合作與解釋影響科學推理作業的機制---口語資料之研究

行政院國家科學委員會專題研究計畫 成果報告

合作與解釋影響科學推理作業的機制: 口語資料之研究

計畫類別： 個別型計畫 計畫編號： NSC91-2511-S-009-009- 執行期間： 91 年 08 月 01 日至 92 年 07 月 31 日 執行單位： 國立交通大學工業工程與管理學系 計畫主持人： 洪瑞雲 報告類型： 精簡報告 處理方式： 本計畫可公開查詢

中 華 民 國 92 年 10 月 31 日

行政院國家科學委員會補助專題研究計畫成果報告

※※※※※※※※※※※※※※※※※※※※※※※※※

※ ※

※ 合作與解釋影響科學推理作業的機制：語文資料分析※

※ ※

※※※※※※※※※※※※※※※※※※※※※※※※※

計畫類別：ˇ個別型計畫

計畫編號：NSC 91 － 2511 － S － 009 － 009 －

執行期間：９1 年８月１日至９2 年７月３１日

計畫主持人： 洪瑞雲

執行單位：交通大學工業工程與管理系

中華民國 92 年 10 月 31 日

行政院國家科學委員會專題研究計畫成果報告

合作與解釋影響科學推理作業的機制：語文資料分析 計畫編號：NSC 91-2511-S-009-009 執行期限：92 年 8 月 1 日至 92 年 7 月 31 日 主持人：洪瑞雲1 計畫參與人員：黃文毅1 _孫正大1 1_{國立交通大學工業工程與管理學} 一、摘要 影響科學發現的因素有三：領域 知識、思考策略、及型態辨識（Klahr & Simon, 1999）。本研究的目的即在 探討其中的思考策略及型態辨識在 科學發現作業上的貢獻。型態辨識是 指由資料中認出規則性及規範此規 則性的屬性。我們推論法則發現過程 含假設產生與假設驗證兩部分。當人 要由有限的案例去推測其背後的法 則（假設）時，他必須在一個法則或 型態的集合中去辨識出可解釋已知 案例的可能法則；假設驗證則是運用 策略產生新的案例以利型態的辨 識、或法則的判斷。我們由 106 個大 學生從事 246 作業的過程中發現，預 測法則發現的重要因素為假設的提 出及測試的證據獲得專家程度的肯 證；而法則中所含的正確屬性的掌握 則主要是依賴一些簡單的測試策略 已對自己提出的假設中的屬性作修 改。此外，資料也顯示兩人合作以進 行法則發現作業時，發現的正確法則 數多於個別組、且合作組所掌握的關 鍵屬性高於個別組，但此二人在事後 單獨解題時，不論是正確法則或正確 的關鍵屬性量上皆無差異，顯示合作 主要的功效在領域知識的擴展。在解 題過程中從事解釋對屬性的掌握沒 有直接的助益，但可促進思考策略的 運用。 關鍵詞：科學發現、型態辨識、思考 策略、合作、解釋。 Abstract

The purpose of this study was to investigate the factors such as pattern recognition and reasoning heuristic in scientific discovery and the effect of collaboration and explanation on these process factors. To discover the rule behind a limited number of instances, one must be able to recognize the possible patterns/regularities in the observed instances. To vindicate the rule, one has to generate and test new instances in a manner that the

hypothesized patterns or rules can be discriminated and the correct rule can be decided (Klahr & Simon, 1999). The data from 105 college students solving 246 tasks showed that formation of hypotheses (thus, pattern recognition) and collection of positive evidences contribute positively to rule discovery.

Reasoning strategy nevertheless is central to identification of critical features that constitute a hypothesis. Working in dyad contributed positively to extraction of critical features in the problem and enhanced rule discovery. The benefit of collaboration on scientific discovery thus seems to lie in

enrichment of domain knowledge and feature identification. Explanation, in contrast, appears to highlight students’ falsification behaviors.

