徑路搜尋

壹、徑路搜尋介紹

徑路搜尋法於1985年由美國新墨西哥州立大學計算研究實驗室 Schvaneveld（1990）與其研究小組，研究發展出用以測量知識結構的方 法，設計知識網路組織工具(Knowledge Network Organizing Tool，簡稱 KNOT)，用來執行徑路探測網路分析。

在統計上，徑路搜尋網路是以圖解理論為基礎，它是以節點和鏈結相 互連接方式來呈現網路結構，它使用徑搜尋量尺化算則(pathfinder scaling algorithm)，來計算節點與節點間的關係和位置，一個節點代表 一個概念。而節點與節點之間的關係則為鏈結，但沒有命名，鏈結有鍊値 它以距離權值表示其鏈結強度或表示語意上概念關聯的程度，也能預測學 習者的學習表現。鏈結的特色是能表徵知識結構中概念與概念間的關係，

並藉此了解哪些鏈結間的關係比較重要，但也因鏈結沒有命名，在解讀圖 解時較難直接瞭解其網路結構型式 (Schvaneveldt, 1990)。

貳、徑路搜尋過程

徑路搜尋網路分析知識結構的過程大致分為三個步驟：徑路搜尋之引出 知識、徑路搜尋之表徵知識結構、徑路搜尋之評價知識結構，茲就三個步 驟分別說明及描述如下：

（一）徑路搜尋之引出知識

知識結構的引發可從字詞聯想法（word association）、卡片分類 法（card sorting）、序列回憶法（ordered recall）與相似性評定法等 評量方法獲得資料（涂金堂，2001），徑路搜尋法通常採用相似性評定法，

產生一個接近性矩陣資料。先選定欲進行研究的一群概念，兩兩成對，由 受試者進行判斷各配對概念間的相似性、關連性或心理距離值，如此將可 獲得一個對稱性的接近性矩陣（proximity matrix，簡稱 PRX），這個接

近性矩陣將作為資料分析的輸入值，徑路蒐尋網路分析會將此接近性矩陣 轉換成資料網路（DATANET），或稱為完整網路（complete network），

資料網路中每條鍊結的鍊值等於接近性矩陣元素的值。理論上，當網路上 的概念接近性矩陣資料以徑路搜尋量尺化算則(pathfinder scaling algorithm)轉換成距離矩陣和徑路搜尋網路(PFNET)，徑路搜尋網路重視

的權值為 1+5=6。當r=2 時，則徑路的權值就是運用歐基里德距離的運算

圖 2-3-1 接近性矩陣與徑路搜尋網路(改寫自 Goldsmith, Johnson &

Acton, 1991)

A B

C D

E

（三）徑路搜尋之評價知識結構

徑路搜尋網路之評價，主要是將受試者的徑路搜尋網路和參照結構進 行比較，Goldsmith & Davenport (1990)認為比較兩個徑路搜尋網路的相 似程度，可以區分為兩種方式，第一種是以圖形理論為基礎，計算節點之 間距離的相關程度，如圖形理論距離指數(graphical theoretical

distance，簡稱 GTD 指數)及接近性指數(proximity index，簡稱 PRX 指 數)；第二種則以集合理論為基礎，計算兩個網路中相鄰節點交集與聯集 的商數平均值，稱為相似性指數(closeness index，簡稱 PFC 指數或 C 指 數)。三個指數數值越小表示受試者與參照結構越不相似（鍾世帆，2005）。