知識結構評量

目前教育心理學家已發展出許多種評量知識結構的方法，而 Koubek &

Mountjoy（1991）、Goldsmith, Johnson, & Acton（1991）與 Jonassen, Beissner, Yacci

（1993）等人曾對這些評量知識結構的方法，加以分門別類。

Koubek & Mountjoy（1991）將知識結構的評量方法，根據評量方法的差異 而區分成三類：口語報告（verbal reports）、集群方法（clustering methodologies）、

與量尺方法（scaling methodologies）。口語報告包括晤談、問卷、放聲思考、…

等方法；量尺方法包括多向度量尺、路徑搜尋法、…等方法。

Goldsmith, Johnson, & Acton（1991）與 Jonassen, Beissner, Yacci（1993）對 於知識結構評量方法的分類，是根據評量的實施程序而分類的。他們都主張知識 的評量包括三個主要步驟：知識結構的誘發（elicitation）、知識結構的表徵與個 人知識結構表徵的評價。茲分別說明如下：

1.「知識結構的誘發」著重於評量個人是否清楚瞭解概念間所具備的關係，

此步驟可採用的評量方法包括字義聯想法、卡片分類法、相似性評定法、晤談 法、…等。

2.「知識結構的表徵」是將「知識結構的誘發」步驟所引出的知識，經由量 尺化的程序，表徵成結構性的知識組織，常用的評量方式有集群分析、多向度量 尺與徑路搜尋法、…等。

3.「個人知識結構表徵的評價」則是將個人所誘發出的知識結構表徵與參照 者的知識結構表徵相互比較，以瞭解個人的知識結構表徵與參照者的知識結構表 徵的相關程度，參照者的知識結構表徵通常是以專家的知識結構表徵為代表。

以下分別詳細介紹知識結構評量的三個步驟：

一、知識結構的誘發

目前，通用的誘發知識結構的方法，主要有下列幾種：

（一）「字詞相似性聯想法」（word association proximities）

字詞相似性聯想法是基於長期記憶理論，研究發現長期記憶中相關聯的概念 有其語意相似性（semantic proximity）的特性。語意相似性是假設相似的概念，

其關連性較強、較容易形成配對。而字詞相似性聯想法的主要目的，即在抽譯出 知識結構，亦即透過回憶所檢索出的訊息，抽譯出學習者於長期記憶中對該主題 概念的相關結構。字詞相似性聯想法所得的資料可轉成距離矩陣，用以描述概念 間的語意差異。

字詞相似性聯想法的應用，主要有二種方法：

1.自由聯想法：給予一個字詞，要求學生在一定時間內，盡可能舉出所 能聯想到的相關字詞。

2.控制聯想法：要求學生所舉出的字詞須限定在相關的領域（例如：舉 出和刺激字詞有關的「物理概念」），且須排出相關性的次序。

字詞聯想法的實施程序，為先確定所要評量的學科領域，其次就該學科領域 中的主要知識概念，選擇幾個最為重要的刺激字，請受試者在特定的時間內（通 常是一分鐘到一分半鐘之間），以該學科領域的知識為範圍，盡可能的寫出與該 刺激字相關聯的概念。

字詞聯想法的優點為實施容易且方便，受試者能主動提出與刺激字相關聯的 概念，可較客觀的誘發出受試者的知識結構；其缺點為在短暫的時間內，受試者 對刺激字所誘發出的關聯概念，可能只憑受試者對該概念的表面印象，而無法確 定該概念與刺激字是否真的有很高的關聯性。

Gesslin & Shavelson（1975）曾以字詞聯想法探討中學生學習機率的認知結 構，結果顯示字詞聯想法可以有效的評量出中學生數學的知識結構。

（二）「卡片分類法」（card sorting）

卡片分類法指的是呈現一系列與主題相關的卡片，每一個卡片上面註明一個 概念，然後根據意義相似性把概念分類，最後給予各個類別訂一個類別標籤或分 類標題，概念間關係的準則可透過該類別的標籤或標題加以傳達。卡片分類法根 據意義的相似性或其他意義效標，例如概念的內涵、功能、特質、…等而作分類。

Miller（1969）研究發現，卡片分類技術對於以階層結構組織而成的概念而言，

是定義概念間關係距離的有效工具。

卡片分類的優點為實施容易，因為卡片分類方法簡單易懂，受試者可以很快 瞭解如何進行評量；但其限制，則為每個概念只能隸屬於一個類別，但概念常具 有多樣的意義，因此，往往無法彰顯概念的完整意義。

Stein, Baxter, & Leinhardt（1990）以卡片分類法探究數學教師關於函數的知 識結構，結果發現數學老師的教學內容，與其所具有的知識結構相符合，同時也 顯示卡片分類法能有效的評量知識結構。

（三）「相似性評定法」（similarity ratings）

相似性評定法指的是讓學生對兩兩配對的概念，以固定量尺評定概念間的相 似度或關係強度，其為評估個體認知結構中，概念相似性的最直接方法。相似性 評定法基於概念間相似性比較理論，利用空間比喻來描述認知架構，而較相關的 概念在幾何空間中的位置較接近。相似性評定法所得的評定資料，可以轉換成相 似性距離矩陣。一般相似性評定法應用在「多向度量尺法」（multidimensional scaling）、「路徑搜尋網路分析法」(pathfinder network analysis）、「集群分析 法」（cluster analysis）等評量方法上。

