受訪者對公司學習成長構面評估指標的看法，以「強化激勵措施」（平均數3.74）
所獲得的同意程度最高，其次為「專業職能歷練」（平均數3.62），而「知識管理應用」
（平均數3.51）所獲得的同意程度最低，總體看法平均數為 3.61。（如表 5-3-1）
資料顯示，受訪者普遍認為實施建議提案制度確能促使公司知識能量分享及作業流 程改善，並且可以培養員工問題發掘及解決的能力，但公司對於員工提案建議應及時反 應並適時提供適當獎勵及正面鼓勵，才能提升員工工作滿足感與組織承諾感。其次，受 訪者亦認同公司所屬訓練所開辦之各類訓練班，能滿足工作所需並有效培育第二專長。
但對於通過英語能力檢定能提升工作能力及公司競爭力就較不認同。
另外受訪者雖同意公司知識管理系統可蒐集整理組織內（外）部有效及有用的資料 並完整建檔，但對公司所提供知識分享的方式則感到最不滿意。表示公司應檢討修正該 系統，以員工需求為前提並擬定相關政策及措施，以引起員工對系統的注意進而去運 用，才能促進員工學習、組織發展，發揮知識管理的效用，達到系統建置的目的。
表5-4-1 對公司學習成長構面評估指標看法之意見均值分析
研究構面 樣本數 題數 最大值 最小值 平均數 標準差 排序 強化激勵措施（建議提案制
度） 848 5 5 1 3.74 0.66 1
專業職能歷練 848 8 5 1 3.62 0.64 2 知識管理應用 848 7 5 1 3.51 0.73 3 總體看法 848 20 5 2 3.61 0.59 資料來源：本研究整理
表5-4-2 對公司學習成長構面評估指標的看法各層面意見均值分析
由表5-3-2 可知，受訪者對公司學習成長構面評估指標各層面的看法，兹分析如下：
一、在「強化激勵措施（建議提案制度）」方面：
問卷分析顯示，受訪者普遍認為透過提案建議制度可以培養知識創造的文化，累積 員工智慧，促使公司知識能量分享及作業流程改善，並且可以培養員工問題發掘及解決 的能力。但對於公司藉由實施提案制度來促使工作滿足感與組織承諾感的同意程度相對 就顯得較低，可能是該公司對員工提案建議未及時反應並適時提供適當獎勵以正面鼓勵 提案，無法讓人員達到工作滿足感與組織承諾感之期望。
二、在「專業職能歷練」方面：
資料顯示，七成以上受訪者認為公司所屬訓練機構（電信訓練所）開辦之各類訓練 班次能滿足工作所需，有效培育人員第二專長，並可增加員工專業技能及公司整體競爭 力，公司應積極利用此訓練機構有效培育專業人才，以培養企業「永續性競爭優勢」
（sustainable competitive advantage）。但對於提升英語能力可以提升工作能力，所獲得的 同意程度就較低，可能是實際工作上較不需要直接使用到英語所致。
三、在「知識管理應用」方面：
研究顯示，有60%以上受訪者對公司知識管理系統可以蒐集、整理組織有效及有用 的資料，並且將各種知識、技術用文字化或其他方式紀錄，變成工作手冊存入知識庫中 持正面看法，但對目前公司知識管理系統所提供知識分享的方式可以滿足員工需求的滿 意程度就顯得較低，表示公司在提供知識分享的方式尚嫌不足，應在這方面多加宣導，
提供誘因鼓勵人員多上系統分享及交流知識。
第三節 因素分析
根據周文賢（2002）指出，因素分析的主要功能在簡化資料，讓複雜的變數單純化，
並進行細部的項目分析，而本研究為了判別和瞭解中華電信公司平衡計分卡學習成長構 面評量指標及項目是否與Kaplan 和 Norton 及專家學者所述的類別或內容相同之目的，
因此利用因素分析的方法來簡化本研究所設計的問卷，並利用萃取共同因素的作法，讓
中華電信公司未來在做績效管理系統時，有其參考的依據。
因此，本研究排除個人基本資料變數後，分別對「對建構學習成長構面衡量指標的 看法」及「對公司學習成長構面評估指標的看法」進行因素分析與信度分析。因素分析 係採用「主成份分析法（principal component analysis）」，取特徵值（eigenvalue）大於 1 的因素，進行之萃取工作，再以最大變異法（varimax rotation）進行正交轉軸（orthogonal rotatin）後，將因素負荷量（factoring loading）大於 0.45 者，定為顯著性負荷量，並依 此決定每一因素構面所選擇的題目，以便共同因素之命名。
根據以上萃取原則，本研究的問卷分析結果顯示，在「對建構學習成長構面衡量指 標的看法」因素分析結果得到五個因素構面，取樣適切性量數（Kaiser-Meyer-Olkin measure of sampling adequacy，簡稱 KMO 或 MSA）值高達 0.933。在「對公司學習成長 構面評估指標的看法」因素分析結果得到四個因素構面，KMO 量數高達 0.927，均優於 Kaiser（1974）所提出量表的 KMO 值最好在 0.80 以上，KMO 如在 0.70 以上勉強可以 接受，如果量表的KMO 值好在 0.60 以下，則量表不宜進行因素分析；且其因素負荷量 大皆於0.45，累積解釋變異量為 64.94%及 72.67%，結果均優於 Zaltman and Burger（1985）
所提出因素負荷量大於0.30 及累積解釋變異量大於 40%（吳明隆等，2005）。因此本研 究各分量表因素分析結果具相當可取之建議，結果顯示資料非常適合進行因素分析，且 在因素分析上之結論可以採用。