南一書局企業股份有限公司(2012)。國民小學國民小學國民小學國民小學數學備課指引第八冊數學備課指引第八冊數學備課指引第八冊。臺北:南一書數學備課指引第八冊 局。
翰林事業股份有限公司(2012)。國民小學國民小學國民小學數學備課用書第八冊國民小學數學備課用書第八冊數學備課用書第八冊數學備課用書第八冊。臺北：翰林出版社。
72
外文部分 外文部分 外文部分 外文部分
Akaike. H. (1973). Information theory and an extension of the maximum likelihood principle. 2nd International Symposium on Information Theory, 267-281.
Akaike. H. (1978). A Bayesian Analysis of the minimum AIC procedure. Annals of the Institute of Statistical Mathematics, 30, Part A, 9-14.
Bozdogan, H. (1987). Model selection and Akaike’s information criterion(AIC): The general theory and its analytical extensions. Psychometrika, 52(3), 345–370 Catherine Nyambura Close(2012). An Exploratory Technique for Finding the Q-matrix
for the DINA Model in Cognitive Diagnostic Assessment: Combining Theory with Data. MINNESOTA University.
de la Torre, J. & Douglas, J. (2004). Higher-order latent trait models for cognitive diagnosis. Psychometrika, 69(3), 333-353.
de la Torre, J. & Douglas, J. (2008). Model evalution and multiple strategies incognitive diagnosis: An analysis of fraction subtraction data.
Psychometrika,73(4),595-624.
de la Torre, J. (2009a). A cognitive diagnosis model for cognitively based
multiple-choice options.Applied Psychological Measurement, 33(3), 163-183.
de la Torre, J. (2009b). DINA model and parameter estimation: A Didactic. Journal of Educational and Behavioral Statistics, 34(1), 115-130.
de la Torre (2013). Application of the DINA Model Framework to Enhance Assessment and Learning, Self-directed Learning Oriented Assessments in the Asia-Pacific (pp. 87-103). New Jersey :Springer Netherlands.
Gierl, M., Cui, Y., & Zhou, J. (2009). Reliability and attribute-based scoring in cognitive diagnostic assessment. Journal of Educational Measurement, 46 (3),293-313.
Henson, R., & Douglas, J. (2005). Test construction for cognitive diagnosis. Applied Psychological Measurement, 29, 262-277.
Lawrence(2012). Recognizing Uncertainty in the Q-Matrix via a Bayesian Extension of the DINA Model. Applied Psychological Measurement September 2012 vol.
73
36 no. 6 447-468
Lihong Song.(2012).Comparing two classification methods based on the attribute hierarchy method and the DINA model. Consumer Electronics, Communications and Networks (CECNet), 938 - 941
Mcglohen&Chang(2008).Combining computer adaptive testing technology with cognitively diagnostic assessment. Behavior Research Methods , Volume 40, Issue 3, pp 808-821
Nichols,P.D.(1994).A framework for developing cognitively diagnostic assessment .Review of Educational Research,64,575-603.
P Chen, T Xin, C Wang, HH Chang (2012). Online Calibration Methods for the DINA Model with Independent Attributes in CD-CAT. The Psychometric
Society 201210.1007/s11336-012-9255-7.
Rupp & Templin.(2008).Effects of Q-Matrix Misspecification on Parameter Estimates and Classification.accuracy in the DINA Model. Educational and Psychological Measurement vol,68 no(1).78-96
Sheehan, K. M. (1997). A tree-based approach to proficiency scaling and diagnostic assessment. Journal of EducationalMeasurement, 34, 333-352.
Sowder, J.T.(1992). Estimation and number sense. In Grouws, D.A.(Ed), Handbook of research on teaching and learning. New York: Macmillan.
Tastsuoka, K. K. (1985). A probabilitic model for diagnosing misconceptions by the pattern classification approach.Journal of Education Statistics, 10, 55-73.
Templin, J. L. Henson, R. A. (2006). Measurement of psychological disorders using cognitive diagnosis models. Psychological Methods, 11(3), 287-305.
Xu, X, Chang, H., & Douglas, J. (2003). A simulation study to compare CAT strategies for cognitive diagnosis. Paper presented at the annual meeting of the
American Educational Research Association, Chicago.
