問卷收集完成，即進行路徑搜尋法演算以目標個體與受試者的概念 進行關聯比較，本研究為求探討企業資源規劃相關科系之在學生與在職 企業資源規劃人員於就業力知識結構上之差異，因此，本研究將在職企 業資源規劃人員設定為目標個體，而企業資源規劃相關科系之在學生為 受試者，再進行路徑搜尋法演算。
本研究以 Schvaneveldt(1990)發展出的知識網路組織工具(knowledge network organizing tool，KNOT)，將目標個體與受測者的問卷資料進行轉 換為接近性矩陣，再經由接近性矩陣計算出路徑搜尋法的網路圖。完整 流程如下所述：
以甲、乙之受測問卷為例，首先將兩問卷資料轉成接近性矩陣，以(甲) 為例將 A 至 F 的概念中以受試者問卷所填寫的資料輸入，進而形成三角 形關係矩陣，因此，5 代表概念間非常相關，1 代表非常不相關，轉換後 如圖 3-1 所示。
XXXVII
(甲) (乙) 圖 3-1 接近性矩陣
完成接近性矩陣後 KNOT 軟體會根據矩陣內容繪製路徑搜尋網路圖，
將非常相關的兩個節點進行連線。以圖 3-2(乙)為例，概念 A 與概念 C 及 F 非常相關，所以連線，但是 A 與 B、D、E 無非常相關，因此沒直接連 線，此圖可由 KNOT 軟體產出檔案，再以 pathfinder 軟體繪出單一受測 者之路徑搜尋圖。如圖 3-2 所示。
(甲) (乙) 圖 3-2 路徑搜尋網路圖
XXXVIII
以圖 3-2(甲)為例，路徑 A-B 有 1 個連結鏈，其距離值為 1；路徑 A-C 有 2 個連結鏈，其距離值為 2，以此類推可將路徑搜尋網路圖轉成圖形理 論距離矩陣，轉換後如圖 3-3 圖形理論距離矩陣所示，再將資料匯入 KNOT 中進行運算，即可得 GTD 指數。
(甲) (乙) 圖 3-3 圖形理論距離矩陣
計算 PFC 指數並以圖 3-4 路徑搜尋網路圖為例。
(甲) (乙)
圖 3-4 路徑搜尋網路圖
XXXIX
以圖 3-4(甲)與(乙)為例，首先確認(甲)與(乙)的鄰近節點，如(甲)圖 的節點 A，鄰近節點則 B、E、F，而(乙)圖的節點 A，則鄰近節點為 C、
F。整理如圖 3-5 所示。
圖 3-5 PFC 指數計算範例
最後將計算二個網路中鄰近節點的交集與聯集之商數。
假設(甲)節點 A，則交集為 1 聯集為 4 兩者相除即可得商數 0.25，又 例如節點 B 其交集為 3 聯集為 4，因此商數為 3 4=0.75，而最後將所有 節點之商數進行計算後，則進行商數平均，即可獲得 PFC 指數。
XL
第肆章 就業力知識結構
本章共分為四節，內容主要探討學生就業力知識結構，第一節為基 本資料分析、第二節信度及效度分析，第三節結構分析，第四節相似度 指數差異分析，分述如下。
第一節 基本資料分析
本研究抽樣對象之基本資料，學生包括年齡、性別、教育程度、目 前就讀院校、目前就讀學院、地區，而在職則年齡、性別、教育程度、
畢業院校、畢業學院、地區、工作年資等。
學生部分，男生比例 48.4%而女生比例 51.6%，此比例接近各半，學 生學歷大學佔 87.2%，研究所佔 12.8%。就讀院校為大學院校最多，佔 63.2%，技專院校為 36.8%。學生來源部分，以南部為最多，佔 51.2%，
其次為北部 28.8%，最後為中部 20%。學生的基本資料如表 4-1 左側所示：