Key words: scientific discovery, pattern recognition, reasoning heuristic, collaboration, explanation. 二、緣由與目的 科學推理的歷程含有假設產生與 假 設 測 試 兩 個 階 段 。 就 假 設 產 生 而 言，科學法則或知識的推導過程中， 先是科學家透過他的經驗去觀察到某 些現象（稱為案例），並應用他的專 業知識去分析、推論造成這些現象的 理由，此即假設。由於假設是科學家 根據自己的想法推導出來的，此假設 是否可對應到客觀世界中的真相，科 學家本人並無法確定，因此必須以客 觀的方式加以檢定。

Klahr & Simon（1999）指出科學 家發現法則的歷程相當於一連串問題 解決的活動，在這過程中有三個因素 會影響一個人是否能提出良好的假設 並設計適當的實驗以驗證假設，一為 相關的領域知識、一為一些簡單的思 考的策略 (heuristics)、最後則是辨識 (recognition)的能力。所謂辨識能力是 指型態辨識（pattern recognition），即 由資料中辨認出有意義的規則性以作 為 法 則 導 出 的 依 據 （ Harverty, Koedinger, Klahr, & Alibali, 2000）。一 個型態是由一組屬性（feature）以特殊 固定的關係（configuration）重複呈現。 型態辨識因此包含由所觀察到的事物 中去分析、抽取出相關屬性與組合屬 性 間 關 係 等 兩 項 認 知 作 業 。 由 此 推 論，一個科學家和常人不同之處之一 是在於他們的長期記憶中含有大量的 知識，允許他們在此知識庫中搜尋、 找到可以解釋觀察到的現象的有意義 型態。在長期記憶的知識庫中搜尋可 用的知識型態所使用的思考方式及稱 為思考策略。思考策略可分成強策略 （ strong method ） 與 弱 策 略 （ weak method）。強策略指的是專門領域中 發展出來的特定解題與推論方法，如 數學規劃或邏輯推演。弱策略指的是 一般人普遍會使用的經驗式的解題技 巧如嘗試錯誤（generate and test）、手 段與目的分析（means-ends analysis）、 類比等。這些弱策略的共同特徵是它 們是人在找不到正確解題方法時，其 認知系統自然會由重複嘗試的經驗中 發展出來的的一些趨近目標的方式。 這些弱策略並不保證可以找到最佳解 或 正 確 解 答 ， 但 卻 是 人 在 陷 入 困 境 時，解困的一些認知策略，具有高度 的普遍性與一般性。

Klahr & Simon 強調，由於科學發 現時所面對的都是前人不曾解過的問 題 ， 因 此 強 策 略 在 此 並 無 太 大 的 助 益；相反的，由於科學發現有賴科學 家以超乎原領域的角度來思考問題， 弱策略反而會是主要的思考策略。因 此本研究的目的即在探討在法則發現

的作業中影響大學生的型態辨識與思 考策略的因素。 此外，就科學活動而言，每個科 學家都有屬於自己的學術社群。與同 儕 之 間 的 交 流 是 科 學 的 學 術 活 動 之 一。然直接探討合作對科學推理的重 要性的實證研究並不多。有少數研究 顯示，合作的情境有助於產生較佳的 假 設 （ Laughlin & Hollingshead, 1995），但合作對提高證偽的次數的 效果則不明顯(e.g., Gorman, Gorman, Latta, & Cunningham, 1984; Groman & Gorman, 1984)。 解釋是一種個人的認知活動。人對 自己的認知活動、內容加以解釋有助 於教材的學習，且可增加對閱讀材料 的批判思考能力、及問題解決與決策 能力(Chi，Bassok，Lewis，Reimann， & Glaser, 1989; Chi，de Leeuw，Chiu， & LaVancher, 1994;Cacioppo, et al., 1996; Stanovich & West, 1999; VanLehn, 1998; Keil & Wilson, 2000)。

