第四章 研究結果與分析
第六節 綜合討論
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
受訪者 E3、E4：國內學者張國恩(Chang, KE)、宋耀廷(Sung, YT)、劉子鍵(Liu, TC)均為國內在數位學習領域生產力頗高的學者，但為何沒有出現在 CATAR 所 分析的資料中？
(六) 您認為對於較難解讀，無法歸類之主題類別如何分析、整理?
受訪者 E2：針對較難判讀，無法歸類之類別除了參考 C&E 之投稿主題類別 外，也可考量其他重要期刊之投稿主題類別進行歸類，例如 BJET 類別也很細(供 研究者加入新類別之參考)，或參考 American Society for Training & Development (ASTD)之 e-learning glossary。若能參考或整合數位學習核心期相關類別，如此 可避免自己定義主題類別，也可使得無法歸類之類別更容易進行歸類整理。
第六節 綜合討論
本研究旨在利用 CATAR 進行自動化文獻內容探勘，分別基於共現字、書目 對探勘自 2000 年至 2009 年間數位學習領域 SSCI 期刊文獻之研究主題類別，並 據此歸納數位學習領域研究主題架構。以下針對本研究所得之主題分析結果與過 去相關研究結果進行比較，並闡述本研究所採用的主題分析歸類方法的特性。
一、本研究與過去數位學習相關主題分析研究之比較
近年來各國因應數位化發展之需求迫切，因而對數位學習領域的相關研究極 其重視，本研究針對 2000~2009 年間之數位學習領域 SSCI 期刊文獻進行全面性 計量分析 ，以採 用廣義 數位學 習定義 而訂定 出十七 個(e-learning, elearning, electronic learning, digital learning, online learning, on-line learning, distance learning, distant learning, web-based learning, computer-based learning, Networked learning, Internet-based learning, mobile-learning, m-learning, ubiquitous learning, u-learning, distant education)檢索詞彙，得到與數位學習研究相關之 2,125 篇文獻，
希望歸納出更為完備的主題分析架構。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
相較於過去數位學習領域資訊計量相關分析，其中 Hung(2010)蒐集 2000 至 2008 年期間 SSCI 資料庫之 289 本期刊及相關會議論文，以二個(e-learning, Elearning)關鍵詞彙檢索出 689 筆與數位學習相關的期刊、會議文獻；Chiang,Kuo 與 Yang(2010)則研究 1967 至 2009 年期間 SSCI 國際期刊所出版與數位學習研究 相關的文獻，並以 e-learning、distance learning、digital learning、electronic learning 四個關鍵詞進行檢索，合計得到 1,944 篇相關文獻，本研究所採用之檢索策略顯 然更為嚴謹與完備。
此外，本研究以自動化主題萃取工具 CATAR 進行文獻內容探勘，分別以共 現字（co-word）及書目對（bibliographic coupling）進行主題歸類分析，據此比 對及補足 C&E 專家分類架構的不完整性，最後再輔以專家訪談進行微調，歸納 出更為完整之數位學習領域主題架構。表 4-32 比較本研究與過去國際間數位學 習領域資訊計量研究之差異，其中 Maurer 與 Khan(2010) 利用視覺化工具 -gCLUTO，將蒐集的數位學習相關文章以分割式聚類法(Partitional Clustering)，
自動化分析出以 150 概念集群為基礎之 14 個主要研究主題(參見第二章表 2-9)。
此外，Hung(2010)運用文字探勘(text mining)技術，以 SAS 工具進行文件摘要相 似度計算，並據此進行階層凝聚歸類(Hierarchical agglomerative clustering)，並輔 以兩位具有 16 年資深數位學習研究經歷之學者專家協助判讀，分析出數位學習 具有 2 大主題領域、4 個概念群集以及 15 個類別之主題分類架構(參見第二章表 2-11)。相較於上述的兩個研究，本研究的主題分析方法則採用共現字、書目對 進行主題歸類分析，由下而上以自動化資料探勘技術，並配合領域專家、理論知 識主題架構由上而下同時並行，探析出較完整且具代表性的 11 個研究主題及 55 個類別之主題分類架構。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
