第三章 研究方法
第三節 研究流程與設計
本研究主要目的是以現行初學華語文的學習者中最多人使用的「新 版實用視聽華語」一、二冊教材中的詞彙和課文內容進行教材分析，並 以此建立試題以及開放式課程補救教材，搭配貝氏網路與順序理論等技 術，建置出華語文閱讀診斷與開放式課程補救教學系統。以下就整個研 究的重心：教材知識結構分析、貝氏網路的建置、開放式課程補救教材 之建構步驟與使用方法進行說明。
一、教材知識結構分析
本研究的目的之一為分析華語文教材「新版實用視聽華語」一、二 冊教材，而在知識結構的建置上，考慮到知識結構必須包含由上位到下 位的概念連結，並參考 Heaton（1988）提出的閱讀理解能力以及 Richard
（1976）及 Nation（1990）提出的詞彙認知定義，做為華語文閱讀知識 結構建置時的相關依據。整個華語文的閱讀能力由上層中多個句子或段 落所組成的文章主旨，往下延伸到句子的文法結構和句子本身所表達的 意思，最下層則是由辭彙所組成的詞性、詞意和用法。藉由以上階層式 的架構，由上至下完整地建立起來。而建置出的華語文閱讀之知識結構 如圖 3-2 所示：
圖 3-2 華語文閱讀知識結構
二、審核與修正華語文知識結構
在分析完華語文知識結構後，接著邀請 4 位具有華語文專長並且有 多年教學經驗的專家審核並修正本知識結構，以確保本知識結構與華語 文教材相匹配，華語文知識結構之專家會議情景如圖 3-3 所示。
在進行完華語文專家知識結構之專家會議後，根據專家給予的建議 將知識結構修正如圖 3-4 所示：
在經過專家會議後，修正後的知識結構相比起原先的知識結構共刪 減了 1 個節點，專家們表示考慮到實際華語文現場教學之情況後，認為
1.能了解文章的主旨
2.能了解段落中所表達的意思
3.能了解句子的文法結構
4.能了解句子所表達的意思
5.了解詞彙的用法
7.了解詞彙的意思 6.了解詞彙的詞性
目前初階的華語文學習者主要是在熟悉華語文的相關用法，而詞彙的詞 性和用法對於初階學習者來講其實意思是非常相近的，因此將原節點 6 的「了解詞彙的詞性」予以刪除，而這些經過專家會議所修正過後之結 點將作為後續編制診斷試題之用。各節點的專家意見與審核表如表 3-2 所示，詳細的知識結構檢核表則於附錄一中呈現。
圖 3-3 華語文知識結構專家會議情景
圖 3-4 專家修正後之華語文閱讀知識結構 1.能了解文章的主旨
2.能了解段落大意
3.能判斷句子的語序
4.能了解句子所表達的意思
5.能了解詞彙的用法
6.能了解詞彙的意思
表3-2 華語文閱讀知識結構之專家意見與審核結果
2008；蘇珍文，2008；謝典佑、郭伯臣、許曜瀚、許天維，2008）。因 此在本研究所建置的華語文知識結構中，每個節點將由 5 道試題進行施 測，6 個知識結點編製出共 30 題的診斷試題。
試題的編制格式則參考現行華語文能力測中閱讀與詞彙的題型，以
及受測者本身所進修的台北市某大學國語教學中心的測驗題型進行出 題。在試題的呈現上，如附錄二中所示，將以單選題的方式呈現，其中 每個題目由一個主要的題目敘述搭配四個答題選項組成，其中只有一個 是正確答案，其餘三個選項則是具有誘答性的項目。而當試題建置完成 後，將再次邀請 4 位具有華語文專長並且有多年教學經驗的專家審核並 修正本診斷試題，針對診斷試題是否符合華語文的出題架構以及各個題 目是否符合所對應的知識概念，以確保試題具有專家效度。經過專家會 議所修正的診斷試題，將做為後續進行預試以及正式教學實驗時的診斷 測驗試題，詳細的診斷測驗題目內容於附錄二中呈現。
四、建立開放式課程補救教材
本研究將以開放式課程內容做為系統進行補救教學時所使用的補 救教材，在教材呈現上將以影片的方式呈現，每個知識節點將搭配一段 開放式課程影片，時間約為五至十分鐘，以符合小單元學習之設計，因 此在對華語文教材進行知識結構分析後，其所獲得的六個知識節點中，
每個節點皆會有一部開放式課程內容與之對應，因此本系統共有六部開 放式課程內容，做為系統使用之補救教材。
在開放式課程教材內容的部分，參考麻省理工學院對開放式課程所 作的定義，其必須讓使用者以免費的方式取得課程內容，呈現方式可以 是影音或是文字講義等教學資源（MIT, 2006）。因此在課程影片拍攝的
部分，由 1 位具有華語文專長、對本研究所使用之「新版實用視聽華語」
一、二冊之教材非常了解，並且有 13 年教導初階華語文教學經驗的老 師協助拍攝，拍攝情境如圖 3-5 所示，老師透過白板上的大字報作為教 具，利用板書技巧和課程講解進行教學拍攝，在拍攝完後將以威力導演 11 作為影片後製之程式，另外在補救教學上也會提供文字講義讓學習者 更能掌握課程影片之內容，最後完成補救教學系統所使用之開放式課程 補救教材。
圖 3-5 開放式課程補救教材之拍攝情境
五、預試
將修正過後具有專家效度的診斷試題，以紙筆測驗的方式進行預試，
預試之測驗情景如圖 3-6 所示，其結果將做為試題的內在信度分析，並 且也將做為後續建置貝氏網路圖所使用之訓練樣本以及順序理論進行 試題結構分析之數據。
