• 沒有找到結果。

本章第一節說明研究背景與動機;第二節說明研究目的;第三節為本研究重要 名詞釋義。

第一節 研究背景與動機

潛在語意分析(Latent Semantic Analysis, LSA)是利用關鍵詞彙來萃取文件中潛 在的概念,從文件中找出重要的潛在語意(Landauer & Dumais, 1997; Landauer, Laham, Rehder, & Schreiner, 1997) 。根據 Landauer 與 Dumais(1997)提出的概念,

LSA 可藉由統計計算方法應用到大量文本建置的語料庫,萃取和表示上下文詞彙的 意義。過去 LSA 的相關研究,Landauer、Foltz 及 Laham(1998)將 LSA 技術應用 在心理語言分析的研究領域,並指出如有一大型語料庫能夠適當的反映人所擁有的 語彙知識,即可以利用 LSA 的技術建置出一個能反映這些語彙知識背後語意關係的 語意空間。而近年來,運用大型語料為基礎,已進行比對及描繪詞彙之間的語意關 係,是心理語言學中新興的研究取向(陳明蕾、王學誠、柯華葳,2009)。依上述 研究顯示,LSA 在心理語言分析的研究領域具有重要的研究發展。

利用 LSA 建置語意空間時,需要針對詞彙-文件共生矩陣進行詞彙重要性加權,

即是考慮到每個詞彙的重要性是不完全相同的,而過去詞彙重要性的相關研究大多 是在探討共生矩陣中詞彙的重要性(Dumais, 1991; Landauer & Dumais, 1997)。而 經由 LSA 建置的潛在語意空間可以計算詞彙與詞彙、詞彙與文件、文件與文件之間 的語意相似度,找出詞彙或文件之間潛藏的語意關係,但甚少研究探討在進行語意 相似度比對時文件中每一個詞彙的重要性,顯示定義詞彙的重要性是相當困難的。

根據過去的研究在探討詞彙重要性部分,馮樹仁(2001)以 LSA 發展摘要寫作評量 系統,利用 LSA 計算學生摘要句子與教師摘要句子之間的相關性,以評量學生摘要 寫作的能力,其研究中有使用不同的權重方法做為在評量學生的摘要句子時每個關

鍵詞彙的重要性加權。McNamara, Cai and Louwerse(2007)的研究中探討使用 LSA 在進行句子之間的語意相似度比對時每個詞彙在句子中的重要性是否相同,但此研 究並未考慮專家對於句子中每個詞彙的重要性評分,因此本研究發展不同指標與納 入專家評分以評估詞彙在句子的重要性,此外為了能夠快速區別在文章的上下語句 中每一個詞彙對於閱讀的重要性程度的不同以幫助讀者在閱讀文章時,能夠了解哪 些詞彙在文章中的語意脈絡是較重要的,因此本研究也發展詞彙在閱讀的重要性指 標並與專家評分進行評估。

柯華葳(1999)指出閱讀包含認字和理解,而蘇宜芬(2004)的研究指出認字 對於閱讀占有重要部分,而增進認字技能方式可以藉由造詞練習,而其他相關研究 也指出造詞對於兒童閱讀認知能力有重要的影響(Leong & Ho, 2008;Liu &

McBride-Chang, 2010)。此外蘇宜芬(2004)研究還指出就中文閱讀能力而言,如 果學生是因為句型的不熟悉而導致理解上的困難,則加強句型的練習對這些學生可 能是需要的,而其他相關研究也指出造句對於兒童的閱讀認知是息息相關的(邱小 芳、詹士宜,2009),從上述研究顯示造詞與造句對於兒童閱讀認知是非常重要的。

過去傳統的造詞測驗計分方式是採用二元計分,題目中每個詞彙都給予相同的 分數,並未考慮到每個詞彙的重要性程度。而傳統的造句測驗部分大多是紙筆測驗,

並使用人工閱卷評分,因此在進行造句的相關研究時,當所需要施測的樣本數較多 的時候,專家或教師需花費大量時間進行閱卷,不僅曠時費力,也造成人力及時間 成本的浪費。而 LSA 的優點是可以進行詞彙與詞彙,句子與句子之間的比對,因此 本研究應用詞彙重要性指標發展 LSA 造詞與造句自動化計分模式。最後並應用本研 究發展的 LSA 自動化計分探討造詞、造句與閱讀理解之關係以驗證詞彙重要性指標 在自動化計分預測閱讀理解之成效。

第二節 研究目的

依上述研究動機,本研究目的是應用 LSA 發展詞彙重要性指標,本研究定義的

詞彙重要性指標分為詞彙在閱讀的重要性與詞彙在句子比對的重要性,並請專家針 對這兩部分進行詞彙的重要性評分,此外也利用本研究發展的詞彙重要性指標應用 在字根造詞的詞彙加權計分與句子語意相似度的評分,在字根造詞不採用傳統計 分,而是考慮每個詞彙在閱讀的重要性給予權重分數。在造句評分則是考慮句子中 每個詞彙的的重要性,並比較 LSA 造句自動化計分與專家評分之成效。最後探討傳 統計分與 LSA 自動化計分在造詞、造句與閱讀理解之關係。以下為本研究的目的:

一、 應用 LSA 發展詞彙重要性指標與評估其成效。

二、 發展 LSA 造詞、造句自動化計分模式與評估其成效。

三、 探討傳統計分與 LSA 自動化計分對於字根造詞、造句與閱讀理解之關係。

第三節 名詞解釋

針對本篇論文常見的名詞,詳細說明如下:

壹、 潛在語意分析

潛在語意分析是以奇異值分解(singular value decomposition, SVD)和維度約化

(dimension reduction)為基礎的知識模組,SVD 是一種數學矩陣的分解技術,能 將文件所隱含的知識抽象轉換到語意空間中,而維度約化能去除文件知識在語意空 間中的雜訊,使LSA 能更精確地推演出文件所隱含的知識(Deerwester, Dumais, Furnas, Landauer, & Harshman, 1990)。

貳、 字根造詞

字根造詞是指以高頻字為字根,探討受試者在有限時間的情況下,如何從心理 詞庫中提取可運用的詞素組合成詞的認知能力,而運用高頻字的方式能夠降低因為 字頻所造成的研究限制,只純粹探討基礎的造詞能力(廖晨惠,2009)。

本研究中定義的字根造詞能力是以廖晨惠(2009)所編製的字根造詞測驗得分,

得分越高,表示字根造詞能力越好

參、 造句能力

造句能力是指將一群字詞聯綴成為一具有邏輯性,可以表達一個複雜的想法,

與思想感情完全符合而不被誤會意思,讓人了解的句子之過程(張雯惠,2006)。本 研究所定義的造句能力是以 Liao, Pai and Kuo(2011)所編製的以字造句與以詞造句 測驗,分數越高表示學生造句能力越好。

肆、 閱讀理解

林寶貴、錡寶香(1999)指出閱讀理解是指在閱讀文章時,讀者先具備充分的 字彙知識,而且有足夠的先備知識及策略運用能力,並具有正確理解句子和文章意 義的能力。本研究定義的學童閱讀理解能力是指學童在林寶貴、錡寶香(1999)所 編製之「閱讀理解測驗」得分,得分越高表示閱讀理解能力越好。

相關文件