表 4- 32 國際間數位學習領域資訊計量之相關研究比較
同異處
研究者 分析資料集 檢索
策略
資料擷取 欄位
研究年代
範圍 研究工具 研究貢獻
Hung(2010) 會議、期刊文獻 (689)
2 個 檢索 詞彙
摘要 2000~2008 SAS 數位學習主題研究
分類 2D-4G-15C
Maurer&Khan(2010) 會議、期刊文獻
(7759) 無 標題、摘要 2003~2008 doc2mat, gCLUTO
以 150 個概念集群 基礎之 14 個研究
主題
本研究 期刊文獻
(2125)
17 個 檢索 詞彙
標題、摘要與
參考書目 2000~2009 CATAR
輔以共現字與書目 對之主題歸類分析 結果，調整 C&E 人 工專家所得之主題 架構，得到 11 主題 55 類別之主題架構
再則，比較本研究所得之數位學習領域 SSCI 期刊文獻主題分析架構(如表 4-27 所示)與上述兩篇過去相關研究結果之後發現， Maurer 與 Khan(2010)所分 析出的 14 個研究主題槪念大部分著重在教學科技 (instructional / educational technology)、方法(instructional methods)、發展(instructional development)與學習 者環境(learner environment) 。而本研究所剖析出的主題類別為基礎設施、管理 與技術(Infrastructure, Management, Technology & Tech)佔 22%、教學和學習 (Teaching and learning)佔 16%、教育學(Pedagogy)佔 13%、應用(Applications)佔 11%、學科領域(Discipline Areas)佔 11%、設計和環境(Design and Environments) 佔 7%、評價和測量(Evaluation and Measurement)佔 7%、教育(Education)佔 7%，
如圖 4-14 所示。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
圖 4- 14 本研究剖析歸類結果之各主題類別比例
而 Hung(2010)的研究結果所得之 15 個類別主題中，計有 CL1：systems and models 、CL4:community and interactions、CL5:multimedia、CL6:adaption and usability、CL7:gaming、CL9:suppport systems、CL11:teaching and learning strategies 和 e-learning in medical education 等 8 個類別主題與本研究有相同的歸類分析結 果，因此本研究所剖析的主題類別研究面向除了與 Hung(2010)的研究結果有超 過半數相近，更能探析出較多且具代表性的重要主題類別。例如 m-learning、
Personalized learning 、 Cooperative / collaborative learning and Knowledge management，藉此研究人員可依據本研究所歸納出之主題分析結果，查找到相 關的期刊文獻。
二、以共現字進行主題分析之特性
本研究發現共現字主題歸類分析結果，會歸類出較為廣泛的研究主題(例如 CL01 探討教學環境即為多樣性研究主題，合計有 843 篇)，若從 S4 階雖可觀察 出其主要的主題類群，但是其研究主題涵蓋範圍太大，導致以自動擷取之關鍵標 題詞彙進行人工判讀，歸併給定研究主題的標題詞時，因其概念知識有許多跨類
0% 5% 10% 15% 20% 25%
Applications Design and Environments Discipline Areas Education Evaluation and Measurement Experimentation Infrastructure, Management, Technology & …
Languages Legal,Economic and Ethical Aspects Pedagogy Security Standardization Teaching and learning
11%
7%
11%
5%
7%
2%
22%
0%
4%
13%
0%
2%
16%
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
別的現象，而產生主題名稱決定的困難。也就是共現字主題歸類分析結果，對於 較大主題類群的解讀較為困難。
三、以書目對進行主題分析之特性
相較於共現字主題歸類分析，書目對分析因文件間相似度計算較為嚴謹，因 此歸類的主題面向較少，但可信度較高。相較於共現字方法，書目對顯然在主題 地圖上呈現出較明確的分群結果，並且其研究主題的特性大都為較聚焦的研究主 題，對研究人員來說，除了可協助了解發展中的研究主題外，更可幫助專家解讀 出重要明確的研究議題。例如 Game、Health、Nurse、Cognition、Motivation and Usability / user studies。