本研究的另一目的在澄清合作與 解釋對科學法則發現的影響機制。就 前面的分析而言，假設形成所需的條 件是相關領域的知識。在沒有相關領 域的知識的引導的情形下，人要在紛 亂的現象中整理出一個條理、秩序是 不可能的。吳庭瑜、吳明樺、和洪瑞 雲(1998)以及洪瑞雲與吳庭瑜(2002)的 研究指出，有過合作經驗解歸納問題 的大學生，事後可以直覺的提出較正 確的初始假設，而可以不須太多的假 設檢定過程就得到正確的結論。由此 推論，合作的效果可能是由「專業知 識的分享」，豐富了個人的知識，進 而提昇了對可能法則的型態辨識的敏 感度而致。相反的，解釋對法則發現 的影響是在促使受試者產生較多樣的 假設及較多樣的測試方法。透過對自 己的認知活動的解釋，我們可能對問 題的特徵有較深刻的反省與認識，而 由反應所得到的回饋，若個人能加以 整理、反芻，也可幫助我們對問題與 此問題所對應的反應方式有一較確實 的掌握。解釋的作用整體而言是在養 成一個比較認真、嚴謹、多方思考的 思考者。 教導與學習科學推理的技能是個 重要的問題，如果一般人雖可以在熟 悉的領域中學會有效的產生假設、測 試假設；但換個不熟悉的領域則不 行，則其思考能力仍是有極大的限制 的。如果解釋的作用可養成一個較周 延的思考者，則它極可能是訓練一個 不受領域影響的科學思考能力的簡易 的方法了。此外，合作團隊的功效是 否只來自知識的分享（假設形成階 段），它對思考策略的培養是否真的 沒有長期的影響？這些問題的澄清有 助於我們規劃出更好的科學教育與工 作團隊。 在研究中我們將大學生隨機分派 至 2（合作、個別）X 2（有、無解釋） 的情境中，先以經驗的方式學習解 6 個類似 Wason 的 2-4-6 問題的數字問 題，然後再以個別的方式接受另 3 個 數字問題。受試者的解題過程。 二、方法 受試者 105 個大學生，其中一半的人以隨 機的方式配對形成 2 人一組，再將每 組學生隨機分派至有解釋或無解釋的 學習情境中。剩餘的學生隨機分派至

有解釋或無解釋的個別學習情境中。 科學推理作業

本研究中的實驗材料係以類似 Wason 的 2-4-6 作業（Wason &

Johnson-Laird，1972）的方式設計的。 練習（2 數字題）、學習階段（6 數字 題）、及測試階段（3 數字題） 自變項之操弄 本研究學習階段的主要目的是 （1）希望透過提供受試者正確答案做 為回饋可以促進受試者掌握正確的科 學推理方法，（2）進行自變項的操弄。 在此階段受試者將分別在合作或個別 的情境下進行六個數字的法則發現作 業；同時，在不同學習環境下的受試 者有一半將被教導要在解題的過程中 進行「解釋」的活動，一半受試者則 沒有此種教導。學習環境及解釋的操 弄說明如下： 應變項之測量 法則發現的工作就假設的產生部 分而言，主要衡量的是受試者由案例 中萃取出來的屬性及所架構出來的屬 性間關係，以假設數目、假設的種類、 假設中的屬性數，屬性的內容等向度 來探討型態辨識的行為。就假設的測 試方面而言，分別衡量使用的假設修 訂策略、找出正確的法則數、以及結 論中的法則的種類。就假設的種類、 假設修訂策略部分而言，我們由受試 者解決問題時之口語及書面資料中判 斷其使用的假設與真實法則的關係是 重疊、大於、小於、等於的關係或完 全無關。在遇到需要修改假設時，其 修改假設的策略是以增加屬性、或刪 除屬性、提出新假設、或同時增、刪 屬性的方式進行。 實驗程序 本研究的實驗程序主要分三個階 段：一為說明及練習階段，一為學習 階段，最後是測試階段。 學習階段。 經過兩個練習題之 後，受試者將在各自的實驗情境中， 嘗試去解六個題目（數字字串），實 驗者會在旁為其假設的測試案例是否 符合法則提供立即的回饋；在受試者 宣告其最後決定的法則後，並告訴他 們正確的法則做為回饋。 測試階段。在完成學習階段的六個 學習作業後，所有的受試者都得單獨 完成另外三個法則發現作業。在過程 中實驗者亦對每一測試案例提供回 饋，但在受試者最後宣告其發現的法 則時並不提供真實法則給受試者比 對。 三、結果與討論 1. 法則發現的歷程因素 由全體受試者在各變項間的的簡 單相關可以看出與正確率成正相關的 變項依序為：提出正確假設 (學習與測 試階段, r = .34, .35, p < .001)、提出範 疇大於真實法則的起始假設(學習與測 試階段, r = .22,.20, p < .05)提出範疇大 於真實法則的假設(學習階段，r = .32, p < .001)、肯證的次數(學習與測試階 段，r = .36, .29, p < .01)、證偽測試數 等(學習階段，r = .20, p < .05)、否證次 數(學習階段, r = .20, p < .01)。與正確 率成負相關的變項為提出範疇包含了 真實法則的起始假設(學習階段，r = -.26, p < .01, 測試階段, r = -.20, p < .05)，及起始假設中的屬性數目(學習 與測試階段，r = - .32, p < .01, r = - .19,

