研究工具

Goodhue (1995)

生領域的疑惑。

Yi-Chun, Yu &

Hui-Chua n, Chien

&

Yun-Chin, Lin &

Yi-Jeng, Huang

V4-8 展示館的內容對提高防止安全衛生災害意 外是有幫助的。

二、項目分析

項目分析主要目的在求出問卷各別題項的決斷值(CR 值，critical ratio)，將未達顯著水準的題項刪除以期提高問卷鑑別度。本研究針對

V3-4 -29.031*** .879**

V3-5 -35.068*** .916**

V3-6 -37.333*** .893**

V3-7 -27.552*** .840**

V4-1 -17.705*** .934**

V4-2 -18.880*** .930**

V4-3 -18.293*** .940**

V4-4 -18.012*** .941**

V4-5 -19.776*** .891**

V4-6 -16.957*** .943**

V4-7 -18.184*** .910**

V4-8 -15.359*** .935**

**p<.01 ***p<.001

三、因素分析

本研究針對「勞工安全衛生展示科技之任務科技適配與科技焦慮 調查問卷」各分量表進行因素分析，由表 3-4 得知，各分量表經過巴 特萊球形考驗後，皆達到顯著水準，表示有共同因素存在；而 KMO 取樣適切性檢定值也都是大於 0.5，表示適合進行因素分析。進一步以 主成分分析萃取 5 個因素後，再以正交轉軸最大變異法取出因素負荷 量，採取因素負荷量大於 0.3 且特徵值大於 1 為選題標準，建構出量 表分析結果。

「勞工安全衛生展示科技之任務科技適配與科技焦慮調查問卷」

共可分為五個構面，經過因素分析結果，每個變數均可各自收斂成一 個因素，各題項因素負荷量也符合標準。在「學習任務特性」之解釋 變異量 30.763%、信度係數.947﹔「科技內容設計(科技特性)」之解釋 變異量 20.671%、信度係數.933﹔「軟體介面設計(科技特性)」之解釋 變異量 30.763%、信度係數.939﹔「使用者科技焦慮」之解釋變異量

86.191%、信度係數.977，因此結果顯示各構面均能達到信度係數 0.7

of Sphericity Cronbach'sα

學習任務

(一) 個人基本資料:

是由 5 項基本背景變項（學校屬性、性別、學校安衛課程、

實習意外經驗、學習科技使用經驗）所組成。(註：年級和就讀科 系此二項背景資料放置於學習單中)

(二) 使用者任務科技適配問卷:

問卷內容包括「學習任務特性」，為 V2-1~V2-5 題；「科技特 性-科技內容設計」，為 V2-6~V2-9 題；「科技特性-軟體介面設 計」，為 V2-10~V2-15 題等三個層面，預試題數共 15 題項所組成。

(三) 使用者科技焦慮調查:

問卷內容包括「使用者科技焦慮」，為 V3-1~V3-7 題，預試題 數共 7 題項所組成。

(四) 使用者科技滿意度調查:

問卷內容包括「使用者科技滿意」，為 V4-1~V4-8 題，預試題 數共 8 題項所組成。

(五)問卷填答與計分

問卷填答與計分方式採李克特式七點量表方式來設計。「使用 者任務科技適配問卷」各題項，請受試者依據自己的主觀意見來 回答，於非常同意(7 點)至非常不同意(1 點)的 1、2、3、4、5、6、

7 等級中，在適當的數字上圈選，計分方式由 1 分到 7 分。同意程 度愈高者，圈選愈高的分數，反之愈不同意者，可圈選愈低的分 數。因此，使用者任務科技適配程度越高者在「使用者任務科技 適配問卷」上所獲得的平均分數越高。

另外，在「使用者科技焦慮調查」各題項，受試者需根據自 身感受的焦慮程度來回答，於非常認同(7 點)至非常不認同(1 點)

認同者，可圈選愈低的分數。因此，科技焦慮程度越高者在「使 用者科技焦慮調查」上所獲得的平均分數越高。

最後，在「使用者科技滿意度調查」各題項，受試者需根據 自身感受的滿意程度來回答，於非常同意(7 點)至非常不同意(1 點) 的 1、2、3、4、5、6、7 等級中，在適當的數字上圈選，計分方 式由 1 分到 7 分。同意程度愈高者，圈選愈高的分數，反之愈不 同意者，可圈選愈低的分數。因此，使用者科技滿意程度越高者 在「使用者科技滿意度調查」上所獲得的平均分數越高。

貳、「勞工安全衛生展示館 - 安全衛生認知學習單」

第六節 資料處理

本研究問卷數據資料利用 SPSS for Windows 18.0 版統計套裝軟體，作 為問卷數據資料建檔、整理及分析之工具。本研究各項統計應用之考驗顯 著水準α 值為.05，茲將擷取採用之統計方法（參酌自林清山，1992；吳明 隆，2003；邱皓政，2002；陳正昌，2004）分述如下。

