知識結構分析

壹、知識結構表徵

所謂的知識表徵（knowledge representation），即是指外在的知識結構經 過認知活動後存在於人類心理的內在表徵方式，也就是說知識表徵是人類對知 識的記憶或儲存的型式（余民寧，1997）。因此，為了探究學生是如何組織知 識及了解學生的認知結構裡，概念與概念之間的關係是如何連結的，我們可以 從學生在各學科的知識結構表徵上著手。

Rumelhart & Norman（1985）認為知識的表徵大致可分為命題式、類比式 和程序式表徵系統：

一、命題式表徵系統（propositional reprensentational system）：命題式表徵 系統係認為知識是一種語意網路（semantic network），假設由一組符號、

概念或命題（propositions）構成，相同的命題可以透過線性（linear）或 網路（network）的方式呈現表徵。

二、類比式表徵系統（analogical reprensentational system）：類比式表徵系統 係假設知識由包括語意和心像等多元表徵所構成。

三、程序式表徵系統（procedural reprensentational system）：程序式表徵系 統 係 強 調 知 識 結 構 和 修 正 的 動 態 歷 程 ， 假 設 知 識 以 條 件 語 句

（production）形式呈現。

類比式和程序式表徵系統其理論模式在驗證時較為困難，相對地評量亦較 為不容易，但是卻更能接近人類真實和複雜的表徵結構。命題式表徵系統易於 評量與測試，其特色是可以具體呈現命題之間的關係，有助於理論模式的建立

與驗證，本研究中藉由紙筆測驗測得學生的知識結構即屬命題式表徵系統。

認知心理學家 Solso（1995）根據過去的研究文獻，歸納提出五種不同的 知識表徵結構模式：

一、群集模式（clustering model）：在此模式中，概念被組織成「群集」

（clusters）。而評量的方式，係給予受試者一些不相關的字來做自由回 憶（free recall），然後研究者將可以發現，某一些字會被歸類在一起，

而這些被受試者歸類的「群集」，即為受試者在這些字或概念上的知識 表徵。

二、集合理論模式（set-theoretical model）：在此模式中，概念在記憶中是 以「集合」（sets）或訊息彙整的方式來表徵的，該集合可以包括某個 類別（category）中的許多範例，以及該類別中的屬性或特質。

三、語意屬性比較模式（semantic feature-comparison model）：在此模式中，

知識是由一個多向度空間所組成，概念在記憶中則是以一組「語意屬性」

（semantic features）來表徵的。每個概念意義均可由兩種不同的屬性來 加以描述，「定義性屬性」（defining feature）是決定概念意義的主要 成份，用來界定類別歸屬的屬性；「特徵性屬性」（characteristic feature）

是決定概念意義的偶發成份，指某個概念所獨有的屬性，至少不是與其 他概念所共有的屬性。

四、網路模式（network model）：在此模式中，知識是以各個獨立單位所連 結形成的網路方式儲存在記憶裡，我們之所以能夠記憶每一個字的原 因，乃是因為它與一個複雜的「關係網路」（network of relationships）

連結在一起的緣故。

五、神經認知模式（neurocognitive model）：在此模式中，知識是存在於神 經單元（unit）間的聯結裡，並且是以神經網路（neuronetwork）的組織 方式來表徵的。

貳、知識結構之測量

測量知識結構的方法很多，Koubek & Mountjoy（1991）將測量方法分為 以下四類，包括晤談法（interview method）、分類法（sorting method）、圖 解法（mapping method）及量尺法（scaling method）：

表 2-4-1 知識結構測量法一覽表

江淑卿（1997）指出常用的量尺法有多向度量尺（multidimensional scaling, 簡稱 MDS）、群集分析（cluster analysis）及徑路搜尋（pathfinder analysis），

並闡述其內涵、特色及限制如下：

亦即運用量尺法來分析受試者的知識結構；而 LFT-extended 計分理論所提出 整合專家知識結構的方法，修改自徑路搜尋法，亦屬量尺法。