p < .05)。 下面以回歸分析的方式探討在法 則發現作業中影響發現正確法則及發 現正確法則中屬性的因素 學習階段。以所有與假設產生與 假設測試的歷程變項為預測子，正確 法則數為應變項.時，複相關係數為.70 (R2 = .49, p < .001, N = 97)。逐步回歸 分析的結果，5 個主要的預測法則發現 的因素共解釋了 37%的總變異，F (5/91) = 10.63, p < .001。這些變項依序 為：測試案例得到肯證的次數(β = .33)、起始假設中的屬性數(β = -.18)、提出正確的假設(β = .28)、測試 的無關屬性次數(β = -.34)、提出與真實 法則對立的假設數(β = .24)。由於真實 法則為未知，測試案例得到肯證的次 數、提出正確的假設、提出與真實法 則對立的假設數等變項可視為是運氣 或機率因素，因此，只有起始假設中 的屬性數、測試的無關屬性次數兩個 因素為受試者可直接控制的因素，顯 示掌握問題情境中的屬性是法則發現 的重要因素。 以所有與假設產生與假設測試的 歷程變項為預測子，測試中所含的正 確屬性數為應變項時，複相關係數 為.97 (R2 = .94, p < .001, N = 97)。逐步 回歸分析的結果，發現正確屬性的九 個預測因子中前 3 個均是與假設修正 相關的策略變項、分別是一次增加一 個屬性(β = .38)、同時增刪一個以上之 屬性(β = .30)、及一次刪除一個屬性(β = .18)等三個修改假設的方式，這三個 變向共解釋了 84%的全部變異量。加 入另外 6 個預測子，與假設產生數及 種類相關的變項以及所測試的不相關 屬性數%，只解釋了 9%的額外變異 量。這 9 個變項共解釋了 93%的全部 變異量，F (9/87) = 134.30, p < .001。 同樣的，由於受試者實際上並無法知 道假設與真實法則間的關係，因此上 述發現顯示受試者掌握問題中的相關 屬性的方式主要為一開始即盡量由問 題中萃取出屬性(β = .29)，接下來在使 用不同的假設修訂方式來確定這些屬 性的正確性。 測試階段。以所有與假設產生與 假設測試的歷程變項為預測子，正確 法則數為應變項時，複相關係數為.62 (R2 = .38, p < .001, N = 109)。逐步回歸 分析的結果顯示發現正確法則的五個 預測因子依序為：提出正確法則(β = .32)、測試案例得到肯證的次數(β = .33)、提出包含範圍較真實法則大的 起始假設(β = .24)、一開始就提出與真 實法則對立的假設(β = .24)、及測試案 例得到否證的次數(β = -.21)；這幾個變 項共解釋了 30%的全部變異量，F (5/104) = 8.88, p < .001。 以所有與假設產生與假設測試的 歷程變項為預測子，測試中所含的正 確屬性數為應變項時，複相關係數 為.97 (R2 = .93, p < .001, N = 109)。逐 步回歸分析的結果(表 4)，發現正確屬 性的九個預測因子中 8 個是與假設的 數目及種類相關的變項，以及所測試 的不相關屬性數。這 9 個變項共解釋 了 92%的全部變異量，F (9/100) = 124.80, p < .001。其中前 5 個變項依序 為：提出包含範圍較真實法則小的假 設總數(β = .47)、假設數(β = .89)、提 出包含範圍較與真實法則無關的假設 總數(β = -.28)、提出正確法則(β = .15)、測試的無關屬性次數(β = -.53)。 由於受試者在此 3 數字題前已有 6

