研究流程

陣，並依據徐慧芸(2012)社會網絡結構分析指標，使用 UCINET 軟體進行整體 網絡密度(density)、凝聚力(cohesion)、中心性(centrality)、派系(clique)等面向 (network density)

衡量社會網絡結構鬆緊程度，指社會網絡中實際互動 關係與所有可能互動關係的比率

網絡直徑 (network diameter)

代表在社會網絡中兩節點間通過最多連結數量即為網 絡直徑

程度中心度 (degree centrality)

衡量某行動者與其他行動者連結數，連結愈高代表其 在網絡中愈活躍，所擁有的影響力也越高

接近中心度 (closeness centrality)

係指與他人的接近程度，與他人的距離越短，則接近 中心度愈高，代表其社會地位越高

中介中心度 (betweenness centrality)

係指網絡中行動者間互動，須透過另一個行動者中 討基於基因演算法(genetic algorithm)在同時考量問題解決能力及學習角色互 補，社會互動關係同質因素下，發展問題導向學習之最佳化合作學習分組策略，

並探究此一最佳化分組策略，是否有助於提升問題導向合作學習之團體凝聚力、

團體效能、互動關係與學習成效。研究步驟說明如下：

1. 確定研究主題。

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

51

2. 確定研究目的與訂定研究問題。

3. 文獻蒐集、整理與分析：探究網路合作學習分組理論、基因演算法以及社會 網絡分析等相關文獻。

4. 規劃研究設計與架構：擬定基於基因演算法之最佳化合作學習分組策略演算 法，並進行基因演算法分組功能測試，以確認發展演算法的正確性。

5. 前測：以三組學習者均尚未分組，在問題導向學習平台上第一階段的學習成 績作為基因演算法考量分組依據之先備知識水平特徵；並以學習者在第一階 段的社會互動關係作為互動關係特徵；最後利用 PBL 平台探究出之學習角色 類型作為角色類型特徵，進行基因演算法最佳化合作學習分組依據，實施時 間為期二週。

6. 實驗處理：於問題導向學習平台第二階段到第四階段，實驗組採基因演算法 之最佳化分組策略；控制組一、二則分別採用隨機分組及學生自由選擇分組 策略進行問題導向網路合作學習任務，實施時間為期六週。

7. 後測：四階段學習任務結束後，三組學習者分別以問題導向學習平台第二到 第四階段的學習成績作為後測成績，並施以「平台使用滿意度調查問卷」及

「團體效能與團體凝聚力量表」，以瞭解採用不同合作學習分組策略學習者對 於分組合作學習及整個學習活動實施情況的滿意度。

8. 半結構式訪談：分別針對三組學習者中學習成效優異及較差的學習小組，以 及團體效能與團體凝聚力差異較大的小組，進行半結構式訪談，以瞭解不同 分組策略合作學習的成效差異。

9. 資料整理與統計：利用統計分析方法及問題導向學習平台上的學習歷程記錄，

歸納分析實驗所呈現的結果。

10.提出研究結論及建議。

本研究流程如圖 3-9 所示：

‧

‧ 國

立 政 治 大 學

‧

N a tio na

l C h engchi U ni ve rs it y

53