第三章 研究方法與實驗設計
第六節 資料分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
53
研究素材：
「請登入線實」影片賞析
在通識教育平台上的教師推薦延伸閱讀資源，包括線上人格、團體動力、數位機會 與數位落差、態度與行為改變等議題單元
第三階段：館員參與期末報告討論
圖書館館員於此階段介入討論過程，以客觀的態度引導問題討論、並能提供相關 參考資源與資訊素養教學增加學習深度。並安排兩次 Office Hour 讓圖書館員參 與，提供參考諮詢與其他問題協助，而在作業完成後，進行第三次概念圖修正。
線上課程活動：
1. 公告作業題目
作業題目：數位學習要如何因應網路環境所造成的使用者行為轉變，以線上人 格、團體動力、數位機會與數位落差、態度與行為改變四個主題為主進行探討。
2. 學生在平台公佈個人選擇的報告議題，其他學生給予建議
學生任務：
1. 進行第三次概念圖修正 2. 繳交期末報告
3. 填寫成效問卷
第六節 資料分析
壹、 概念圖分析
本研究主要以概念圖 (concept map) 的方式呈現學生在知識建構學習上的概
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
54
念演進，並參考過去利用概念圖評估方法，配合社會網絡分析概念進行概念圖的結構 分析，進而比較學生的學習品質與效果，呈現圖書館館員介入前後學生知識結構上的 轉變與差異。本研究利用概念圖進行分析的方法，主要可分為以下兩種方式：
1. 架構分析：
利用概念圖架構及類型轉變來判斷學習者知識擴展程度，並配合計算節點及連結 的正確性與數量多寡進行分數的計算與評比。如此可易於觀察發現在不同時間階 段知識的拓展規模及演變。主要以下列兩項要素為主：
命題結構圖分析
構圖過程分析
2. 比較法：
利用 Cmaptools 概念圖工具中的比較概念圖功能，可以比較學習者個人在不同階段繪 製之概念圖差異，藉此了解學習者自身知識的拓展與思維演進。圖 3-13 為概念圖 Cmaptools 中兩兩概念圖的比較示意圖。
圖 3-13 概念圖的比較示意圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
55
貳、 利用社會網絡分析法分析概念圖結構
社會網絡分析學者發現人與人之間的關係為社會基本的現象，並為產生社會 結構的過程(Mitchell,1969)。社會網絡可呈現組織內外活動者及其所屬群體的互動與關 係，而近來社會網絡分析的主題集中於角色和交互關係的討論上，並以活動者之間的 關係為單位。UCINET 是由 Borgatti Everett and Freeman(1992)所發展出的社會網路分 析軟體，用於社交網路與其他相近資料分析，透過利用事件與事件間的關係建立矩 陣，並利用不同社會網路量度(measure)進行分析。網絡是由節點(nodes)及連結(links) 所構成，而節點可由人、單位或事件等組織而成，在社會科學上也可以知識為節點單 位，利用連結展現其相互知識連結關係，構成學科的知識結構。故本研究將概念圖的 概念視為節點(nodes)，針對概念間的連結與結構關係，運用社會網絡的概念加以分 析，以探討學習者在知識建構過程中的知識增長及演變過程。進行概念圖資料分析之 初，本研究先將學生利用 Cmaptools 繪製的概念圖轉換為關係矩陣，依據 Trochim(1989) 的概念圖分析方式，以概念間的命題建置矩陣資料，使得每一個人的概念圖藉由概念 相連的關係形成二元對稱相似矩陣(binary symmetric similarity matrix)。矩陣中的元素 為 0 或 1，若行與列的概念在概念圖上無直接連結關係則以 0 表示，若行與列的概念 在概念圖上具有直接相連則以 1 表示。例如團體發展歷程(A)與工作階段(B)這兩個概 念，在概念圖中若 A 與 B 兩概念間產生關係，則在矩陣中以 1 表示，若兩概念無連 結關係則以 0 表示。(如圖 3-14)
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
56
所產生的矩陣進一步使用 UCINET 社會網絡分析軟體進行概念間的關係分 析，其呈現出的概念圖經過矩陣處理後，已去掉連接詞的部分；故後文所附的概念結 構示意圖傴為概念間的關係與結構，並不包括連接詞的分析。而本研究以 UCINET 作 為輔助分析軟體，乃因 UCINET 除了進行相關社會網絡分析外，其軟體也提供分析矩 陣的功能，故本研究使用 UCINET 分析概念圖矩陣時，乃將個概念命題間的連接視為 一種交互關係，故可以套用社會網路分析的部分理論，進而深入研究在圖書館員加入 前後，學生概念圖中的結構和內容是否有顯著轉變。以下針對本研究運用到的社會網 絡概念作一簡略說明：
圖 3-14 概念圖資料匯入 UCINET 示意圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
57
行動者(actor)
社會網絡研究分析在於考量行動者間的連結及其組成的結構，而行動者依研 究內容與層次的不同，本身的類型也有所不同，例如可以是個人、廠商、國家或概念 等。而網絡分析將行動者視為相互依賴，並非各自獨立的實體，即各節點與他人之間 的關係受他人影響，也會影響他人。本研究將行動者視為概念圖的概念，即將一個概 念圖中的概念視為單一節點，進而分析各節點(概念)之間的關係。
關係(relation)
Knoke & Kuklinski(1982)認為「關係」為社會網絡分析的中心概念，不同型態 的關係，將形成不同網絡型態。