題的學習經驗(有正確法則的回饋)，在 此階段又無正確法則的回饋，因此我 們推論這是為什麼在此階段假設產生 的活動比假設檢定的活動測試策略對 法則發現有較大貢獻的主要理由。 2. 合作與解釋的效果 法則發現的正確率。合作的效果 在法則發現的正確率上重部分重現吳 庭瑜、吳明樺、和洪瑞雲(1998)的研究 結果。在學習階段，合作組(M = 2.79, SD =1.26, N = 42)發現的正確法則數顯 著高於個別解題組(M = 2.09, SD =1.31, N = 55)，F (1/93) = 5.80, p < .05。解釋 的效果則不顯著，F (1/93) = 1.02, 合作 與解釋間也無交互作用 F (1/93) = 0.96。合作的情形下(M = 27.36, SD =9.05)，受試者得到的否證數也較個別 組多(M = 21.00, SD = 8.62)，F (1/93) = 11.79, p < .001，及做了較多的證偽測 試(合作, M = 11.26, SD = 8.32; 個別, M = 6.60, SD = 7.07)，F (1/93) = 8.52, p < .01，解釋的作用則只出現在有較多 的證偽測試(解釋, M = 10.44, SD = 9.07; 無解釋, M = 7.29, SD = 6.78)， F (1/93) = 3.59, p < .06，及較少使刪除屬 性的方式來修訂假設(解釋, M = 1.39, SD = 1.55;無解釋, M = 2.80, SD = 3.11)， F (1/93) = 7.09, p < .01，此外 解釋與合作在提出新假設方面則有顯 著的交互作用 F (1/93) = 9.28, p < .01，合作但無解釋組產生最多的新 假設(M = 11.13, SD = 8.14)，個別且無 解釋組產生的新假設最少(M = 4.94, SD = 4.78)，在有解釋的兩組中，合作 (M = 6.74, SD = 5.97)或個別解題(M = 8.14, SD = 5.02)產生的新假設數則極 相近。 在測試階段，合作與解釋的對正 確率則皆無影響。且合作對解題的歷 程變項幾乎全無影響。相反的，解釋 組測試時得到的否證數仍顯著較高(解 釋, M = 13.16;無解釋, M =11.07)，證偽 測試數也顯著較高( (解釋, M = 5.55; 無解釋, M =3.68)。解釋與合作的交互 作用在產生新假設數上仍然顯著，仍 然是合作但無解釋組產生最多的新假 設(M = 5.57)，個別且無解釋組產生的 新假設最少(M =2.45,)，在有解釋的兩 組中，合作(M =3.48)或個別解題(M =4.59)產生的新假設數則極相近。 3. 假設中的屬性分析 為了進一步解釋合作與解釋影響 法則發現的方式，我們特地分析了受 試者假設中所發現的的真實法則中的 屬性的數目，亦即，在學習階段，透 過實驗者所給的回饋，受試者其實可 以逐漸掌握真實法則中的屬性，他們 可應用這些屬性來建立一個法則空間 以縮小假設搜尋的範圍，並在測試階 段應用這些辨識出來的屬性進行假設 產生與測試的活動。我們分別計算受 試者在學習階段在 6 題數字題中所發 現的關鍵屬性的個數，以及在測試階 段在 3 題數字題中所發現的關鍵屬性 的個數，並分別計算他們在對這些關 鍵屬性所進行的測試總數、及去除對 同一屬性重複測試的情形之後，每一 題中測試的不同關鍵的數目。這三個 量數與學習階段的正確率成低的正相 關（分別是，.08，.14，.16）；與測試 階段的正確率相關分別 是.05，.10，.10。

