第三章 閱讀理解成效形成性評量預測暨回饋機制設計
第一節 資料前處理
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
22
第三章 閱讀理解成效形成性評量預測暨回饋機 制設計
第一節 資料前處理
建立閱讀理解成效形成性評量預測暨回饋機制時，所需要的資料包括標註 互動記錄、類型以及社會網路指標，說明如下：
一、 標註互動記錄與類型
在合作閱讀標註系統中，學習者互動包括「標註主題與回應」、「回應與指 定標註回應」、「被喜愛與喜愛」等三大類。「標註主題與回應」為某學習者在 閱讀數位文本上針對某一選擇主題進行標註後，有其他學習者針對其標註內容 進行回應，如圖 3-1 所示。「回應與指定標註回應」則是指在某一選擇主題下的 標註，有許多學習者的回應，指定回應係指針對某個特定學習者所標註的主題 進行的回應，如圖 3-2 所示。「被喜愛與喜愛」中的「被喜愛」係指學習者的主 題標註或回應被其他學習者選為「喜愛」，而「被喜愛」係指學習者將某一其他 學習者的主題標註或回應選為「喜愛」，如圖 3-3 所示。在陳勇汀（2011）的研 究中，標註互動次數較高的學習者，其閱讀理解能力較高。因此本研究假設某 一學習者與其它學習者互動次數越高，可能代表其投入閱讀此一文章的用心程 度越高，可能會影響其閱讀理解成效，因此考量蒐集標註互動記錄作為發展閱 讀理解成效形成性評量預測暨回饋機制的特徵。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
23
圖 3-1 「主題標註與回應」
圖 3-2 「回應與指定標註回應」
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
24
圖 3-3 「被喜愛與喜愛」
此外，在合作閱讀標註系統中，學習者可以選擇針對閱讀數位文本進行閱 讀標註的標註類型，分別為「我知道」、「新知識」、「我不懂」、「和我想的 不一樣」、「舉例補充」與「我想說」。「我知道」係指已經學過或知道的詞語 /文句意思；「新知識」係指從文章/標註中學習到的新知識；「我不懂」係指看 不懂或不了解的地方；「和我想的不一樣」係指覺得文章意思或標註有疑問的地 方；「舉例補充」係指額外舉實例說明文章意思的地方；「我想說」則是想要發 表的任何意見。Chen、Wang 與 Chen（2014）的研究指出，基本閱讀標註與進階 閱讀標註的使用，會影響閱讀理解成效，而合作閱讀標註系統中的六種閱讀標 註類型中，「我知道」、「新知識」、「我不懂」與「我想說」四種標註屬於較 為基礎標註；而「和我想的不一樣」、「舉例補充」則為較進階標註。據此，本 研究假設閱讀理解成效較高的學習者，使用某類型標註進行合作閱讀的次數也 會較高，因此考量蒐集標註類型記錄作為發展閱讀理解成效形成性評量預測暨 回饋機制的特徵。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
25
二、 社會網路指標
在 Crespo 與 Antune（2013）的研究中，在網路合作學習情境下，社會網路 分析中的 Pagerank 分數越高，團體的學習成績越高。因此本研究納入建立閱讀 理解成效形成性評量預測暨回饋機制的社會網路指標主要有四個，分別為程度 中心度（degree centrality）、中介中心度（betweenness centrality）、接近中心度
（closeness centrality）以及 PageRank。在取得學習者在合作閱讀標註系統上針對 閱讀標註的互動行為後，本研究使用 R 軟體來計算上述的社會網路指標（圖 3-4）。
圖 3-4 R 軟體計算社會網路指標
‧
（pre-processing）。除了剔除不完整的資料外，採用 R 計算出的社會網路指標也 需要事前進行正規化等前置處理程序。其中程度中心度（degree centrality）計算 方法如公式 3-1（Freeman, 1979）所示：
(公式 3-1)
其中 CD(n )代表第 ni i個使用者的程度中心度，d(n )為節點i n 所擁有的連結i 數。因為不同社會網路間的中心度無法做比較，需要進行正規化，程度中心度 的正規化如公式 3-2（Nieminen, 1974）所示，其中 g 代表此網路內的人數。
(公式 3-2)
中介中心度（betweenness centrality）如公式 3-3（Freeman, 1977）。
(公式 3-3)