集中度(centrality)
集中度以整個網絡成員為主角，分別計算節點之間的連結程度，可測量整體 網絡的權力中心，以了解節點間的重要關係。集中度測量最廣泛使用的指標為 Freeman(1979)整理出的 degree、clossness、betweenness 三種集中度計算量度，而本研 究以 betweenness 中介度作為分析知識結構連結關係的主要量度。betweenness 中介度 旨在測量節點間的仲介(broker)特質，若兩個或兩個以上的社會網路節點連結越倚重某 個行動者，而無其他替代溝通管道時，該行動者的橋樑特質尌越為重要，該節點的 betweenness 值尌越大。若將 betweenness 應用在概念分析的層面上，兩個或兩個以上 的概念命題若能透過另一概念進行連結，則連結雙方的節點便連結了不同主題的概 念，為一中介角色。Freeman 的研究指出 betweenness 能夠彰顯節點在社會網絡中的重 要性，換言之，若想瞭解整個概念分佈的連結關係，可藉由 betweenness 了解整個概 念圖中的重要仲介概念及整體網絡的連結關係。
中介度
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
58
以下舉一個 betweenness 計算的實例說明如何測量出在網路中居於控制關鍵 溝通位置的節點，以圖 3-17 的節點 A 為例，E 依賴 A 的程度為 14，因為 A 掌握 E 與 所有其他 14 個節點的路徑，而且都是百分之百掌握。同理，節點 F、D、H 依賴 A 的 程度也是 14，且 D、E、F、H 之外的所有其他 11 個節點依賴 A 的程度為 4。因此節 點 A 的 betweenness 值可計算如下：
Betweenness=所有其他節點依賴某特定節點程度的總和/(N -1)(N - 2) (3-1)
A 節點 Betweenness= (14 x 4 + 4 x 11) / (16 –1)(16 - 2) = 100 / 210 = 0.476
N：所有節點的各數
圖3-15中節點 E 完全無法掌控任何其他節點的溝通管道，因此其 betweenness 值為 0，節點 E 明顯需要依賴節點 A 才能與網路上其他節點溝通，節點 G、B、M、C 也一定程度掌握其溝通管道。而節點 B 很明顯是最重要的中介者，其 betweenness 值 最高。
階層群集分析(hierarchical cluster analysis)
從網路節點觀點進行概念間的結構分析，可看成對於概念組成間相互連接狀 態及結構的理解。而透過階層集群分析可以看出概念依其階層(距離量度)順序的分 群。集群分析的重要量度是相似量度(距離量度 distance measures)，故在對等結構的
圖 3-15 中介中心度(betweenness)計算舉例圖
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
59
計算上，首先先將描述概念關係的相似性(similarity)矩陣，轉換為距離矩陣，再對距離 矩陣進行歐幾里得距離運算(Euclidean distance)，如此即可得到概念間彼此相似性群 體。換言之，透過階層集群分析，在概念圖上行為越相似的概念，會被依據概念距離 的相似度門檻而分在同一階層上。而行為是指學生在建構概念時的順序，學生依時間 順序逐步增加概念的階層，而增加概念時不同階層概念的結構也會逐層增加。
本 研 究 採 階 層 性 群 集 分 析 (hierarchical cluster analysis) ， 以 Johnson’s hierarchical clustering 為進行分析：
圖 3-16 階層性集群分析(Hierachical Clustering Analysis)結果舉例
圖 3-16顯示如何對於概念相似性(similarity)距離矩陣進行處理，Level 表示概念的 平均距離層次，橫軸數字則為概念圖中概念的編號。以概念相似距離設定 5 為例，概 念編號 2、5、19、9、8、7、23、14、4、1、29、18、21、30、27、32、24、31 被群 聚為同一階層，其餘階層亦可以此類推。由圖 3-16 之階層集群分析結果可看出該概念 圖的概念層次最下層的概念相似距離為 2.027，並且只剩下編號 12 的概念。換句話說，
編號 12 的概念為該概念圖最初始被建構的概念名稱，其餘概念接由此概念擴展而來。
因此在進行群集分析時，本研究採由上而下的階層性集群分析(Hierachical
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
60
Clustering Analysis)的累加，將個別概念逐漸聚合為次群體，而在累加的方式上，本研 究採平均法（average-linkage），將群聚間的距離定義為不同群聚間各點與各點間距離 總和的平均，以了解整個概念圖在不同層次上的群體概念分佈狀況。
參、 統計分析軟體 SPSS
除了上述的分析外，本研究也利用統計軟體 SPSS 分析學生前後三次概念圖成 績、經過社會網絡分析後的 betweenness 數值及概念圖的直接距離的演變是否具有顯 著差異，也進行問卷的統計分析。
肆、 質性分析
本研究針對知識論壇中學生的討論內容、Office Hour 中學生與圖書館員互動的 內容、及期末報告資源使用狀況，進行內容上的質性分析，藉此了解學生發問與資料 運用層面的思維轉變。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
61