第四章 研究結果與討論
本章共分為四節，第一節主要是透過相依樣本 t 考驗，來了解中學生於不同學習階段 的學習成就情形，第二節是國中學習階段的 CART 分析結果，第三節則是高中/高職/五 專學習階段的 CART 分析結果，第四節是比較國中和高中/高職/五專兩個不同學習階段 的CART 分析結果，最後在第五節進行綜合討論。
第一節 中學生於不同學習階段的學習成就情形
本研究想了解中學生於不同學習階段的學習成就情形， 包括第一波的國中一年級以 及第三波的高中/高職/五專二年級的有效樣本各2969 人，使用相依樣本 t 考驗的統計方 法進行分析，所得結果為：不同學習階段的中學生在學習成就上達顯著差異：t 值為 -99.359（p＜.05）（見表 4-1），國中和高中/高職/五專的學習成就的相關係數為.745。
由上述結果可知：不同學習階段的中學生在學習成就上達顯著差異。然而，由表4-1 可知，高中/高職/五專學習成就的平均數高於國中階段，因此可以說，高中/高職/五專的 學習成就比國中的學習成就高。
表4-1 不同學習階段中學生的學習成就差異分析摘要表
變項 人數 平均數 標準差
t
國中 2969 .4393 .81298 -99.359*
高中/高職/五專 2969 1.7961 1.11560
*p＜.05
第二節 國中階段的 CART 分析結果
此次分析的目的，乃是以 TEPS 資料庫中的國中學生和家長問卷為資料來源，希望 能藉由CART 所建構出的分類模型，找出預測國中生學習成就高低的相關因素。
一、分類模型
（一）原始分類模型
全體有效樣本為 3019 人，以全體樣本形成的最大樹狀結構，其分類模型包括了 6 個層次，17 個葉部節點，也就是 17 個類別，以及 13 個變項：能力期望、父親教育程 度、自我期望、參與才藝補習、搬家次數、每周校內外輔導及補習時數、家長評的學習 態度、父母對學校的看法、電腦使用時間、學校主動與父母聯繫程度、父母教育期望、
家庭每月收入和父親職業（見圖4-1）。
本研究以交互驗證法（cross validation）評估分類模型的正確率，結果顯示：未評 估前原始分類模型的整體分類正確率為 68.9%，低學習成就的分類正確率為 56.1%，高 學習成就的分類正確率為79.6%。經由 10 疊交互驗證法評估之後，將樣本分為 10 個樣 本群，重複作 10 次建立模型的工作之後，找出準確度最高的模型，其整體分類正確率 為64.7%，整體分類正確率比未評估前略降了 4.2%，但 64.7%比起隨機二分的情況，機 率仍高出14.7%。
就不同程度的學習成就來說，此分類模型對於高學習成就的分類正確率達 79.6%，
高過於低學習成就的56.1%，對於高學習成就的分類正確率較高。
（二）事後修剪後的分類模型
經過事後修剪後，將不必要或多餘的分支修剪掉，最後產生了 6 個層次，13 個類別，
包括了 11 個變項：能力期望、父親教育程度、自我期望、參與才藝補習、每周校內外 輔導及補習時數、家長評的學習態度、父母對學校的看法、電腦使用時間、學校主動與 父母聯繫程度、父母教育期望、父親職業（見圖4-2）。其整體分類正確率為 68.9%，高 學習成就的分類正確率為 79.6%，低學習成就分類正確率為 56.1%，皆和原始分類模型 相同。
（三）比較原始和事後修剪的CART 分類模型
事後修剪之後，類別個數從 17 個減為 13 個，變項個數也由 13 個減為 11 個，修剪 掉「搬家次數」和「家庭每月收入」兩個變項。
比較圖 4-1 和 4-2 可知其修剪的規則：圖 4-1 的節點 13、節點 8、節點 9 和節點 11 之後的節點均被修剪掉，形成了圖4-2 的分類模型。因為在分類的過程中，當停止在以 上四個分支節點，已經可以將樣本完全分類，再往下分支會產生過度遷就的問題，也無 法再針對樣本進行分類。
例如：圖 4-1 節點 13 分類的類別為「低學習成就」，往下以「搬家次數」變項再進 行分支，左右兩邊節點25 和 26 的類別也均是「低學習成就」，因此其實分到節點 13 即 可停止，以下的分支便需要修剪掉，節點8、9 和 11 的情形也是如此。
圖4-1 國中階段的 CART 原始分類模型圖
圖4-2 國中階段事後修剪後的 CART 分類模型圖
（二）低學習成就 1. 主要解釋路徑：
位於類別 13，葉部節點 6 的地方，其低學習成就人數為 205 人，佔 84.7%。其解釋 路徑經過以下兩個分支為：「能力期望」（分類條件為國中、高中職、專科、技術學院或 科技大學畢業），「自我期望」（分類條件為國中或高中職畢業），包括「能力期望」和「自 我期望」兩個變項。
2. 次要解釋路徑：
位於組別 12，葉部節點 18 的地方，其低學習成就人數為 171 人，佔 71.8%。其解 釋路徑經過以下四個分支為：「能力期望」（分類條件為國中、高中職、專科、技術學院 或科技大學畢業），「自我期望」（分類條件為專科、技術學院或科技大學、一般大學、
研究所畢業），「父母教育期望」（分類條件為國中、高中職、專科、技術學院或科技大 學、高中職畢業）和「父親職業」（分類條件為其他職業、各級學校教師（包括幼兒教 育）、一般事務或業務人員（如助理或秘書等），包括「能力期望」、「自我期望」、「父母 教育期望」和「父親職業」等四個變項。
