國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
74
第三節 研究方法
壹、文獻分析法
蒐集以大學生通識能力指標為主題的相關文獻資料，包括國內外相關書籍、
論文、期刊、政府部門的成果報告、資料庫檢索等加以整理歸納，探討其意涵、
構面及測量工具，俾求充實與研究主題相關之知能，以奠定本研究之理論根基，
據此研擬岀指標。
貳、模糊德菲術（Fuzzy Delphi Methods，FDMs）
德菲術（Delphi Technique）是一種團體決策法，主要是藉由學者專家的知識 經驗，透過反覆問卷獲取共識，但對於調查不確定性或模糊性的問題卻仍存在 著。傳統德菲術至少需要經過三回問卷調查，頗為費時，且專家意見的收斂效果 不大，加上重複調查的次數越多，其成本就越高。另外，可能因協調者在歸納時 已有先入為主的觀念，導致過濾專家意見時，產生系統性的削弱對手與抑制不同 想法的過程（吳政達，2008)。
由於本研究所探討之大學生通識能力涉及的概念較為抽象，其判斷具有主觀 性及模糊性，故適合用模糊集合論（fuzzy set theory）加以處理。本研究所採之 模糊德菲術，係 1985 年 Murry T.J.為結合模糊理論與德菲術，所提出的一種整合 性方法論，可改良傳統德菲術的缺點，此方法乃是利用每位參與者的偏好判斷
（preference judgment），建構每位參與者個人的模糊偏好關係（individual fuzzy preference relation），以求得團體的偏好關係，並利用團體的偏好關係進行最佳方 案的選擇。該方法利用三角模糊數解決德菲術需要三輪以上問卷調查才能得到結 果的複雜程序問題，也使得研究進行更有效率。本研究以之整合高等教育行政主 管及高等教育學者專家對大學生通識能力指標之意見，建構我國大學生通識能力
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
75
指標。
一、模糊集合（fuzzy set）
有別於古典集合（classical set）以二值邏輯（非a即b）來描述元素和集 合的關係，針對人類思維、語言或決策中的不確定性與模糊性，模糊集合允 許 元 素χ 的 隸 屬 程 度 可 介 於 0 與 1 之 間 的 連 續 任 意 值 ， 且 用 隸 屬 函 數
（Membership function）來表示其間的從屬關係，以達到適應真實世界中的 模糊多元之特質（張鈿富，1996）。
二、隸屬函數（membership function）
隸屬函數用來表達元素對集合的隸屬度（membership grade）其範圍介 於0與1之間；若一個元素屬於某一個集合的程度越大，則其隸屬度值越接近 於1，反之則越接近於0。利用隸屬函數可以描述模糊集合的性質，並對模糊 集合進行量化，也才有可能利用精確的數學方式，去分析和處理模糊性的資 訊。而透過隸屬函數將觀察值轉換為模糊資料集，這個轉換的過程就稱為模 糊化。若以數學符號可說明舉例如下（阮亨中、吳柏林，2000）：
設 U 為論域，U 上的模糊集合 A，是指利用隸屬函數 μ 說明 U 上的元 素屬於 A 的程度，μ 為一個從 U 對映到［0,1］的函數。
集合 U 上的普通子集合可以定義成指標函數 µA，符號 µA 與 A 是不一 樣的，因為 A 代表集合，而 µA 為一個函數，在模糊概念中具有分類的意義。
µA：χ→［0,1］
µA：表示集合中元素 χ 屬於模糊集合 A 的隸屬程度，其值介於 0 到 1 。 當 µA（χ）接近於 1 時，表示 χ 隸屬於 A 的程度大；若 µA（χ）趨近於 0 時，
表示χ 隸屬於 A 的程度小。
三、三角模糊數（triangular fuzzy number）
Dubois與Prade（1980）對三角模糊數定義如下（引自吳政達，2008）：
模糊數A為一模糊集，其隸屬函數為：µA：R→[0,1]，滿足下列三個條
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
76
件者稱為三角模糊數，如圖3-2 所示。
(一)µA (X)為區段連續。
(二)µA (X)為一凸模糊子集（convex fuzzy subset）。
µA (X)為正規化模糊子集（normality of a fuzzy subset），即存在一實數
，使得 µA =1。
圖 3-2 三角模糊數
圖3-2中，三角函數為A，其三個端點為(L,M,U)，而L點代表專家們共識 的最小值，U點表示專家們共識的最大值，此兩點皆為極端值，故訂定其隸 屬函數為0。而U至L點之間則包括任何形式的共識性，因此分別給予不同的 隸屬度。吳政達（2008）認為幾何平均數較不受極端值影響，因此採取該幾 何平均數M點為隸屬度1之代表。此模糊數的總值（total score）採取Chen和 Hwang（1992）所提之模糊集合反模糊化（defuzzify）的方法，再由專家給 定一門檻值γ，以篩選出適合的指標。有關Chen-Hwang法係先假設最大集與 最小集的隸屬函數概念，求出實際受測指標的總隸屬值。
參、概念構圖法（concept mapping）
概念構圖係學習者將學習內容的概念作階層性的分類和分群，再將兩兩概念 作連結而形成一「概念圖」，利用此概念圖來表徵所欲教學和學習的概念與概念
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
77