相似性評定法所採用的量尺技術，許多調查研究指出心理量尺技術，如集群 分析、多向度量尺、網路量尺技術（network scaling technique）等，常被用來作 為誘發領域知識的技術，而且一般認為這些技術較傳統的知識誘發方法更具體、

更有效（Cooke & McDonald，1987）。

宋德忠、林世華、陳淑芬、張國恩（民 87）以相似性評定法與路徑搜尋法 評量大學生對於學習理論的知識結構，研究結果顯示徑路搜尋法所提供的知識結 構（PFC 指數），對學習成就有不錯的預測力。

（四）晤談法

晤談法是施測者提出問題由受試者來回答，受試者在回答的過程中，要將腦 中所有想到的事情大聲的說出來，當受試者陷入沈思而未能說話時，施測者應提 醒受試者說出正在想的事情，研究者即根據受試者回答的內容，分析其知識結 構。整個晤談的過程可透過錄影或錄音的方式，以便提供研究者分析資料時的參 考。

晤談法的基本假定是透過受試者將本身的知識結構以口述的方式表達出 來，研究者對於口述的內容分析，可以瞭解其知識的原貌。晤談法的優點是透過 晤談的方式，受試者可以清楚完整的表達其想法，可較深入的瞭解受試者的知識 結構，但其缺點則為對於知識結構的分析，牽涉到研究者主觀的判斷。

White（1985）認為晤談法是描述知識結構最微妙（subtle）的方法，它可以

提供許多關於人類如何儲存和回憶知識的洞察力（insight）。Leinhardt & Smith

（1985）曾以晤談法研究數學教學過程中所需的專家知識，研究結果顯示晤談法 可以較深入的分析教學者的教學知識。

從以上的文獻探討可以發現，知識結構誘發技術有許多種，但其中最為具 體、有效的方式是相似性評定法所採用的量尺技術。量尺技術在認知心理學中經 常被用來研究記憶中的知識概念組織。

二、知識結構的表徵

「知識表徵」（knowledge representation）是指針對被誘發的知識，以某種 表徵方式找出其結構而言。誘發的技術通常和詮釋（interpreting）或摘要資料的 方法結合在一起，而詮釋或摘要資料的內容往往是量化的或統計學上的表徵方 式。詮釋過程所輸出的結果（例如：方格（grids）、網路（networks）、集群（clusters）、 等）被視為中介表徵（mediating representation）。此一中介表徵用來表示個體所 習得的知識，在誘發的知識中，資料聚合的愈好，則表示其專家模式愈佳

（Cooke，1994）。以下將介紹三種較常使用的知識結構表徵方法：

（一）集群分析法

集群分析主要是將知識誘發步驟所取得的接近性矩陣（proximity matrix），

輸入統計軟體進行統計分析，集群分析會從相似性或不相似性的資料中，抽取出 資料中的潛在結構，最後以樹狀圖（dendrogram）的形式表徵出受試者的知識結 構，樹狀圖上的分支線段代表概念，而相連的分支線段代表隸屬於同一個集群。

集群分析的基本假定，認為知識是以層級組織的方式儲存於長期記憶中，概 念間的關係越密切的，就會聚集於相同層級的組織結構中。集群分析的優點為樹 狀圖的表徵方式，可透過視覺的觀察，很清楚的知曉概念之間的隸屬關係；但其 限制則為要將樹狀圖區分為幾個集群數，目前尚未有公認的理想方法（林邦傑，

民70）。

（二）多向度量尺法

多 向 度 量 尺 法 主 要 是 將 知 識 誘 發 步 驟 所 取 得 的 接 近 性 矩 陣 （proximity matrix），輸入統計軟體進行統計分析，多向度量尺法會從相似性或不相似性的 資料中，抽取出資料中的潛在結構，最後以座標圖的形式表徵出受試者的知識結 構，座標圖上的座標點代表概念，而座標的向度代表區隔概念的依據標準。

多向度量尺法的基本假定，認為概念間的關聯程度可用座標圖的幾何距離表 徵出來，座標圖的幾何距離越短，即表示概念間的關係越密切。而概念之間的關 聯性，可從許多不同的向度來衡量。

多向度量尺法的優點為座標圖的表徵方式，可透過視覺的觀察，很清楚的瞭 解概念之間的關聯性；但其缺點則為每個向度代表的意義，不容易客觀的評判出 來，若超過兩個以上的向度，則更不容易解釋向度的意義。

（三）路徑搜尋法

路徑搜尋法也是需要將知識誘發步驟所取得的接近性矩陣輸入 KNOT 軟體 程式來進行統計分析，路徑搜尋法會從相似性或不相似性的資料中，抽取出資料 中的潛在結構，最後以 PFnets 網路圖的形式表徵出受試者的知識結構，PFnets 網路圖上的節點代表概念，而相連的節點代表概念間的關聯性較高。

路徑搜尋法的基本假定，認為概念間的關聯程度，可由 PFnets 網路圖中概 念之間是否存在聯結線表徵出來。若概念之間有聯結線的存在，即表示概念間的

路徑搜尋法的基本假定，認為概念間的關聯程度，可由 PFnets 網路圖中概 念之間是否存在聯結線表徵出來。若概念之間有聯結線的存在，即表示概念間的