第三章 研究方法
第四節 研究工具
本研究的研究工具為CAISM與FCUT兩個程式以及研究者自編的因數 與倍數概念診斷測驗。以下就三項工具進行說明。
壹、概念詮釋結構模式及其程式
概念詮釋結構模式之程式CAISM係由Lin, Hung, & Huang (2006)提出,
該程式可以從受試者的測驗資料中,以數值及圖形結構呈現出個人化概念階 層結構。
其中所需輸入的資料為二元計分測驗之作答反應矩陣(response data matrix)
X
= (x
nm ) N ´ M 及試題屬性矩陣(itemattribute matrix)Y
= (y
ma ) M ´ A ,然 後 根 據 概 念 向 量 比 對 等 計 算 方 式 求 出 概 念 精 熟 度 矩 陣 (master concept matrix)D,再應用模糊理論等計算出二元關係矩陣,最後進行ISM分析,並 進行ISM圖簡化。圖341為概念詮釋結構模式的演算流程圖。圖341 概念詮釋結構模式演算流程圖(資料來源:林原宏,2006)
假設某測驗有 6 個試題,所測量的概念有 4 個,受試者人數為 8,其試
受試者原始作答資料 試題與概念之關係
作答反應矩陣X 試題屬性矩陣Y 典型概念矩陣Z
典型反應矩陣R
近似值矩陣C
標準化近似值矩陣SC
概念精熟度矩陣D
模糊關係矩陣 F n
二元關係矩陣F n a
ISM 分析構圖
題屬性矩陣Y和作答反應矩陣X分別如表 341 所示。
表 341 試題屬性矩陣和作答反應矩陣舉例
試題屬性矩陣Y 作答反應矩陣X
概念 試題
試題 1 2 3 4 受試者
1 2 3 4 5 6 1 1 0 0 0 1 1 0 1 1 0 1 2 0 1 1 0 2 1 0 0 1 0 0 3 0 1 0 1 3 0 1 0 1 0 1 4 1 1 0 0 4 1 1 0 0 0 0 5 0 0 1 1 5 1 1 0 1 1 1 6 0 0 0 1 6 1 1 1 1 0 0 7 1 0 1 1 1 0 8 0 0 1 0 1 1
如圖 342 所示,概念階層結構圖中每個圓圈內的上方整數部分代表概 念編號,而圓圈下方小數部分則是受試者該概念之概念精熟度,所有概念分 為數個階層,愈下方的階層概念精熟度愈高,若兩概念間有箭頭存在,表示 下階層概念為上階層概念之先備概念。由表 341 可知,受試者 6 的試題反 應組型是(1 1 1 1 0 0),而受試者 7 的試題反應組型是(1 0 1 1 1 0),兩位受試 者的總分都是 4 分,但概念階層結構圖卻是截然不同,如圖 342 所示,顯 示總分相同,但其認知結構卻不盡相同。
受試者 6 受試者 7
圖 342 兩位受試者的概念銓釋結構圖舉例
綜合上述,概念詮釋結構模式所呈現之概念階層結構圖有幾項特點:(1) 可以呈現個人化之概念階層結構圖。(2)可以清楚看出各概念之精熟度。 (3) 可以看出各概念間之聯結。(4)可以看出概念間上下位的關係。(5)可以看出 相同得分者概念之不同。故本研究採取概念詮釋結構模式為理論基礎。
貳、模糊集群及其程式
本研究所使用的FCUT程式是由林原宏、黃國榮(2003)所研發,是以目 標函數法為基礎的模糊集群分析程式,以Bezdek(1973)定義之一般化目標函 數
J
q ( VU
, ) ,利用Lagrange’s multipliers 方法,求J
q ( VU
, ) 之極小值,再進 行迭代,直到u
cn 、v
cm 收歛。因此,只需給定資料矩陣,輸入欲區分之群數、收斂標準及q值,即可得到受試者的隸屬度矩陣、集群中心矩陣、分割係數 及分割亂度,接著根據Bezdek(1981)的指標判定法,以分割係數較大值和分 割亂度較小值,決定最適合之群數。
參、因數與倍數概念診斷測驗 一、試題之概念結構
研究者依據九年一貫課程綱要數學學習領域(教育部,2003)的能力指 標,找出與因數、倍數相關的分年細目,再將分年細目內容細分為17項概念,
其中11個為因數概念,如表342所示。6個為倍數概念,如表343所示。
表342 分年細目之因數概念內容
表344 試題與因數概念之關係矩陣
依據表342及表343所列的17個概念,研究者參考不同版本之五、六 年級數學領域教師手冊,探討因數、倍數相關單元內容,編製了17道試題,
以填充題為主要題型,與教授討論並請二位研究者任職學校的數學學習領域 教師協助審閱試題。
本研究的預試,以研究者任教之學校六年級兩個班共57位學生為施測對 象,施測時間為一節課40分鐘,請老師告知學生將此測驗試為正式考試,以 促使學生認真作答。
本預試結果,經統計軟體SPSS12.0進行難度、鑑別度及信度的分析,試 題分析如表346所示,以下就各試題進行分析:
(一)難度
如表346所示,其中PH為總分前24.6%受試者(稱之為高分組)的答對 率,PL為總分後26.3%受試者(稱之為低分組)的答對率,整份測驗之試題通過 率介於.30~.77之間,P值介於.39~.77之間,並無難度過高或過低之試題。
(二)鑑別度
如表346所示,D值介於.39~.93之間,而各試題答對率與總答對率之 Pearson積差相關係數皆達顯著,可見各試題皆具有鑑別度。
(三)信度
信度指測驗工具的穩定性,預試試題之Cronbach's a 值為.902,顯示本 試題有良好的信度,僅3、4兩題刪除後會提升信度,但提升幅度不大,因此 保留此兩題試題而未刪除。
表346 預試試題之分析
**p<.01 ***p<.001 三、正式施測
根據預試試題之分析顯示試題皆無不適當,故保留全部試題,另外接受 預試施測班級教師的建議,第1、3題的數值皆在測驗39的因數,於是將第3 題的數字更改,並將試題分為三大題型,重新編排題號,完成正式施測測驗 共17道試題,以三校8個班共245位學生進行施測。
於正式施測後,以統計軟體SPSS12.0進行分析,正式施測試題之分析如 表347所示,其中PH為總分前31.8%受試者(稱之為高分組)的答對率,PL為 總分後29.4%受試者(稱之為低分組)的答對率,而總得分與各試題得分之
Pearson積差相關係數皆達顯著,正式施測試題之Cronbach's a 值為.821,顯 作答資料利用SPSS統計軟體進行試題難度及鑑別度分析,再利用CAISM程 式分析後,得到受試者因數與倍數之概念精熟度矩陣及概念階層結構圖,然 後再將受試者因數與倍數的作答資料分別利用FCUT程式進行分群,探討各 群內受試者概念結構之異同,詳細處理方法如下: