研究建議及未來研究方向

本研究以「簡易二次函數」單元為研究內容，探討激發式動態教學對各學習 成就之學生在學習上、在各技能精熟度上與各認知能力的題目上的差異，針對此 研究內容，可提出下列幾點建議：

一、補救教學

因教學對象為國中三年級學生，其研究成效不彰，應在學生國中一、二年級 時就需針對其學習效果做補救教學；甚或在更早時（也許國小）就需進行補救，

才不致於使學生過早失去信心及學習動機。

二、延長教學時數

本教學實驗時間只有2 節課（共 90 分鐘），且從頭到尾只有研究者教學而無 與學生的互動；若能延長教學時間，讓教學更貼近一般教學時程，增加學生討論 課程或提問時間，相信更能看出學生的實際學習成效。

三、教學內容

在「簡易二次函數」單元中，教材內容實偏易，若能將內容延伸至整個二次 函數單元，將配方法及函數最大、最小值納入教學範圍，以此進行教材設計並教 學，或許更能有整個二次函數單元的連貫性與完整性，在研究成效方面也更加具 備參考價值。

四、加深加廣

研究者並不主張提前至國中二年級實施教學，雖然學習該單元之先備知識除 了「線對稱圖形」相關內容外，學生均已具備，但一來在教學上的時間上可能不 允許；二來在此年齡層的智能發展上，多了一年的學習可能在學生的領悟力上就 有所差距。

研究者建議或可將教學內容加深加廣，而非侷限於課程範圍，如此既可避開 坊間補習班的影響，若能與生活實例做結合，亦可使學生對其內容產生探究的興 趣，進而提高學習意願與動機，例如，可引導學生探討日常生活中所看到的弧形 是否均為二次函數圖形呢？

70 

五、總結

此研究最終還是希望透過不同的教材設計方法，以期能給學生較易學習吸收 知識的管道，讓學生了解到「數學」的美，學數學是為了學習更高深的數學，但 前提是不能失去對數學的那份興趣與深入探索的心。

不同的多媒體教學方法充其量只能是輔佐工具，並非所有課程內容均適合製 作多媒體教材，因其並無法完全取代傳統板書教學模式，否則就不需學校及教室 了，取而代之的只是時間與網路，以進行線上學習即足夠。

因本實驗教材並非研究者所編製，故可能造成教學的不流暢；另一方面，本 研究成效與在廖家瑩（2010）的結果有出入，也有可能是選取的實驗對象不同所 致（一為國二學生，一為國三學生）。故研究者認為，所有教學模式的好壞之分，

最重要的是「人」的因素，無論教學者或學習者均同，因此若能將各種教學模式 混合使用，使其各司其職，相輔相成，相信必能收取事半功倍之效。

71 

第六章 參考文獻

一、中文部份

王文卿（2010）。DINA 模式與 G-DINA 模式參數估計比較。國立臺中教育大學 教育測驗統計研究所理學碩士論文，未出版，臺中市。

余民寧（2002）。教育測驗與評量：成就測驗與教學評量（二版）。臺北市：心理。

余民寧（1995）。認知診斷測驗的發展趨勢。教育研究雙月刊，45，14-22。

涂金堂（2003）。認知診斷評量的探究。臺南師範學院學報，37(2)：67-97。

國家教育研究院（2010 年 3 月 15 日）。「臺灣學生學習成就評量資料庫」電子 報第七期。取自http://tasa.naer.edu.tw/10epaper-2-detail.asp?id=14。

陳明璋（2006）。數學簡報系統─一個克服數位落差之教師專業發展環境。第十 屆全球華人計算機教育研討會，北京清華大學。

陳明璋（2008）。一個以授課為導向之數位教材設計及展演環境簡介─Activate Mind Attention（AMA）系統。國民教育月刊，48：6，57-63。

教育部（2010）。國民中學數學課本第五冊。國家教育研究院籌備處。

教育部中等教育司（2010 年 12 月 7 日）。我國參與國際學生能力評量計畫（PISA）

2009 結果。取自http://www.edu.tw/news.aspx?news_sn=4113。

教育部國教司（2010 年 6 月 11 日）。教育部學生國際級競賽風雲榜網站（TIMSS）。

取自

http://award.moe.gov.tw/news_in.aspx?siteid=&ver=&usid=&mnuid=1820&mo did=200&mode=&nid=240&noframe=。

廖家瑩（2010）。激發式動態教學對學習成效與認知負荷影響之研究-以簡易二次 函數圖形為例。國立交通大學理學院碩士論文，未出版，新竹市。

72 

賴泳伶、洪燕竹、林居鶴（2003）。應用於診斷測驗之選題策略研究。第七屆國 際電腦輔助教學研討會論文集。臺北市：國立臺灣師範大學資訊教育研究所。

謝豐瑞、陳材河（1997）。函數的一生。科學教育月刊，199，34-43。

二、英文部份

Anderson, W. & Krathwohl, D. (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s educational objectives. NY: Longamn.