74
附錄一 預試試卷內容
75
76
附錄二 對電腦適性補救教學之意見問卷 親愛的小朋友：
你們好，這份問卷沒有標準答案，只是想了解你在電腦教室觀看『概 數』單元補救教學動畫的想法，因為每個人的意見都不盡相同，請依照你 本身對這次學習的看法，回答下列問題。本次題目共有兩頁，每個題目都 有四種不同的選項(依次為：非常同意、同意、不同意、非常不同意)請你根 據題目的內容在□中，用「ˇ」符號選擇一個最符合你想法的答案，謝謝你 的合作！
國立台中教育大學數學教育系碩士班 指導教授：施淑娟 博士 研 究 生：黃淑珊 敬上
＊基本資料＊
性別: □ 男 □ 女 姓名:
對資訊融入數學活動的想法 非常
同意
同意 不同 意
非常 不同 意 1.我喜歡這次用電腦來學概數單元的方式。
2.我覺得用電腦來學數學比較輕鬆愉快 3.利用電腦來學概數，我比較專注上課內容 4.老師利用電腦來教概數，讓我比以前更容易 理解老師教的內容。
5. 利用電腦來學概數單元，我概數單元的成 績進步了。
6. 我覺得老師設計的動畫很有趣，讓我很想 透過動畫來學數學。
7. 比起以前的教法，老師利用電腦來教數 學，可以讓比較容易我學會以前不會的數學 概念。
8. 希望老師以後多利用電腦來教數學。
77
78
續上表
34 1 1 1 1 0 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0 1 1 +1 35 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 36 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 +2 37 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 38 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 39 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 +2 40 1 1 1 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 0 +2 41 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 42 1 1 1 0 0 0 1 0 0 0 1 1 0 0 1 0 0 1 1 0 0 0 +2 43 1 1 1 0 0 1 1 1 0 0 0 1 1 0 0 0 1 1 0 0 0 1 +1 44 0 1 0 1 1 0 0 1 0 1 0 1 1 1 1 1 1 0 0 0 0 1 +3 45 1 1 1 0 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 +3 46 0 0 1 0 1 1 0 0 1 0 0 1 1 0 1 1 1 1 1 1 0 1 +6 47 1 1 1 1 0 1 1 1 1 0 0 1 1 1 1 0 1 1 1 1 0 1 +1 48 1 1 0 1 1 1 1 1 1 1 0 1 1 0 1 0 1 1 1 1 1 1 +1 49 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 50 1 1 1 0 0 0 1 1 0 0 0 1 1 0 1 1 1 1 1 1 1 1 +5
進步屬性總數 104
個別型組屬性平均進步個數(進步屬性總數/總人數) 2.000
(二) 實驗組二
續上表
31 1 1 1 1 0 1 1 1 1 0 0 1 0 1 1 1 1 1 1 1 0 0 +1 32 0 0 0 1 1 1 0 0 0 0 0 0 1 0 1 0 1 0 0 0 0 1 +2 33 1 1 1 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 +3 34 1 1 1 0 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 +3 35 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 36 1 1 1 1 1 1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 +2 37 1 1 1 1 0 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 +2 38 1 1 1 0 1 1 1 1 1 0 1 1 0 1 0 1 1 1 1 1 1 1 +1 39 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 40 1 1 1 1 0 1 1 1 0 1 1 1 1 0 1 0 1 1 1 1 1 1 +1 41 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 1 1 1 1 +1 42 1 1 1 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 3 43 1 1 1 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 +3 44 1 1 0 0 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 +4 45 1 1 1 1 1 1 0 0 0 1 1 1 1 0 1 1 1 1 1 1 0 1 +3 46 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 +2 47 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 0 1 0 1 +2 48 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 +1 49 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 50 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 +1 51 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 2 52 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 +1 53 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 1 0 54 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 55 1 1 1 1 0 1 1 1 1 1 0 1 0 0 1 0 1 1 1 1 1 0 0 56 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 0 1 1 +1 57 0 0 0 1 0 1 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 1 +3
進步屬性總數 77
個別型組屬性平均進步個數(進步屬性總數/總人數) 1.351
(二) 控制組
34 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 35 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 +1 36 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 37 1 1 0 1 0 1 1 1 1 1 0 1 1 0 1 0 1 1 0 1 1 1 +1 38 0 0 1 0 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0 1 1 +3 39 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 +2 40 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 1 0 0 1 1 -4 41 1 1 0 0 1 0 1 1 1 0 1 0 0 1 0 0 0 0 0 0 0 1 +1 42 0 1 0 0 1 0 0 1 0 1 1 0 0 1 1 0 0 0 0 0 0 0 +2 43 0 1 1 0 0 0 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 +6 44 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 45 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 -1 46 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 +1 47 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 48 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 49 0 1 0 0 1 0 1 1 1 0 1 0 1 0 1 0 1 1 0 0 0 1 +2 50 0 1 1 1 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 1 +4 51 1 1 1 1 0 0 0 1 0 0 0 1 1 1 1 0 1 1 1 0 1 1 +4 52 1 1 1 1 1 1 1 1 0 1 0 1 1 1 0 0 1 1 1 0 0 1 +1 53 0 0 0 0 1 1 0 0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 +7 54 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 55 1 1 1 0 0 1 1 0 0 0 1 1 0 1 0 0 1 1 1 0 0 1 +1
進步屬性總數 78
個別型組屬性平均進步個數(進步屬性總數/總人數) 1.418