研究工具

本研究使用工具為「大專版生涯興趣量表」與「大專版 LOHAS 生活型態問 卷」。

一、生涯興趣量表（大專版）

「大專版生涯興趣量表」是由林幸台、金樹人、陳清平及張小鳳（1994）根 據 Holland 職業興趣六角形模式編製，將各類工作分為工、理、文、人、商、事六 個類型，分別對應到 Holland 職業興趣六角形模式中的 R、I、A、S、E、C，並於 2004 年修定，題目包含生涯活動、課程活動、職業名稱三個部份，每部份 60 題，

共 180 題，每題以 1 – 5 分表示喜歡程度，依序「非常不喜歡」、「不喜歡」、「普通」、

「喜歡」、「非常喜歡」分別計分 1 分、2 分、3 分、4 分、5 分，總分越高分則代 表興趣程度越高，最高分的前三類型代碼即為受試者的荷倫碼。其計分方式如下：

1. 工：由第 1 題開始，每隔 6 題相加至 175 題。例：1+7+13+…+163+169+175。

2. 理：由第 2 題開始，每隔 6 題相加至 176 題。例：2+8+14+…+164+170+176。

3. 文：由第 3 題開始，每隔 6 題相加至 177 題。例：3+9+15+…+165+171+177。

4. 人：由第 4 題開始，每隔 6 題相加至 178 題。例：4+10+16+…+166+172+178。

5. 商：由第 5 題開始，每隔 6 題相加至 179 題。例：5+11+17+…+167+173+179。

6. 事：由第 6 題開始，每隔 6 題相加至 180 題。例：6+12+18+…+168+174+180。

六個類型計分並計算出每個類型的平均分數後，將六個類型繪成折線圖，若 受試者在圖上曲線較為平坦，則區分程度小，若有高低峰，則區分程度大，可依 下列公式計算其區分性 D 值的大小：

D = 0.5*(X1- )

X1：最高分；X2：第二高分；X4：第四高分

D 值在 0.17 上表示區分性較大，若 D 值小於 0.09，則較不能明確的劃分出興 趣偏向，將受試者資料刪除。

20

信度方面，此量表六種類型的 Cronbach α 內部一致性在.8420~.9085 之間，全 量表的 α 係數則在.9414~.9579 之間，顯示各類型各向度的內容相當一致。效度方 面，量表的聚斂效度在.648~.852 之間，區辨效度在-.157~.797 之間，均小於各自的 聚斂效度。此外，量表採用最大變異法抽取因素，以驗證所測得的特質與 Holland 職業興趣六角形模式的六個類型符合，得到六個因素各代表一個類型，六個因素 的解釋量可達 89%，可得此量表具有建構效度。

二、LOHAS 生活型態問卷（大專版）

「大專版 LOHAS 生活型態問卷」是由臺灣師範大學教育心理與輔導學系林正 昌副教授與創旭知識有限公司設計，問卷內容共 12 大題 25 小題，包含人生觀、

家庭觀、食、衣、住、行、育、樂、健、藝、德。

問卷設計上是以不同生活型態做調查。在經濟學上，做不同的選擇時背後都 含有其效用，心理學家進一步解釋這是一個人價值的顯現，因此受試者在生活型 態問卷中回答不同選項皆代表不同訊息，主要在顯現其價值觀，透過生活型態分 析，由潛意識反射出人格特質及社會網絡相處模型，藉由瞭解個人特質與潛能，

提供生涯輔導相關資訊。在計分上，相較於傳統量表各題有固定分數，此問卷需 先找出不同類型的相關題項，再進一步計算各題項所佔的權重，因此每一個選項 對於不同類別可能有不同的權重分配。

三、工作環境定位系統

工作環境定位系統是透過「LOHAS 生活型態問卷」的調查，了解受試者的生 活型態，之後再透過人工智慧得到三大指數，最後再使用

MDS(Multidimensional Scaling)呈現於職能區，流程如圖 3-1 所示。各步驟詳細說 明如下：

21

圖 3-1 「LOHAS 生活型態問卷」分析流程

在「LOHAS 生活型態問卷」調查後，將使用人工智慧進行分析。人工智慧包 含了分類與迴歸樹（Classification and Regression Trees, CART）及羅吉斯迴歸

