多位學者研究發現，知識結構與學習表現有密切的關係，且知識結構能 有效預測學習表現。在知識結構的差異方面，專家的知識結構優於生手，能 力較佳者的知識結構優於能力較差者；在教學對知識結構的影響方面，發現 教學的介入能改變知識結構，所以知識結構有測量之必要，可藉由知識結構 的測量，發現教學的成效，並依其知識結構修正教學的步驟，以及能更有效 的施予補救教學，達到更有效的學習成效。
一、測量方法的特性
Royer, Cisero ＆ Carlo (1993)曾指出，網路模式對知識結構的研究 相當具體與客觀，大多數測量知識結構的方法是根據此理論發展出來的，這 些方法有三項特性（江淑卿，1997）
(一)所測量的知識結構的靜態的。
(二)所測量的知識結構於陳述性知識，對於程序性知識的測量較有限。
(三)不同測量方法僅測得部份複雜的認知表徵，且各有其適合的領域。
二、測量方法的種類
測量知識結構的方法很多，Koubek ＆ Mountjoy(1991)將測量方法分 網路(pathfinder networks)(Jonassen, et al.,1993)，下列分別敘述及比較之
（蔡佳燕，1990）
1.多向度量尺：
是多變量分析的一種，蒐集 n 個觀察點的相似度，形成近似矩陣，然後 根據此近似矩陣，決定最佳的 m 度空間來描述這些觀察體，而這 n 個觀察點 有其座標位置，從座標位置可以知道觀察點的空間關係為何。
2.集群分析：
亦是多變量分析的一種，是根據相似性客觀地將相似者歸集在同一集 群，有階層集群分析(hierarchical cluster analysis)和非階層集群分析 (non- hierarchical cluster analysis)兩種。本研究所利用的集群分析方 法是 K 平均數法(K-means methods)，即先假定集群的個數為 K，將所有觀察 值分成 K 群，然後依各觀察值到中心點距離遠近重新移動，使各觀察值將移 至最靠近的群體中，此時再計算各群體的新中點，這時繼續再移動各觀察值 到最近的群體，這樣不斷重複，直到不能再重新分派為止。
3.徑路搜尋網路分析：
是一個理論圖形(graph-theoretic)方法，能將近似矩陣(proximity matrix)經過轉換後，獲得一個網路結構(network structure)，在這網路結 構中，每一概念是一個節點(node)，而節點之間用一個線來鏈結(linking)，
表示兩概念之間有關係。此外，在鏈結的線上有一個加權值(weighting)，表 示節點之間的鏈結強度。本研究即以此為主要研究工具，下節將著重對徑路 搜尋之理論與分析應用加以探討。
Cooke, Durso ＆ Schvaneveldt(1986)亦指出，徑路搜尋比多向度量尺 的向度表徵，更能掌握回憶作業中的組織關係。徑路搜尋強調概念與概念間 的關係，而多向度表徵則只提供關於全部概念空間的訊息。比較概念與概念 的關係，可以凸顯不同個體間的知識結構差異，如此有助於解釋個體的表現 差異，此為徑路搜尋較其他知識結構表徵技術更實用、有效的主要特點，在
此將不同知識結構量尺方法分析比較如表 2-3-2。