潛藏式評量

用(Rupp et al., 2010; Shute, 2011)。

從前一節的文獻探討可以看出，整合遊戲的心流狀態和學習理論，對於提升

學習和學習者屬性皆能在遊戲過程中被核對與評估；(三)學習者的優點或缺點，

能分別被提出或支持；(四)形成性的回饋能被用於進一步支持學生學習(Shute, 2011; Valerie J. Shute, Hansen, & Almond, 2008)。

二、形成性評量

當老師或電腦輔助教學系統知道學生正如何進展，以及哪裡有了問題，他們 就能使用此資訊在教學上做即時性的調整，像是再教一次、嘗試替代的教學方法、

修改任務或問題的困難度級別，或提供更多練習的機會。廣泛地說，這就是一種 形成性評量，它也已經被證明能改善學生成就(Paul Black & Wiliam, 1998; P.

Black & Wiliam, 2006; Valerie J. Shute et al., 2008)。

Clarke 曾提及「如果我們的孩子像是植物…對植物的總結性評量只是簡化測 量的一種過程。此測量可能使人有興趣去比較和分析，但對於測量本身而言，它 們並未影響植物的成長。另一方面，形成性評量就像是能給植物肥料和水源的花 園，直接地影響他們的成長。」(Clarke, 2001)。

Dylan（1998）認為形成性評量的意涵可從豐富的提問、回饋和學習者的角 色三方面來探討：

(一)提問（Rich questioning）：能找出學生錯誤觀念的問題，就是一個好的問 題。學生在內化老師所教導的知識時，常會產生某些迷思概念，因此希望藉由問

由此可知，給予學生們意見與鼓勵，比起其他方式更能使學生產生正向的學習目 的。

(三)學習者的角色（learner’s role）：提問和回饋都是著重在教師的角色，Dylan 認為學習者不應該只是被教師評量，也應該要自我評量，如：學生針對自己完成 (Shute, 2011)。

從教學者的角度來說，藉由形成性評量，一種較不直接協助學生學習的方式

過去亦不乏有形成性評量能成功促進學習成效的研究。Hudson 和 Bristow 在 2006 年的研究顯示，問答遊戲式形成性評量活動，能提供學習者一個有趣的、

無威脅的、並且能獲得更多回饋的學習環境。課堂中利用電子輸入設備(如按按 按系統)進行形成性評量，將能促進問題回答狀況的分析，並且使得所有學習者 都能涉入活動之中，進而使學習和評量的效果獲得最大程度的改善(Hudson &

Bristow, 2006)。

不直接給予正確答案(適時地回饋)、質問分數、詢問問題、全部過關就給予獎賞、

監控答題歷程和詢問提示(Ask-Hint)等。結合上述策略所設計出的問答遊戲式 (quiz-game like)形成性評量系統，較傳統線上評量系統更能激發學生的動機，學 生能自動自發地參與自我評量活動，並且監控自己的學習狀況和改善學習的成效 (Wang, 2008)。

三、遊戲與形成性評量的連結

玩遊戲(經過良好設計的)確實有強化學習的潛力，並且每年有越來越多的研 究者宣稱有許多重要的學習和發展正在這樣的虛擬環境中被進行著。但是什麼確 實正被學習著？玩家想在遊戲中學習些什麼？這些技能是否具有教育價值，特別 是能否符合未來工作的需求？並且，我們如何能證實宣稱它具有這樣的效果？

當玩家在進行遊戲時，許多遊戲變項的數值會隨之改變，例如：戰鬥中受傷 會減少生命值、找到寶物或其他東西會增加於物品清單，以及解決遊戲中主要的 任務能使玩家提升等級等。那麼這些數值具有教育意義嗎？當遊戲與評量加以結 合後，便賦予了有價值的意義。此時，玩家除了確定生命狀態，還會關注他們在 目標能力上的表現，並且假若這些變項的數值太低，玩家將會想要採取行動以提 升它們。蒐集遊戲中豐富的數位資料串流不成問題，問題在於如何使這些可能如 洪水般襲來的資料變得有意義。另一個主要的問題是，如何簡單地呈現學生的學

的知識片段。正確地回答問題代表知道某些事實的證據；即一個問題等於一個事 實。然而若藉由分析學生對所有問題的反應，每一題皆是證據，提供關於學生對 特定事實或概念的了解，教師或教學環境能得到一個圖像，即什麼是學生可能知 道或從頭至尾不知的。Shute 提出了一個解決方案，即延伸和應用「證據中心設 計」(ECD)取向的評量設計，這提供(一)關於評量設計的發展方式和(二)無論在遊 戲或其它學習環境中學生成就的推論方式。它是一個能解決上述問題，並且使設 計一個可靠且有效的遊戲式學習系統成為可能的方法(Shute, 2011; Valerie J.