（Logistic Regression），其理論解釋如下：

1. CART

CART 是結合了分類樹和迴歸樹兩種決策樹的概念，由 Breiman、Friedman、

Olshen 與 Stone 於 1984 年所發表的統計方法。決策樹是當你在不確定的情況下，

用來選擇最好的行動。一般情況下，決策者不知道未來的結果，但能利用決策樹 進行資料分割成數個已知的類別，再以此產生最可能的結果。CART 優點在於能產 生互相獨立的個體，提供重要變數與區隔效果，且結果易於解釋。此外，CART 是 利用無母數分析，資料不受限其分配型態（Clarke, Bloch, Danoff & Esdaile, 1984）。

所以 CART 常用來進行生活型態資料的分類與決策。舉例來說，圖 2-2 為過去使 用 CART 做為醫學診斷的例子，分支節點 1 為此 CART 模型的根部節點，經由此 節點決定樣本將分類至下方哪一個節點，若某個樣本為「在最初 24 小時內，收縮 壓最小值為 95，年齡 65 歲，靜脈心跳無加速」，則在節點 1，符合「最初 24 小時 內，收縮壓最小值>91」的條件，分類至分支節點 2。在分支節點 2 上，符合「年 齡>62.5 歲」的條件，分類至分支節點 3。最後，在分支節點 3「目前靜脈心跳是 否加速」條件中為否，分類至葉部節點 2。而葉部節點 2 的類別為 F（非高危險群），

因此可判定此樣本為非高危險群。

22

圖 3-2：CART 分類例子

註：取自 Breiman et al.（1984, p2）。

「LOHAS 生活型態問卷」便是使用 CART 方式分析，依據題目測試進行層層 分類，位於最高層的題目，影響性通常最大。測試的題目稱為樹的中間節點，分 類出左右分支，底下的分類結果則稱為葉部節點。各個中間節點所使用的題目則 作為題項選擇的依據。題目選擇後，則需進一步針對所選擇的題目做表面效度及 邏輯經驗的檢視分析，不具意義性或邏輯性則加以扣除，最後得到各指數所計分 的題項。

2. 羅吉斯迴歸(Logistic Regression)

Logistic Regression 和線性迴歸都是描述一個依變項與多個自變項之間的關係，

但傳統線性迴歸不能使用於離散或二分類的依變項，此時，就需要使用羅吉斯迴

23

歸。羅吉斯迴歸為非線性分配，多以 Logistic 函數分析，以最大概似估計總體參數，

找出指數中各題目的權重。「LOHAS 生活型態問卷」便是利用 CART 做題項的選 擇與經驗關係的檢視後，使用羅吉斯迴歸進行各題在指數中配分的依據。目前

「LOHAS 生活型態問卷」已經建立「時尚科技」、「生活品味」與「抗壓能力」三 種指數，每一種指數各有三種生活型態。

經由人工智慧得到三大指數後，使用 MDS 計算座標，提供 HR-Space（職能 類型）。MDS 是利用資料點之距離或相似性找出最低度空間重構資料點的相對關係，

工作環境定位系統即由受試者三大指數的分數計算項目之間之距離或相似性，提 供座標繪製於平面圖上，再根據受試者位置分類，瞭解不同類型的特質及潛能（表 2-3）所在。

過去研究顯示工作環境定位系統有其信效度存在。在信度上，重測信度顯示 出由問卷建立的三大指數是穩定的。效度上，由於此系統使用的工具為問卷而非 量表，因此採用實用效度，經過實證後得到受試者能精準落在相對位置。舉例來 說，過去調查 10 所北區大專院校，國文系和藝術系的學生大多分類於特質為講究 品味、有創意的行銷性質能工作區，顯示他們大多數展現作家、藝術家的特質（陳 李綢等，2011）。在企業上調查顯示，公務人員多落在喜好有明確固定規則的發展 性職能工作區，保險人員多落在面對群眾的抗壓程度高且溝通能力佳的業務性或 發展性職能工作區與業務性或行銷性職能工作區，服裝設計人員多落在講究品味、

喜歡創新的行銷性質能工作區。由上述大專院校及企業界的調查顯示，此系統有 其效度存在，工作環境定位系統並於 2011 年經認可取得專利，因此，此系統有其 可行性與可用性。

24