概念構圖

國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

後五項的摘要為：6、參與宗教活動的頻率（如上教堂、祈禱、誦經、廟會 慶典、或參拜儀式等）為未曾參與5 位、每天 2 位、每週數次 3 位、每月數次 4 位、每年數次11 位。7、練習靜坐（靜心冥想）的頻率為未曾參與 13 位、每天 3 位、每週數次 2 位、每月數次 3 位、每年數次 4 位。8、針對日常生活壓力負 荷（如來自工作、人情、家務事、生活瑣事等壓力）的感受為還可接受 14 位、

略感壓力9 位、有些沉重 1 位、壓力很大 1 位。9 為最近一年發生「正面」的重 大生活事件的項目，為最近一年發生10「負面」為的重大生活事件的項目。

第六到第十項的內容中，平均而言參與宗教活動的頻率不高，以每年數次為 多數，此外超過一半以上的人沒有靜坐習慣。大多數人覺得生活稍徵的壓力或尚 可接受。「正面」重大生活事件中有8 位回答無，其他各類事件都有，其中以出 國遊旅為最多有6 位。「負面」重大生活事件中有17 位回答無，其他最高的為至 亡故或重病有5 位。

第三節 概念構圖

一、 概念構圖的應用與分析基礎

1986 年 Trochim 與 Linton 提出概念構圖（concept mapping）是為了計畫與 評鑑的概念化（conceptualization for planning and evaluation）為目的。在教育領 域中，概念構圖用於發展評鑑指標，亦使用在教學中。

在教學上，Novak 根據美國當代認知心理學家 Ausubel 的有意義學習理論

（Novak, 1990），發展出概念構圖教學，步驟分為選擇概念、歸類及排序、聯結 及聯結語、交叉聯結、舉例等五階段，能協助學習者達到有意義學習（余民寧，

1997）。其原理為將抽象的概念系統化與視覺化課程內容，使得學生能夠清楚地

「看見」（理解）各概念之間的垂直及水平關係，有助於觀念的建立與釐清。

概念構圖亦可用在研究上作為一種研究工具，尤其適合在計畫或評鑑之初對

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

於尚未明確的概念予以具體化，此即「概念形成」（conceptualization）。此種結構 化的概念形成，能對原本模糊的概念提供概念框架（conceptual framework），以 引導研究者理論的形成，為進一步的驗證與評鑑提供基礎。概念構圖的分析基礎 為 兩 種 多 變 量 統 計 方 法 （multivariate statistical methods ） 多 元 度 量 法

（multidimensional scaling）和群集分析（cluster analysis）以及圖形化工具，共同 分析資料最終達到結構化概念形成的目的（余民寧，1997；吳政達、郭昭佑，1997；

羅恩冕、郭昭佑，2018；Trochim & Linton, 1986; Kane & Trochim, W. M, 2007）。

二、 結構化概念形成的步驟

結構化概念形成的步驟包含下列六個階段（余民寧，1997）：

1. 準備（preparation）：挑選具異質性高的參與者，並滿足多樣性及代表性 要求的樣本，通常為該主題之利害關係人（stakeholders）。樣本數量大約在每個 研究團隊10~20 人即可，以利研究者掌控及避免參與者流失。

2. 生產意見（generation of statements）：針對研究主題，要求參與者以腦力 激盪（brainstorming）的方式，產生大量的觀點並陳述之。每一個陳述的觀點需 符合明確、單一向度的要求。

3. 意見結構化（structuring of statements）：將全部的意見寫在卡片上，一 張卡片寫上一個意見。接下來有三個程序：首先，接著要求每一位參與者分類，

分類標準是「以自己感到最有意義的方式」歸類，並需符合下列三個條件：(1)每 個意見只能被歸到某一類，不可重複歸類；(2)不可以將所有意見歸為同一類；(3) 也不可以將每一個意見單獨歸成一類。第二，計算個人的歸類結果，並登錄成二 元近似對稱矩陣（binary symmetric similarity matrix），如圖1，再將個人的近似矩 陣加總成為一個整體的近似矩陣。第三，將陳述分類之後，接著進行意見的評定，

要求每位參與者對每個意見作五點或七點的優先性或重要性評定。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

圖3-2 二元近似對稱矩陣

資料來源：余民寧（1997）。有意義的學習-概念構圖之研究。臺北市：商鼎，173。

4. 觀點的表徵：共有三項分析。（1）多元度量法分析：將所有人的近似矩 陣疊加後，形成一個加總近似矩陣（如圖2），進行二向度的非參數多元度量法分 析（two-dimensional nonmetric multidimensional scaling），分析結果可得到估計點 圖（point map）。圖中每一個點代表一個意見，若點與點的距離越近，則代表意 見越常被歸在同一類，反之，距離越遠代表越不是被歸在同一類。如此一來，經 常被歸成同一類的意見們，就會有聚集的效果呈現。

多元度量法與因素分析都是資料簡化的方法，但是多元度度法屬於非屬性為 基礎的方法（nonattribute-based approaches），與因素分析或區別分析等以屬性為 基礎的方法（attribute-based approaches）不同。多元度量法有計量(metric)和非計 量(non-metric)兩種，計量多元度量法以相對距離實際數值為投入資料，非計量多 元度量法則是以順序尺度的資料作為資料的投入。非計量MDS 是嘗試在維度空 間構面圖中，使點間距離排序與原距離越一致越好，而通常量測配合度的指標稱 為壓力係數(stress)。壓力係數之計算，是以在知覺圖中成對事物之距離與其平均 距離之差來計算（林震岩，2007；榮泰生，2009）。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

圖3-3 五個人的加總近似矩陣

資料來源：吳政達（2008）。教育政策分析：概念、方法與應用。臺北市：高等 教育。56。

（2）群集分析：根據多元度量分析法，求得每個估計點在二維座標系中的 座標值，以輸入群集分析。採用華德氏階層群集分析法（Ward’s hierarchical cluster analysis），找出少量的數個群集（clusters），並產生樹狀圖。

（3）計算兩種平均評定值：針對估計點圖，計算每個觀點的平均評定值，

稱為「估計點評定圖」；另外，針對群集圖，計算每個群集的平均評定值，稱為

「群集評定圖」。

5. 概念圖解釋：針對以下各項進行解釋。

（1）意見清單：由所有參與者所提出的原始意見清單之彙整。

（2）集群清單：經由集群分析之後，獲得分了哪些類、哪些意見被分到同 一類，針對類別試圖予以命名，以簡化並提供解釋。

（3）估計點圖：在多元度量分析法後所獲得的估計點圖，即每個意見在二 維座標系統上的圖形呈現。

（4）估計點圖分群圖：經由集群分析呈現之分群圖，可簡便地看出分類數 量、類別間的距離與類別內的集中情形。

（5）估計點評定圖：根據估計點評定圖平均值的大小，研究者能看出哪些

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

意見受到參與者們的重視。

（6）群集評定圖：根據群集評定圖平均值的大小，研究者能看出到底哪個 群集是構成整體概念的核心概念。

6. 應用：整理出來的項目，後續可作為發展計畫或評鑑之指標、活動或課 程設計之參考依據以及發展量表之構面依據。