第一章 緒論
第四節 運用 RGSM 分析同儕教學-基於學習迷思概念
實例四:
本實例資料來源同實例三,為臺灣中部南投市某所國民中學24 名受測學生,
對自然科動單元測驗的17 題選擇題作答反應。
本節基於學習迷思概念,分析同儕教學間的結構,需先定義學生-概念表下:
定義 5-10:問題-概念表
(problem -conception chart, P-C chart)
令 Z
[
zj(
k)]
n [
zjk]
nl(5-10)
為問題-概念表中試題概念矩陣,
j 1 , 2 , , n
,k 1 , 2 , , l
,其中,
。
。 個概念 個題有考到第
表示第
個概念 第
沒考到 個題
表示第
k j
k k j
z
j1, , ) 0 (
定義 5-11:學生概念矩陣 (
student -conception chart, S-C chart)
令
Y [ y
i( k )]
m [ y
ik]
ml(5-11)
為問題-概念表中試題概念矩陣,
i 1 , 2 , , m
,k 1 , 2 , , l
,其中,
nj
jk ij
ik
x z
y
1
,
i 1 , 2 , , m
,j 1 , 2 , , n
,k 1 , 2 , , l
, X [
xij]
mn 為學生-問題表中學生答題反應矩陣,
Z [ z
jk]
nl 為問題-概念表中試題概念矩陣該測驗試題命題範圍為波單元。該單元的學習概念,如表5-4 所示。利用定 義5-11 做成問題-概念表,如表 5-5 所示。與使用定義 5-12,將 S-P 表乘上 P-C 表,得到學生-概念表,如表 5-6 所示。接著使用定理 5-2,將學生-概念表作排序,
如表 5-6 所示。最後,利用定理 5-1 的 RGSM 可視化結構軟體的計算與繪圖,得 到A 班基於學習概念的學生 RGSMSC 圖,如圖 5-3 所示。
可知道A21 可以和 A03 互相研究功課,而 A21 同學可以適時指導 A03 同學;
依序A03 可以和 A09 互相研究功課,而 A21 同學可以適時指導 A03 同學,結構
圖中顯示,A10 可雙指導 A08 和 A16,A08 可雙指導 A05 和 A24,A23 可雙指導 A01 和 A24,A07 可雙指導 A17 和 A19,而 A24 可被 A08 和 A23 雙指導,A2 可 被A17 和 A19 雙指導。此結構圖提供現場教師執行同儕教育的選材新方法。
將表5-3 中 A 班 GSP 表的 LGRA 值與表 5-7 中 A 班之學生-概念表的 LGRA 值彙整成表,如表5-8 所示。並計算出兩者的相關係數為 0.946,表示兩者相關度 很高,繪出散布圖,如圖5-4 所示。
表5-4 波單元的概念表
課章節順序 概念名稱 概念代碼 章節順序 概念名稱 概念代碼 3-1 波的形式 C1 3-3 聲波性質 C8 3-1 介質特性 C2 3-3 音速計算 C9 3-1 波前進狀態 C3 3-4 音調 C10
3-2 週期計算 C4 3-4 音品 C11
3-2 頻率判別 C5 3-4 音量 C12
3-2 波長判別 C6 3-5 回音特性 C13 3-2 波速計算 C7
資料來源:廖冠博、施淑娟、蔡清斌、永井正武,2014。利用 ISM 建立學習知識結構以提升教 學效益-以國中自然科二年級單元為例,第 3 頁
表5-5 測驗試題之問題-概念表
題號 \ 概念 C01 C02 C03 C04 C05 C06 C07 C08 C09 C10 C11 C12 C13
P01 1 0 0 0 0 0 0 0 0 0 0 0 0
P02 0 1 0 0 0 0 0 0 0 0 0 0 0
P03 0 0 0 0 0 0 0 0 1 0 0 0 0
P04 0 1 0 1 0 1 0 0 0 0 0 0 0
P05 0 0 0 0 0 0 0 1 0 0 1 0 1
P06 0 0 1 0 0 1 1 0 0 0 0 0 0
P07 0 0 0 0 1 1 1 0 0 0 0 0 0
P08 0 0 0 0 0 0 0 1 0 0 0 0 0