預試對象之受測者為台北某大學的國語教學中心學習華語文之外 籍人士，有效樣本共計 63 人。在進行完紙筆測驗後，由人工閱卷的方 式 記 錄 受 測 者 的 原 始 作 答 情 況 ， 並 分 析 試 題 的 內 在 信 度 。 而 根 據 Cronbach（1951）提出的信度分析方法進行分析，當 Cronbach’s Alpha 的值大於 0.7 時，則代表該試題為可接受之信度，而本研究之 Cronbach’s Alpha 值為 0.794，因此本診斷試題具可接受的信度。
圖 3-6 預試之測驗情景
六、建立貝氏網路架構圖
在進行完預試之後，將所收集而來的預試受測者的回答情形交由專 家進行分析。本研究所使用之診斷試題都有其所對應的知識節點，每個 知識節點共有五題診斷試題，而根據專家所分析之結果，當相同知識節 點內的題目錯兩題以上時，則代表該知識節點有誤，最終獲得專家人工 分析試題回答情之結果，稱為專家效標，將專家效標與原始預試回答情
形之數據輸入至貝氏網路程式中訓練貝氏網路，用以訓練貝氏網路（施 淑娟，2006；劉育隆、曾筱倩、郭伯臣，2006）。
而在訓練貝氏網路的方法上，因本研究之預試樣本人數為 63 人，
將採用動態分類決斷值的方式獲得各個知識節點的決斷值，以確保貝氏 網路在人數為 50 人左右的小量預試樣本數的情況下仍保有其診斷精確 性（施淑娟，2006）。動態分類決斷值訓練貝氏網路的方法，是將訓練 樣本分為子訓練樣本（80%訓練樣本數）與子測試樣本（20%訓練樣本 數），藉由子測試樣本之平均診斷正確率，選取能使各個節點達到最佳 診斷正確率的分類決斷值，該分類決斷值將作為後續提供貝氏網路進行 診斷之用。而在獲得此分類決斷質之結果後，與原分析之專家效標進行 比對，計算出訓練後之貝氏網路診斷之正確率。計算診斷正確率之公式 如表 3-3 所示：
表3-3 貝氏網路診斷正確率之公式
發生錯誤概念(1) 沒發生錯誤概念(0)
發生錯誤概念(1) f11 f10
沒發生錯誤概念(0) f01 f00
診斷正確率=
𝑁
資料來源：施淑娟（2006）
診斷結果 專家效標
診斷正確率代表貝氏網路進行診斷後之結果，與專家進行診斷結果
根據表 3-4 之貝氏網路正確率，得出各本研究中各個知識節點所使 用之決斷值，如表 3-5 所示，其將作為本系統中貝氏網路診斷所使用之 決斷值，在分析受試者的答題反應後，進行診斷推論時的一個判斷的依 據，透過這樣的方式進行適性化診斷，將可有效地幫助受測者了解發生 錯誤的知識概念為何。
表3-5知識節點中各個節點之決斷值
節點 1 2 3 4 5 6
決斷值 0.7 0.7 0.7 0.7 0.7 0.7 診斷正確率 100% 100% 100% 100% 100% 100%
七、建立試題結構
在預試中所蒐集而來的答案數據，除了用在訓練貝氏網路之外，也 將透過順序理論進行分析，以獲得試題之順序關係。由 Airasian 和 Bart
（1973）所提出的順序理論多用於定義試題間結構的方法，其符號定義 如下所示：
（一）X=（X1，X2，...，Xn）為一包含 n 個二元變數的隨機向量，
其中 Xj為 0 或 1，表是受試者作答試題 j 的反應，答錯為 0；
答對為 1。
（二）P（Xj=1）表試題 j 答對的機率。
（三）P（Xj=0）表試題 j 答錯的機率。
（四）P（Xj=1, Xk=1）表試題 j 與試題 k 均答對的機率。
（五）P（Xj=0, Xk=1）表試題 j 答錯但試題 k 答對的機率。
（六）P（Xj=1, Xk=0）表試題 j 答對但試題 k 答錯的機率。
（七）P（Xj=0, Xk=0）表試題 j 與試題 k 均答錯的機率。
根據以上對順序理論的符號定義，則可得到試題 j 和試題 k 之間發 生對或錯的機率四分割表，如表 3-6 所示：
表3-6試題j與試題k的機率四分割表
試題 k
試題 j
Xk=1 Xk=0 合計 Xj=1 P（Xj=1, Xk=1） P（Xj=1, Xk=0） P（Xj=1）
Xj=0 P（Xj=0, Xk=1） P（Xj=0, Xk=0） P（Xj=0）
合計 P（Xk=1） P（Xk=0） 1
假設試題 k 比試題 j 難時，且 P（Xj=1, Xk=0）會較 P（Xj=0, Xk=1）
要來的大，意即試題 j 答對且試題 k 答錯之機率比試題 j 答錯且試題 k 答對之機率要來的大，而當 P（Xj=0, Xk=1）大於 ℇ 且 ℇ 為一定數時，
則代表試題 k 和試題 j 具有順序性，也就是可做較難的 k 試題，在判斷 是否還有必要做較簡單的 j 試題，ℇ 在順序理論中又稱為閥值（Airasian
& Bart, 1973）。藉著調整演算法中的閾值來控制試題的結構，而閥值的 建議值為 0.2，但在實證研究中閥值可由研究者來決定，在過往的文獻
& Bart, 1973）。藉著調整演算法中的閾值來控制試題的結構，而閥值的 建議值為 0.2，但在實證研究中閥值可由研究者來決定，在過往的文獻