Baddeley, A. D. (1998). Recent developments in working memory. Current Opinion in Neurobiology, 8, 234-238.

Bloom B. S., et al.(1956). Taxonomy of educational objectives: Cognitive domain.

New York: David McKay.

Clark, R. C. & Mayer, R. E. (2008). E-Learning and the science of instruction:

proven guidelines for consumers and designers of multimedia learning (2nd ed.). San Francisco: Pfeiffer.

de la Torre, J., & Douglas, J. (2004). Higher-order latent trait models for cognitive diagnosis. Psychometrika, 69(3), 333-353.

de la Torre, J., & Douglas, J. (2008). Model evaluation and multiple strategies in cognitive diagnosis: An analysis of fraction subtraction data. Psychometrika, 73(4), 595-624.

de la Torre, J. (2009a). DINA model and parameter estimation: A didactic. Journal of Educational and Behavioral Statistics, 34, 115-130.

de la Torre, J. (2009b). A cognitive diagnosis model for cognitively-based

multiple-choice options. Applied Psychological Measurement, 33, 163-183.

Doignon, J.-P.,&Falmagne, J.-C. (1999). Knowledge spaces. New York:

Springer-Verlag.

73 

Doornik, J. A. (2003). Object-oriented matrix programming using Ox (Version 3.1).

[Computer software]. London: Timberlake Consultants Press.

Finkelman, M., Kim, W., & Roussos, L. (2009). Automated test assembly for

cognitive diagnostic models using a genetic algorithm. Journal of Educational Measurement, 46 (3), 273-292.

Gierl, M., Cui, Y., & Zhou, J. (2009). Reliability and attribute-based scoring in cognitive diagnostic assessment. Journal of Educational Measurement, 46 (3), 293-313.

Henson, R. A., & Douglas, J. (2005). Test construction for cognitive diagnosis.

Applied Psychological Measurement, 29 (4), 262-277.

Huebner, A. (2010). An Overview of Recent Developments in Cognitive Diagnostic Computer Adaptive Assessments. Pratical Assessment, Research &

Evaluation,15(3).

Junker, B., & Sijtsma, K. (2001). Cognitive assessment models with few assumptions, and connections with nonparametric item response theory. Applied

Psychological Measurement, 25(3), 258-272.

Mayer, R. E. (2001). Multimedia Learning. New York: Cambridge University press.

Mayer, R. E., & Moreno R. (2003). Nine ways to reduce cognitive load in multimedia learning. Educational Psychologist, 38(1), 43–52.

Mayer, R. E. (2009). Multimedia learning. New York: Cambridge University Press.

McGlohen, M., & Chang, H. (2008). Combining computer adaptive testing technology with cognitively diagnostic assessment. Behavior Research Methods, 40 (3), 808-821.

Nichols, C. (1994). A framework for developing cognitively diagnostic assessment.

Review of Educational Research, 64, 575-603.

74 

Paivio, A (1986). Mental representations: a dual coding approach. Oxford. England:

Oxford University Press.

Sweller J. (1999). Instructional design in technical areas. Melbourne: ACER Press.

Sweller J. (1988). Cognitive Load During Problem Solving: Effects on Learning.

Cognitive science , 12, 257-285.

Tatsuoka, K. K. (1985).A probabilistic model for diagnosing misconceptions by the pattern classification approach. Journal of Educational Statistics, 10, 55-73.

Tatsuoka, K. K. (1995). Architecture of knowledge structures and cognitive diagnosis:

A statistical pattern recognition and classification approach. In P. D. Nichols, S.

F. Chipman, & R. L. Brennan (Eds.), Cognitively diagnostic assessment (pp.

327–359). Hillsdale NJ: Erlbaum.

Xu, X., Chang, H., & Douglas, J. (2003). A simulation study to compare CAT

strategies for cognitive diagnosis. Paper presented at the annual meeting of the American Educational Research Association, Chicago.

Xu, X. & von Davier, M. (2008). Linking for the general diagnostic model. ETS Research Report. Princeton, New Jersey: ETS.

Zaslavsky, O. (1997). Conceptual obstacles in the learning of quadratic functions.

Focus on Learning Problems in Mathematics, 19(1), 2-42.