P09 0 0 0 0 0 0 0 0 0 1 0 0 0
P10 0 0 0 1 1 1 1 0 0 0 0 0 0
P11 0 0 0 0 1 1 0 0 0 0 0 0 0
P12 0 0 0 0 0 0 0 0 1 0 0 0 0
P13 0 0 0 0 0 0 0 0 0 1 0 0 0
P14 0 0 0 0 0 0 0 0 0 0 1 1 1
P15 0 0 0 0 0 0 0 0 0 0 1 0 0
P16 0 0 0 1 0 0 0 0 0 0 0 0 0
P17 0 0 0 0 1 0 0 0 0 0 0 0 0
資料來源:作者自行整理
表5-6 A 班之學生-概念表
座號\概念 C01 C02 C03 C04 C05 C06 C07 C08 C09 C10 C11 C12 C13
A01 1 0 0 0 1 1 0 0 0 1 2 1 1
A02 0 1 0 1 0 1 0 1 0 0 0 0 0
A03 1 1 1 2 3 3 3 2 2 2 3 1 2
A04 0 2 0 2 3 3 1 0 2 0 2 1 1
A05 1 1 1 1 1 2 1 0 1 1 1 0 0
A06 0 1 0 0 0 0 0 2 1 0 3 1 2
A07 1 0 0 0 0 0 0 1 1 0 1 0 0
A08 1 2 1 2 2 3 2 0 0 0 2 1 1
A09 1 2 1 3 3 4 3 2 2 1 3 1 2
A10 1 2 0 2 1 2 1 1 2 0 2 1 1
A11 1 1 1 1 2 2 2 2 2 0 3 1 2
A12 0 0 1 0 0 1 1 0 0 1 0 0 0
A13 0 0 0 0 1 1 1 0 2 0 2 1 1
A14 0 0 0 1 1 1 1 0 1 0 0 0 0
A15 1 1 0 1 2 1 1 2 2 1 3 1 2
A16 0 1 0 1 2 1 1 2 1 1 3 1 2
A17 0 1 0 0 0 0 0 1 0 0 2 0 1
A18 1 2 0 2 2 2 1 2 2 1 3 1 2
A19 1 0 0 0 0 0 0 1 1 0 1 1 1
A20 0 1 0 2 2 1 1 2 2 1 3 1 2
A21 0 2 1 3 4 5 3 2 2 2 3 1 2
A22 1 2 0 2 2 2 1 2 2 1 3 1 2
A23 1 1 0 0 0 0 0 2 2 1 3 1 2
A24 0 1 0 1 2 1 1 1 2 0 3 1 2
資料來源:作者自行整理
表5-7 A 班之學生-概念表(排序後)
座號\概念 C01 C02 C03 C04 C05 C06 C07 C08 C09 C10 C11 C12 C13 LGRA
A21 0 2 1 3 4 5 3 2 2 2 3 1 2 1.00
A09 1 2 1 3 3 4 3 2 2 1 3 1 2 0.91
A03 1 1 1 2 3 3 3 2 2 2 3 1 2 0.79
A18 1 2 0 2 2 2 1 2 2 1 3 1 2 0.56
A22 1 2 0 2 2 2 1 2 2 1 3 1 2 0.56
A04 0 2 0 2 3 3 1 0 2 0 2 1 1 0.53
A11 1 1 1 1 2 2 2 2 2 0 3 1 2 0.52
A08 1 2 1 2 2 3 2 0 0 0 2 1 1 0.51
A20 0 1 0 2 2 1 1 2 2 1 3 1 2 0.44
A10 1 2 0 2 1 2 1 1 2 0 2 1 1 0.42
A15 1 1 0 1 2 1 1 2 2 1 3 1 2 0.42
A16 0 1 0 1 2 1 1 2 1 1 3 1 2 0.40
A24 0 1 0 1 2 1 1 1 2 0 3 1 2 0.37
A05 1 1 1 1 1 2 1 0 1 1 1 0 0 0.31
A13 0 0 0 0 1 1 1 0 2 0 2 1 1 0.20
A01 1 0 0 0 1 1 0 0 0 1 2 1 1 0.15
