資料分析

本研究問卷施測回收後，以 SPSS for Windows 12.0 版統計套裝 軟體作為分析工具，資料分析方法如下：

一、資料檢核

本研究對象經施測調查後立即將回收問卷予以整理，逐一檢查 每份問卷的填答情形，凡資料不全、填答不完全、未通過反向題檢 驗的問卷，皆予以刪除，後續將針對有效問卷進行資料分析。

二、統計分析

(一)敘述性統計分析(Descriptive statistic analysis)

針對本研究所調查之個人基本資料，如性別、身份、年齡、

教育程度、是否在 A 數位學院上課、最近在 A 數位學院上課距 今多久、平均每週在 A 數位學院學習天數、平均每次使用 A 數 位學院學習時間、可能對哪些電腦課程有興趣等研究變項，以樣 本數、百分比顯示樣本的特性和分佈情形。另外，針對各需求題 項等研究變項，則檢視其平均數、標準差，以瞭解各變項的集中

及分散趨勢。

(二)信度分析(Analysis of reliability)

信度是對同一或相似重複量測所得結果之一致程度，本研究 針對各需求量表進行內部一致性分析，並以統計係數 Cronbach’s α 係數來衡量各題項間的一致性。Cronbach’s α 係數介於 0.70 至 0.98 之間為高信度，若信度低於 0.35 者，則檢測哪一題項造成 信度較低並予以刪除。本研究採用 Cronbach’s α 係數 0.6≧ 的標 準進行問卷量表的信度分析。

(三)因素分析(Factor analysis)

效度的評估是指測量工具是否能充分及有效地檢定出欲測 量的特質，以達成研究目的。因素分析的功能在於檢視量表的建 構效度(Construct validity)，在分析方 法上，採主成分分析法 (Principle component analysis)，根據其特徵值(Enginvalue)大於 1，決定抽取共同因素數目，並以最大變異數法(Varimax)轉軸，

取因素負荷量(Factor loading)絕對值大於 0.45 者為主要因素。

(四)兩階段集群分析(Two Step Cluster Analysis)

集群分析的主要目的是將所有收集到的資料分成數個集 群，並使集群內個體間的距離最近，而不同集群間個體的距離最 遠。集群分析可分成階層式集群分析(Hierarchical cluster analysis) 及非階層式集群分析(Nonhierarchical cluster analysis)。階層式集 群分析又分為凝聚分層法(Agglomerative hierarchical method)與 分離分層法(Divisive hierarchical method)。凝聚分層法：是指一 開始把 N 個個體當成 N 個集群，然後根據彼此間的相似程度 (Similarity)，把最相近的個體加以合併，依次結合使集群數越來

越少，最後將所有的個體合併成一個大的集群。此法的特性是兩 個個體一旦被分在同一群裡，則以後的步驟也都會在同一群裡；

而分離分層法，則是先將所有個體視為同一個大的集群，然後再 根據彼此間的相似程度，一步步分成兩群、三群，直到所有個體 被分成 N 個集群為止。而非階層式集群分析(Nonhierarchical cluster analysis)中最常用的方法是 K-means 集群分析，此法與其 它分群法最大的不同在於，若已知分群的數目，則可以利用 K-means 集群分析將資料分成所要指定的集群數。

兩階段的集群分析是階層式集群分析及非階層式集群分析 的整合方法，先利用階層式集群分析決定合適的集群數，再進行 非階層式集群分析，在實際分析上較常使用。透過兩階段集群分 析將受試者依數位學習態度三構面：認知、情感、行為進行分群，

得出幾組不同數位學習態度的分群。

(五)卡方檢定(Chi-square test)、費雪精確性檢定(Fisher’s Exact test)

透過列連表(Contingency table)將研究樣本的人格特質一一 與數位學習態度分群進行分析，並利用卡方檢定去檢測該人格特 質在數位學習態度分群上分佈是否有所差異。當列連表格子(cell) 中出現有個數為 0 的情況時，改使用費雪精確性檢定(Fisher’s Exact test)去檢測該人格特質在數位學習態度分群上分佈是否有 所差異。

(六)變異數分析(ANOVA)

利用變異數分析(ANOVA)，分析不同數位學習態度分群在 遊戲式學習社群需求(個人化服務功能、互動功能、個人獨特性

功能)是否有顯著差異，並以 Sheffe 法進行事後比較。