四、C&E 專家分類架構之主題分析
C&E 係以專家知識為基礎所訂定之分類架構，該期刊也是數位學習重要的 核心期刊之一。本研究對 C&E 專家分類架構輔以 CATAR 自動化歸類分析結果，
進行數位學習領域研究主題歸類，結果發現有近八成的主題具相互關聯與對應。
透過 CATAR 之分析結果觀察其主題和類別間之從屬關係也較為清楚，因此有助 於初入門的研究者，探索領域研究主題的相關文獻。
再從 C&E 專家之人工分類架構搭配 CATAR 自動化歸類結果進一步分析，
發現某些具代表性與重要的研究議題，可以經由 CATAR 自動化技術分析出，但 這些研究主題並未出現在 C&E 的人工主題分類架構中。因此，藉由 CATAR 自 動化技術可有效協助領域學者專家，定期檢視期刊投稿主題類別架構是否有增修 必要之參考。
五、專家訪談建議與討論
(一)受訪者 E01 表示數位學習領域的知識架構是 ontology、semantic 網路式 的結構，因此不容易以 tree 分群來分析歸類。就此觀點而言，本研究採用 CATAR
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
自動化技術基於共現字與書目對進行主題歸類的方法，確實有其侷限性。受訪者 E01 建議可以 CATAR(書目對、共現字)自動化歸類分析結果，再搭配學者專家分 類架構調整，進行數位學習領域主題分析。
(二)在訪談中專家提出國內學者張國恩(Chang, KE)、宋耀廷(Sung, YT)、劉 子鍵(Liu, TC)均為國內在數位學習領域生產力頗高的學者，卻未出現在 CATAR 所的分析資料中，究其可能原因為本研究之檢索策略，還是沒有含括所有數位學 習領域研究所採用的關鍵詞，也有可能是本研究僅以 SSCI 期刊文獻為主要研究 對象，蒐集文獻的範圍不夠廣泛，亦有可能是這三位學者所發表的期刊文獻常使 用的關鍵詞彙，並未包含於本研究所採用的檢索詞彙。
綜合上述研究結果本研究發現若將 CATAR 基於書目對與共現字之主題分析 歸類結果進行交叉分析比對，可以彌補彼此的不足，據此可歸納出具參考價值之 數位學習領域主題架構。此外，若能再輔以諸如 C&E 專家訂定之主題分類架構，
在相互搭配之下，利用 CATAR 基於書目對與共現字之主題分析歸類結果輔助補 足專家人工歸類之不足，得到一調整後之人工主題分類架構，而所得之調整人工 主題分類架構，可再由專家訪談微調所得之主題分析架構。本研究發現這樣最能 得到客觀且完備之主題架構分類結果。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第五章 結論與建議
本研究旨在針對數位學習領域之相關研究文獻進行主題分析，透過 17 個選 定之關鍵詞彙，檢索數位學習領域 SSCI 期刊文獻合計 2,125 篇，利用自動化內 容探勘工具 CATAR，進行概觀分析；研究進一步針對文章篇名、摘要進行共現 字分析，以及針對文章之間書目對關係剖析歸類，並據此分別得到基於共現字與 書目對之主題分析架構，最後邀請數位學習領域學者專家協助解讀，期能分析與 歸納出數位學習領域完備的主題架構，以幫助研究者掌握數位學習領域之研究全 貌。本章提出本研究所獲致之研究結論，也進一步提出數位學習領域未來研究主 題發展的建議，以供後續有志於數位學習領域研究之研究人員參考。
第一節 結論
本研究針對檢索之數位學習領域期刊文獻，以 CATAR 自動化內容探勘工具 得到包括概觀量化分析、共現字、書目對歸類分析和 C&E 專家分類架構之主題 分析結果，茲將本研究所獲致之研究結論歸納如下：
一、數位學習領域 SSCI 期刊文獻之作者發表篇數及作者生產力排名
本研究分析於 SSCI 資料庫所檢索之介於 2000 年至 2009 年間之數位學習領 域期刊文獻 2,125 篇，依據年代及發表篇數之分析發現，文章篇數大致呈現逐年 成長趨勢，尤其以 2008 年發表 423 篇達到最高峰。此外，國際間這 10 年來最具 生產力的前十名作者排序分別為：1.蔡今中(Tsai, CC)，28 篇；2.Richardson. JTE，
14 篇；3.Koper. R，14 篇；4.陳德懷(Chan, TW)，11 篇；5.陳國棟(Chen, GD)，
11 篇；6.黃悅民(Huang, YM)，11 篇；7.黃國禎(Hwang, GJ)，11 篇；8.Cronje. JC，
9 篇；9.陳年興(Chen, NS)，8 篇；10.陳志銘(Chen, CM)，7 篇。最具影響力的作 者中台灣作者即佔有七位，顯見台灣學者在數位學習領域的研究能量相當可觀。
然而若考慮作者合著之情況，則高被引文章之作者生產力也隨之變更如下：
然而若考慮作者合著之情況，則高被引文章之作者生產力也隨之變更如下：