A14 0 0 0 1 1 1 1 0 1 0 0 0 0 0.13
A23 1 1 0 0 0 0 0 2 2 1 3 1 2 0.13
A06 0 1 0 0 0 0 0 2 1 0 3 1 2 0.09
A02 0 1 0 1 0 1 0 1 0 0 0 0 0 0.06
A12 0 0 1 0 0 1 1 0 0 1 0 0 0 0.04
A17 0 1 0 0 0 0 0 1 0 0 2 0 1 0.04
A19 1 0 0 0 0 0 0 1 1 0 1 1 1 0.03
A07 1 0 0 0 0 0 0 1 1 0 1 0 0 0.00
資料來源:作者自行整理
圖 5-3 基於學習概念的學生 RGSMSC 圖
資料來源:作者自行整理(
1,
0.6,
0.05)表5-8 A 班學生-問題表的局部灰關聯度與學生-概念表的局部灰關聯度
座號 A21 A09 A03 A18 A22 A04 A11 A08 A20 A10 A15 A16 LGRA-SP 1.000 0.856 0.856 0.570 0.570 0.364 0.495 0.304 0.495 0.364 0.495 0.364 LGRA-SC 1.000 0.907 0.791 0.560 0.560 0.532 0.519 0.506 0.444 0.421 0.421 0.399 座號 A24 A05 A13 A01 A14 A23 A06 A02 A12 A17 A19 A07 LGRA-SP 0.304 0.247 0.142 0.142 0.000 0.364 0.194 0.000 0.000 0.046 0.093 0.093 LGRA-SC 0.366 0.305 0.195 0.153 0.129 0.129 0.089 0.059 0.044 0.036 0.029 0.000 資料來源:作者自行整理
圖 5-4 LGRA-SP 與 LGRA-SC 的散布圖
資料來源:作者自行整理
第五節 本章小結論
同儕學習能夠補足教師對個別學生照顧之不足,讓學生可以個別化的教學支 援。在學習的過程中,由於師生的比例較低,小老師能即時指正錯誤,或給予適 當的回饋。無論對輔助教導的小老師和學生來說都是一個嶄新的嘗試。他們有共 同的目標,透過交流、指導和觀摩可促進學生之間的成長,能建立積極鼓勵與支 持的正向學習。
在本章中,提出兩個案例應用MSM 進行 RGSM 於同儕教學分析的研究分析,
分別基於學生答題反應與基於學習迷思概念,運用RGSM 的分析同儕教學間的學 生師徒配對結構。經實證研究與分析,得到以下的結果:
一、 基於學生答題反應,運用 RGSM 的同儕教學分析的實例,經過適當調整
,
與
值,可得到因基於學生的答題反應,提供教師進行同儕教學法,最合適的師徒同儕間的組合。
二、 基於學習迷思概念,運用 RGSM 的同儕教學分析的實例,經過適當調整
,
與
值,可得到因基於學生的學習概念狀態,提供教師進行同儕教學 法,採取基於學習迷思概念的另一個選擇,最合適的同儕間師徒組合。三、基於學生答題反應與基於學習迷思概念的局部灰關聯排序,顯示此兩方法排 序具高度相關,代表此方法的可信度與實用性很高。可應用基於學生答題反 應與基於學習迷思概念的局部灰關聯排序兩者排序的相關係數,檢定當初設 計的教學方法與所命試題是否可有效檢測教學內容,因此可提供教師一個新 檢測試題的方法。
第六章 應用 MSM 進行教學課程與 學習迷思概念分析
MSM 不僅可以涵蓋一般可達矩陣所建立之結構演算法,而且可對系統與系 統間來構造新的結構關係,以不同系統的矩陣進行運算,形成一種適用於可達矩 陣運算的結構分析方法。在本章提出三個應用MSM 方法進行教學課程與學習迷 思概念分析的研究實例,期望在教學現場,展現教育統計對於教育的重要性與迫 切性,第一節運用 MSM 進行教學課程的進度分析,第二節運用 MSM 進行學生 與答題反應分析,透過實例於第三節運用MSM 進行學生、問題與概念間的分析,
第四節為本章小結,說明這些實例之研究結果與可應用情況。