Shute et al., 2008; Shute et al., 2009)。

貳、潛藏式評量的方法

一、證據中心設計(Evidence-centered design)

證據中心設計(ECD)的基本概念源於 Messcik(1994)，而稍後由 Mislevy 和其 同僚正式提出。一個包含潛藏式評量的遊戲必須引出具有關於目標技能和知識的 證據行為，並且必須額外提供對證據的原則性且符合評量目的的詮釋。圖 3 描繪 一個證據中心設計取向的基本架構(Messick, 1994; Robert J. Mislevy, Steinberg, &

Almond, 2003; Shute et al., 2009)。

圖 3 證據中心設計的主要模式。取自 Shute et al.,2009。

在此所發展的這些變項和模型以及它們之間的關係能回答 Messick(1994)對

(一)什麼知識、技能或其它屬性的複合物應該被評量？

一個施行的測驗意味著為了某些目的的推論做為證據，正如：許可的決定、

診斷回饋的證明、近一部教學的導引或上述的整合。能力模型 (Competency Model,CM)中的變項描述做為推論基礎的知識、技能和能力。學生模型(Student Model)經常代表學生在能力模型上的真實狀況。學生模型中的數值即表示專家目 前認為學生在能力模型中各變項的學習狀況。

(二)什麼行為能揭露這些構念？

證據模型(Evidence Model)展現對應於能力模型變項的行為特徵，學生在遊 戲中所有的行為序列便能組成推論目標能力學習狀況的證據。也就是說我們需要 為遊戲中的特定行為預先定義其對應於能力模型變項的意涵，並加以描述。

(三)什麼任務或情境能引出這些行為？

任務模型(Task Model)描述用來引出行為的具體情境特徵。任務模型為特徵 化和結構化的情境提供一個框架，學生會與這樣的情境進行互動，以提供關於目 標能力學習狀況的證據。

遊戲的潛藏式評量之中，能力模型(學生模型)能呈現目標能力的整體架構，

並以其各變項的機率分布來呈現。證據模型能辨認學生做了哪些行為，並且表現 這些行為證據與能力模型變項的關聯程度。任務模型能表現得以蒐集各項行為證 據的任務或情境(Robert J. Mislevy et al., 2003)。

則意味著評量是高複雜度且耗費更多專用資源的。(二)在遊戲環境中當學生是以 合作的方式完成任務時，發展證據模式會更加困難。例如；如何能追蹤每個學生 的行動，以及對於整合的任務成果各有什麼樣的看法？(三)另一個挑戰來自於質 性作品的評分，如論述文、學生反思和線上討論，這些可能都是高度主觀的，即 使提供認知性的標題給教師。因此，詳盡且有力的編碼方案是必需的，它能用於 辨別學生在任務中的情境和語義上的差異。(四)任務模型的議題仍在於被指定的 任務是否應該結構化。評估特定的行為序列能促進更可信的資料蒐集，但卻可能 因而限制學生探索環境或採行替代路徑的能力，這些都是讓學習者覺得有趣和能 促進自我學習的地方。所以，當遊戲設計者在遊戲中建立評量，他們需要在學生 探索和結構化資料蒐集的矛盾之間尋求最理想的平衡點(Rupp et al., 2010)。

参、潛藏式評量的相關理論

一、貝氏網路

貝氏網路（Bayesian network, BN）是一種非循環有向圖形(Directed Acylic Graph)，能呈現 N 維度機率分布間因果關係的網路模型。它結合機率與圖形理論，

適用於描述與推論不確定的事物(Pearl, 1988)。

圖 4 貝氏網路模型

圖 4 中的節點即為變數，連接線代表變數間的相依關係，相依關係的強度則

布，從可觀察到的證據訊息來推論未觀察到的變數狀態。其公式如下：

│

貝氏網路結合事前機率(專家的判斷)與樣本機率(由預試學生的答題反應資料得 知)，有效地利用有限的樣本，導入專家的判斷數值來推論目標變數可能的狀態。

適用的領域包含醫學診斷、決策支援、資訊萃取和診斷評量等(Heckerman, Mamdani, & Wellman, 1995；林垣圻，2005；陳金葉，2009)。

貝氏網路能在教學中監控學生的行為，整合玩家實際行為的證據，來更新能 力模型，成為真實的學生模型。貝氏網路也能被用來協助產生學習狀況報告給不 同的教育相關人士(如：教師、學生和父母)。貝氏網路教適用於教育測驗中的認 知診斷評量，其優點有：(一)以機率裡論為基礎的貝氏網路能有效描述和推論各 變項間的不確定性關係。(二)能有效地利用先前的經驗提升診斷的精確度。(三) 圖形化的表徵能清楚展現變項間條件獨立或依賴的關係。(四)有發展成熟的理論 基礎，藉由模型中可觀測變項的機率作為證據，推論目標變項的機率。(五)能隨 時依據證據的變動，動態地更新模型架構(R.J. Mislevy, Almond, & Lukas, 2004;

Robert J. Mislevy & Haertel, 2006; Robert J. Mislevy et al., 2003; Shute et al., 2009)。

本研究參考國內外文獻所發展的貝氏網路模型中，其節點分別代表技能，錯 誤類型和題型，節點間的連結代表其間的關聯程度。基於證據中心設計取向，將