第三節 高中/高職/五專學習階段的 CART 分析結果
此次分析的目的，乃是以 TEPS 資料庫中的高中/高職/五專二年級的學生和家長問 卷為資料來源，希望能藉由 CART 所建構出的分類模型，找出高中/高職/五專學生的學 習成就高低相關因素。
一、分類模型
（一）原始分類模型
全體有效樣本為 2972 人，以全體樣本形成的最大樹狀結構，其分類類型包括了 5 個層次，9 個葉部節點，也就是 9 個類別，以及 5 個變項：課程類別、學校公私立別、
學校所在地、父母教育期望以及母親職業（見圖4-3）。
本研究以交互驗證法（cross-validation）進行評估分類模型的正確率，結果顯示：
未評估前原始分類模型的整體分類正確率為 77.2%，低學習成就的分類正確率為 78.7%
高學習成就的分類正確率為75.9%。經由 10 疊交互驗證法評估之後，將樣本分為 10 個 樣本群，重複作 10 次建立模型的工作之後，找出準確度最高的模型，而其整體分類正 確率仍和未評估前一樣維持為77.2%，比起隨機二分的情況高出 27.2%。
就不同程度的學習成就來說，此分類模型對於高學習成就的分類正確率達 78.7%，
高過於低學習成就的75.9%，對於高學習成就的分類正確率較高，但兩者的分類正確率 相近。
（二）事後修剪後的分類模型：
經過事後修剪後，將不必要或多餘的分支修剪掉，最後產生了 3 個層次，4 個類別，
包括了2 個變項：課程類別和學校公私立別（見圖 4-4）。其整體分類正確率為 77.2%，
高學習成就的分類正確率為 80.1%，低學習成就分類正確率為 73.4%。除了整體分類正 確率和原始分類模型相同，在高學習成就的分類正確率 80.1%比原始分類模型的 75.9%
高，但低學習成就的分類正確率 73.4%卻比原始分類模型的 78.7%低，由此可知，經過 事後修剪後的分類模型，雖然和修剪前的整體分類正確率不變，但對於高學習成就的分 類正確率更高了，拉大的高低學習成就兩者分類正確率的差距。
（三）比較原始與事後修剪的CART 分類模型：
事後修剪之後，類別個數從 9 個減為 4 個，變項個數也由 5 個減為 2 個，修剪掉「學 校所在地」、「父母教育期望」和「母親職業」三個變項。
比較圖 4-3 和 4-4 可知其修剪的規則：圖 4-3 的節點 7、節點 8 和節點 2 之後的節點 均被修剪掉，形成了圖4-4 的分類模型。因為在分類的過程中，當停止在以上三個分支
節點，已經可以將樣本完全分類，再往下分支會產生過度遷就的問題，也無法再針對樣 本進行分類。
例如：圖 4-3 節點 7 分類的類別為「高學習成就」，往下先以「學校所在地」變項進 行分支，左右兩邊節點11 和 12 的類別也均是「高學習成就」，接著，又以「母親職業」
變項進行分支，雖然左右兩邊的類別不同，分別為節點15「高學習成就」和節點 16「低 學習成就」，但右方節點16 的低學習成就和高學習成就的人數比例各半，並沒有達到良 好的分類，因此，其實分到節點7 即可停止，以下的分支便需要修剪掉。節點 8 和節點 2 的情形也是如此。
圖4-3 高中/高職/五專階段的 CART 原始分類模型圖
圖4-4 高中/高職/五專階段事後修剪後的 CART 分類模型圖
（二）低學習成就 1. 主要解釋路徑：
位於類別 4，葉部節點 2 的地方，其低學習成就人數為 814 人，佔 75.2%。其解釋 路徑經過以下一個分支為：「課程類別」（分類條件為商業、綜合學程非學術導向、工業 類、理工、文商、醫、藝術類、農業類、家事類、普通科、海事水產類），只包括「課 程類別」一個變項。
2. 次要解釋路徑：
位於類別 3，葉部節點 6 的地方，其低學習成就人數為 152 人，佔 71.7%。其解釋 路徑經過以下三個分支為：「課程類別」（分類條件為普通學程非自然組、普通學程自然 組、綜合學程：學術導向），「課程類別」（分類條件為普通學程非自然組、綜合學程學 術導向）和「學校公私立別」（分類條件為私立），包括「課程類別」、「學校公私立別」
兩個變項。
第四節 比較國中和高中/高職/五專學習階段的 CART 分析結果
前兩節分別陳述了兩個不同學習階段的 CART 分析結果，本節則是將國中和高中/
高職/五專兩個學習階段事後修剪後的 CART 分類模型結果進行比較，如表 4-4 所示。
首先，在樣本數方面，兩個不同學習階段的有效樣本數不同，國中樣本為 3019 人，
高中/高職/五專樣本為 2972 人，兩者相差 47 人，乃是受到遺漏值的影響所致。其次，
比較兩者的分類模型類別個數和變項個數可知，國中階段的類別和變項個數皆高於高中 /高職/五專階段，由此可知，在國中階段，與學習成就高低的有關因素較多且複雜，包 括能力期望、自我期望、家長評的學習態度、父母教育期望、父親教育程度、父親職業、
參與才藝補習、每周校內外輔導及補習時數、電腦使用時間、父母對學校的看法和學校 主動與父母聯繫程度等多達11 個變項，包含個人、家庭和社會網絡因素；而高中/高職/
參與才藝補習、每周校內外輔導及補習時數、電腦使用時間、父母對學校的看法和學校 主動與父母聯繫程度等多達11 個變項，包含個人、家庭和社會網絡因素；而高中/高職/