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 研究動機
閱讀是學習的基礎，也是目前各國教育改革的重點。臺灣對學生閱讀教育的 重視反應在近幾年的教育政策上，閱讀政策的施行範圍由弱勢地區擴大為全國，
對象也向下紮根，從 0-3 歲幼童培養起閱讀習慣。但近幾年臺灣學生的閱讀素養 在國際大型閱讀研究測驗中表現起伏不定，測驗結果顯示：臺灣學生喜愛閱讀，
但卻無法有效、重點的閱讀。
根據經濟合作暨發展組織(Organization for Economic Co-operation and
evelopment, OECD)(2006)對閱讀素養的定義「個體理解、運用及省思書面文本，
達成個人目標和發展潛能的能力」，由此可知閱讀理解是閱讀者跟閱讀素材間交 互作用的過程(Pearson & Johnson,1978)。閱讀者及閱讀素材也是影響閱讀的最主 要兩個原因（蘇宜芬，2004），閱讀者的能力可經由教學策略來補強(王瓊珠、洪
儷瑜、陳長益，2005)，而閱讀素材的選擇就相形重要，如何選擇適合閱讀者能力
的文本，縮短閱讀者搜尋適合本身文本的時間，達到有效的閱讀是推動閱讀教育 的一大重點。
早期對文本的選擇方式常是利用「文本可讀性」公式，以Klare(1974-1975) 的Flesch Reading Ease 和 Flesch- Kincaid Grade Level兩個公式最廣為流傳
(Graesser, McNamara, Louwerse, & Cai, 2004.)。但可讀性公式對文本的分析常流於表 面、直線式分析，如：句子長短、數量及音節多寡等。文本應包含表面、情境模 式和文本基礎等更深層的訊息，單向的理解可能忽略讀者深層的理解。為能多面 向的分析文本，臺中教育大學測驗統計研究所組成一個研究團隊，參考美國 Coh-Metrix線上文本分析系統，分析兒童語料庫文本，發展多項分析文本指標，
包含詞類、詞彙訊息、詞彙多樣性、文章連貫性等。因指標眾多，所以本研究僅 就潛在語意分析(Latent semantic analysis, LSA)指標，分析文本的凝聚力。
近年閱讀相關研究，發現文章凝聚力(cohesion)是選擇文本一項重要的指標。
文章凝聚力及連貫性(coherence)愈高的文本，內含愈多的線索幫助閱讀者了解文 章意義，可讓讀者越容易閱讀理解，反之，若文章凝聚力及連貫性愈低，則較不 易讓讀者理解(McNamara, & Graesser, 2012.)。潛在語意分析技術能測量詞彙間、句 間內含的語意關係，也就是文章的內容凝聚力和文章連貫性。
本研究建置電腦化中文文本分析系統指標，應用潛在語意分析技術，分析現 行教科書文本內容凝聚力趨勢。研究資料引用廖晨惠(2010)國科會計畫：｢閱讀研 究議題八：以 LSA 為基礎之電腦化閱讀認知測驗及 AutoTutor 建置｣(編號：NSC 100-2420-H-142-001-MY3)所建置的國小語料庫，本研究參考美國曼菲斯大學 Coh-Metrix 系統中的潛在語意分析類別內容，發展中文相鄰句間潛在語意關係指 標(Local LSA)、文本整體凝聚力潛在語意關係指標(Global LSA)、句子之間新舊 訊息潛在語意關係指標(LSA Given-New)及句間重複動詞潛在語意關係指標(LSA verb overlap)(MCnaamara, Graesser, McCarthy, & Cai, 2012)。本研究應用 LSA 統計 方法，觀察現行國小教科書在建置指標上文本分析結果，依文章類別、適用年級 呈現中文文本的內容凝聚力，希望可作為分析閱讀文本的依據，提供閱讀及教學 者更適宜的閱讀文本選擇依據。
第二節 研究目的
根據上述研究動機，本研究應用潛在語意分析技術於 Coh-Metrix 指標，探 討國小現行教科書文本凝聚力，研究目的如下：
一、建置兒童文本分析系統之潛在語意指標。
二、檢視現行教科書文本凝聚力分佈情況。
三、探討指標與閱讀理解的關係。
第三節 名詞解釋
針對本研究常見的名詞，說明如下：
壹、潛在語意分析(LSA)
LSA 是使用奇異值分解(singular value decomposition, SVD)和維度約化
(dimension reduction)為基礎的資料檢索技術，配合大量文本的語料庫建置潛在語 意空間，能測量詞彙間、句間內含的語意關係。
貳、線上文本分析系統(Coh-Metrix)
Coh-Metrix是一種處理自然語言的線上自動化分析系統，提供多層次的文本 分析指標。此系統可用來理解文本間的差異且探索不同文本類型間的語言特徵。
(MCnaamara,& Graesser, 2012.)
參、相鄰句間文本凝聚力及文本整體凝聚力
相鄰句間文本凝聚力為測量句子之間的語意相似程度(similarity)，利用 LSA 技術計算文本中相鄰句子之間餘弦值，若比對句間餘弦值愈大，表示在語意空間 中，其兩者的語意愈相似。文本整體凝聚力亦為句子與週遭句子的餘弦值運算，
但比對方式與相鄰句間不同，加上考量句子間距離不同，對語意上影響程度也會 有差距，加以權重計算計算而成。
肆、句間新舊訊息
句間新舊訊息(Given-New)為文本中每個句子相對於該文本先前存在訊息的 新/舊資訊程度。Given 表示在句法或情節中，已出現過或是語意相似的訊息，相 對的，New 則是前文中無法找到的訊息(Graesser, MCnaamara, & Kulikowich, 2011)。
伍、動詞重複
動詞重複(verb overlap)為動詞在文本中重複的程度，本研究利用 LSA 技術計 算相鄰句間動詞的語意關聯程度。據 MCnaamara 等人（2012）研究發現動詞通 常和文本中的事件、狀態、動作有顯著的關係，當有重複的動詞時，文本可能包 含更連貫的事件結構，可促進和加強情境模式的理解。
陸、閱讀理解
閱讀是複雜的認知活動，亦是策略性的歷程（Hyde & Bizar，1989；引自林
孟艾、羅瑞玉，2005），理解是閱讀的最後目的（董宜俐，2003）。Richek 等人（1996）
認為閱讀理解策略的應用可以激發較高層次的心智活動，使讀者在閱讀的過程中 能積極運用自身的先備知識理解文章、監控自我閱讀理解情況、調整自己的閱讀 方式，進而提升自我對文章的理解。