間階層連結關係，本研究採取 Trochim 所提出之概念構圖方法，即結合概念圖或 其他足以表徵與解釋各式各樣觀點的圖形方式，以及多元度量法與集群分析等兩 種多變量統計分析技術，共同應用在分析這種圖形所提供的訊息和結果上，以具 體的操作型定義步驟方式和衍生出來的概念表徵過程，來達成結構化的概念形成 目的（余民寧，1997；吳政達、郭昭佑，1997；Trochim & Linton,1986）。概念構 圖法之內涵符應第四代評鑑與學校本位的多元參與及溝通對話之精神，亦即在指 標建構時，期望與評鑑客體或評鑑結果有關的利害關係人共同參與，茲將其步驟 臚列如下（吳政達、郭昭佑，1997；Trochim & Linton,1986）：
一、 步驟一：準備
進行概念構圖程序之前，必須先行注意以下兩件事情：
(一)主事者必須決定何人參與此程序，以利概念具體化。有關選擇參與者部 份，應注意廣泛的邀請各種不同領域的相關人員，以廣徵意見，其總人 數通常以10至20人為原則。
(二)發展概念形成的焦點，此可區分為腦力激盪的焦點與評定的焦點：
1. 腦力激盪的焦點：將所有參與者集中起來，針對某個主題概念，以腦 力激盪方式，集行大量的觀點陳述。
2. 評定的焦點：要求所有參與者針對剛才以腦力激盪方式陳述出來的意 見，進行評定等級，常以五點或七點量表的方式評定。
二、 步驟二：產生意見
此步驟利用腦力激盪法（brainstorming）讓人們產生大量與概念有關的 意見。參與者可要求對於任何不熟悉的用語或者專業術語要求提出說明，但 此階段不加以批判，也不討論所提出之意見。將所有人的意見記錄於卡片上 或者是直接輸入電腦後，讓所有與會者得以觀之。經驗上通常以不超過100 個意見為準，此數量的決定可視個人能力與電腦容量而有所彈性。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
78
三、 步驟三：意見結構化
將全部意見寫於索引卡片上，給每人一份完整的卡片，接著要求每人進 行分類。其分類原則有三點：
(一)每一個意見只能歸於某一類別。
(二)不能將所有意見通通歸於一類。
(三)不能將所有的意見各自獨立歸成類。
然後將每一個人的分類結果形成一個二元對稱相似性矩陣（binary symmetric similarity matrix）。矩陣中的元素為0或1，當行與列的意見不同類 時填入0，行與列意見歸為同類時填入1。其對角線均為1，因為本身與本身 的意見必屬同類。在將所有人的分類結果合併成一個矩陣，其方式為將所有 矩陣相對應的元素相加，數值越大代表越多人認為該行與列所呈現的意見同 屬一類；反之，數值越小，則代表較少人認為該行與列所呈現的意見同屬一 類。接著針對所有的意見採用李克特量表（如五點或七點量表）評定其等級，
另以算數平均數整合眾人所評定的等級為一數值。
四、 步驟四：意見呈現
利用多元度量法（multidimensional scaling，簡稱 MDS）（Davison,1983）
將意見予以繪圖方式呈現，通常以非計量多元度量法加以計算，採取兩個向 度將所有意見標示於平面上，一個意見給予一個座標點。接著根據多元度量 法所求得每個意見點在兩個向度構圖上的座標，利用集群分析法（cluster analysis）（Anderberg，1973）將意見加以分類，建議採用階層集群分析華德 法（Ward’s Method）計算分群，分群數以3至20群居多，最後再將評定等級 值繪製於各點及各群的圖上。
五、 步驟五：圖形解釋
此階段主要的工作係針對以下各個項目進行解釋：
(一)意見清單：即由所有參與者所提出的原始觀點的彙整清單。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
79
(二)集群清單：經由集群分析後，被歸為同一群內的所有觀點清單。
(三)各意見點繪圖：經由多元度量法分析後所得各意見點之構圖，研究者可 加以編號以利於解釋。
(四)各意見分群繪圖：經由集群分析所呈現之分群構圖。
(五)各意見點評定等級繪圖：即已經計算出平均評定值的分群評定構圖。
前述後四種概念圖明顯的採用不同的方法，描述或呈現此概念結構的多 種面向。其中以分群繪圖最為直接，各分群名稱的命名可透過集體協商的方 式進行。
六、 步驟六：圖形利用
概念圖可提昇計畫或評鑑的成效，為其使用上之限制需仰賴團體的創造 力與動機。由於概念圖可瞭解各分群的子概念，有利於針對各分群之特性給 予適當的資源或採取恰當的策略。其優點與用途如下：
(一)鼓勵參與者團體專注於工作，並且快速地產生一個概念架構，供計畫或 評鑑之用。
(二)此作法以參與者的語言來表達整個概念架構，而不是以研究者個人或學 術理論的語言來表達。
(三)可產生圖形表徵，供讀者立即瞭解該圖中的主要觀點及其相互間的關係。
(四)此圖形易為所有參與者接受和理解，也可以利於對大眾解釋。
(五)使用此方法之專案研究可凝聚團體成員的向心力與士氣。
肆、概念構圖法步驟之修正
本研究採用概念構圖法建構指標構面及權重，係為達成本研究希望納入大學 通識中心主任、教育學者專家及行政主管一同參與發展我國大學生通識能力指標 之目的。
但在指標建構方面，為求更堅實之理論基礎及符合現場操作需求，故修正上
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
80
述步驟一準備，和步驟二產生意見之程序內涵，改以文獻探討的方式，彙整國內 外文獻，進而產生本研究之大學生通識能力指標。此外，本研究於步驟三意見結
述步驟一準備，和步驟二產生意見之程序內涵，改以文獻探討的方式，彙整國內 外文獻，進而產生本研究之大學生通識能力指標。此外，本研究於步驟三意見結