壹、資料整理 一、資料檢核

預試或正式問卷回收後，仔細檢視每份問卷填答情形。

二、資料編碼

將問卷逐一編碼，並將資料依編碼順序輸入電腦軟體。

三、資料核對

資料輸入完成後，再次核對確認。

貳、統計方法

一、信效度分析

採用內部一致性係數(Cronbach’α)來驗證量表的信度，採用因素分析 中的主成分法以正交轉軸方式來驗證量表的效度，並使用 SPSS for Windows 18.0 版 統 計 套 裝 軟 體 來 從 事 信 度 和 效 度 的 驗 證 (Nunnally, 1978)。

二、因素分析

因素分析是將觀察變項依其相關程度情形分成有意義的群組。換句 話說，因素分析是將需要多次測量相同心理特質或潛在構念的指標變項 合併在一個群集，且同一群集的指標變項或測量項目所測得的心理特質 是相同的。本研究透過因素分析將「任務科技適配之學習任務特性」、「任 務科技適配之科技內容設計(科技特性)」、「任務科技適配之軟體介面設

計(科技特性)」、「科技焦慮」和「科技使用滿意」進行構念效化(construct validity) (Cohen，1988)。

三、描述性統計

針對問卷之各項及整體填答結果資料的呈現，描述自變項、依變項 及中介變項之概況，將類別資料以次數分配(frequency distribution)、百 分 比 (percentage) 方 式 敘 述 ， 等 距 變 項 則 以 平 均 數 (mean) 及 標 準 差 (standard deviation)等進行描述。

四、獨立樣本 t 檢定

獨立樣本 t 檢定是適用自變項為名義二分變項，依變項為計量變數。

此外，獨立樣本 t 檢定是用於兩個獨立不同群體間的平均數差異比較(邱 皓政，2006)。本研究透過獨立樣本 t 檢定考驗高職生的背景變項，包括

「學校屬性」、「性別」、「學校提供安全衛生相關課程」、「在學校工廠實 習之意外經驗」以及「學習科技使用的經驗」，在「任務科技適配模式」、

「科技焦慮」及「個人績效」之差異比較。

五、單一樣本 t 檢定

單一樣本 t 檢定是適用在當母群分配未知時，欲比較單一樣本平均 數與母群平均數期望值之間的差異。本研究透過單尾單一樣本 t 檢定分 析以李克特 7 點量表衡量的「任務科技適配之學習任務特性」、「任務科 技適配之科技內容設計(科技特性)」、「任務科技適配之軟體介面設計(科 技特性)」、「科技焦慮」和「科技使用滿意」現況是否高於整體期望平均 4 分。

六、相依樣本 t 檢定

相依樣本 t 檢定是適用在兩群體的觀察值是成對出現且兩組資料是 相依的。相依樣本 t 檢定同樣也是用以檢定兩群體特性的期望值是否相

態分配〞的條件。本研究透過相依樣本 t 檢定分析「安全衛生認知」在 前後測成績間的成效差異。

七、單因子變異數分析

單因子變異數分析適用自變數為名義三分以上變項，依變項為計量 變數。獨立樣本單因子變異數分析(one-eay analysis of variance, one-way ANOVA)適用於三個以上獨立不同群體間之測量分數的差異比較。在事 前檢定上，先採用 levene 檢定變異數是否同質。若 levene 檢定 F 值得 p>.05 時，表示組間的變異數為同質，可繼續進行變異數分析；若為異 質，則需資料轉換使各組的變異數呈現較接近的狀況。當 ANOVA 結果 為 F 值之 p<0.05 時，進一步利用雪費法(scheffe method)進行事後檢定個 變異數的組間差異。各種變異若有顯著差異，則表示某一變異來源對資 料具有顯著影響作用。本研究透過單因子變異數分析考驗學生背景變項

「年級」與「就讀科系群」在「任務科技適配模式」、「科技焦慮」及「個 人績效」之差異比較。

八、徑路分析

「徑路分析」(path analysis)又稱「結構方程式模式」(structure equation models)或是「同時方程式考驗模式」(simultaneous equation models)，因 為他同時讓所有的預測變項進入迴歸模式之中。在徑路分析中，研究者 不僅關注變數間的相關，更關注變數間的因果關係，雙向箭號表示二個 變數間的相關，單向箭號表示因果關係，箭號的起始變數為自變數(因)，

箭號所指之方向為依變數(果)。兩個變數間的徑路係數為「標準化迴歸 係數」，其間的效果稱為「直接效果」(direct effect)，如果自變數經由中 介變項而對依變數產生影響，則稱為「間接效果」 (indirect effect)，直 接效果值加上間接效果值則稱為「總效果值」。自變項對依變項可以解 釋的變異量稱為決定係數(R2)，而依變項變異量中無法被自變項解釋的

部分稱為殘差的解釋量(1-R2)，殘差的係數稱為「疏離係數」(coefficient of alienation)(吳明隆、涂金堂，2007)。本研究透過徑路分析來預測或解 釋「任務科技適配模式」、「科技焦慮」及「個人績效」之間的徑路關係。