型態辨識。在學習與測試階段 9 個 法則發現作業中共含 14 個數字屬性。 在測試階段 3 個法則發現作業中的屬 性均包含在學習階段的屬性集合中。 學習階段之型態辨識。資料分析 的結果顯示，在學習階段，受試者由 解 6 個練習題的過程中所掌握到的法 則中的關鍵數字屬性總數平均在 10 至 11 個之間，亦即整體而言受試者透過 回饋掌握了 78%問題情境中的 14 個關 鍵屬性。受試者所測試過的所有屬性 約 74％均是落在這些關鍵屬性的範疇 之中，不因合作或解釋與否而有差 異。單就各組找出的問題中的關鍵屬 性數而言，變異數分析的結果，僅合 作的效果接近顯著程度，F(1/61) = 3.02, p < .09。其中，合作組辨識的數字屬性 (M = 11.00, SD = 0.86, N = 20)比個別 組(M = 10.42, SD = 1.37, N = 45)稍 多。受試者在每一問題中平均測試的 不重複關鍵屬性數目則出現接近顯著 度的合作與解釋的交互作用，F(1/61) = 2.88, p < .10。主要的差異出現在合作 且有解釋與合作但無解釋的兩組之 間，合作但無解釋組在每一問題中會 測試的關鍵屬性(M = 25.90, N = 10)高 過合作且有解釋組(M =22.20, N = 10)；在個別的情境下，解釋(M = 24.21, N = 19)與無解釋(M = 23.04, N = 26)二 組在每一問題中所測試的不重複關鍵 屬性數則差異不大。這些關鍵屬性在 每一問題中被重複測試的關鍵屬性數 則無顯著差異。由此判斷，兩人合作 的情形下，對已知的關鍵屬性(由實驗 者所提供之回饋) 採取的集中測試（或 分散測試）的程度可能因解釋的要 求，進而影響合作且有解釋組的法則 發現績效(關鍵屬性的測試集中程度與 正確率呈低的正相關，r = .16, n = 65)。 型態辨識-測試階段。因為各組受試 者皆已有 6 次的學習各組在所發現的 關鍵屬性上並無差異，測試這些關鍵 性屬性的總次數也無差異，在每一問 題中所測試的不同關鍵屬性數也無差 異。 測試階段之測試策略。就 16 個關 鍵屬性而言，受試者在 3 題測試題上 再度使用的平均有 8.58 個(SD = 1.93)，合作或解釋並未造成差異，也 無交互作用。就這些關鍵屬性所進行 的重複測試總次數或每一問題中測試 所含的關鍵屬性個數而言，合作或解 釋也並未造成差異，也無交互作用。 關鍵屬性測試的比率． 若就每一題測 試的總數中裡所涵蓋的所有屬性中關 鍵屬性測試的比率而言，學習階段的 平均比率是 .73，合作與解釋對此比率 沒有產生任何影響。到測試階段時， 關鍵屬性的測試比率上升到 .80，合作 與解釋的交互作用顯著，F(1/79) = 3.90, p < .05。主要的差異出現在合作但無解 釋組在的所有測試的屬性中關鍵屬性 的測試率 (M = 0.74, N = 20) 低於合 作且有解釋組(M = 0.82, N = 20)，顯示 合作時無解釋組的集中測試策略到個 別測試時並無法延續、反而是合作且 有解釋組對關鍵屬性採取了較集中測 試的策略。在個別的情境下學習者到 測試時，有解釋組(M = .79, N = 18)與 無解釋(M =.82, N = 25)二組測試的集 中程度差距則較小。 就每一問題中所測試的不重複關 鍵屬性數與不重複的屬性總數間的比 率而言，學習階段的平均比率是 .70， 合作與解釋對此比率沒有產生任何影

響。到測試階段時，關鍵屬性的測試 比率上升到 .78，合作與解釋也出現接 近顯著程度的交互作用，F(1/79) = 3.24, p < .08。主要的差異出現在合作且有解 釋組所測試的關鍵屬性佔全部不重複 屬性的比率(M = 0.82) 高於合作且無 解釋組(M = 0.73)，顯示合作時無解釋 組到個別測試時所測試的關鍵屬性比 率下降、反而是合作且有解釋組對關 鍵屬性測試的涵蓋面較大。在個別的 情境下學習者到測試時，有解釋組(M = .78)與無解釋(M =.80)二組所測試的 屬性中關鍵屬性的涵蓋面差距不明 顯。 較由此判斷，兩人合作的情形 下，對已知的關鍵屬性(由實驗者所提 供之回饋) 採取的集中測試（或分散測 試）的程度可能因解釋的要求，進而 影響合作且有解釋組的法則發現績效 (關鍵屬性的測試集中程度與正確率呈 低的正相關，r = .16, n = 65)。但倒是 後需要個別解題時，合作且無解釋要 求組的受試者，在缺乏另一個人的知 識之支援下，對關鍵屬性的測試程度 將會下降 四、結論與自評 本研究的結果指出，促成科學法 則發現的因素主要為提出恰當的假設 及測試的證據獲得專家程度的肯證， 而測試的證據被專家的否定則對法則 的發現有負面的影響。假設的提出需 要領域知識才能由模糊的問題情境中 分離出關鍵的屬性，證需要良好的領 域知識在其他研究早已指出，科學發 現的過程中，真實法則是無從得知 的，因此科學家在研究過程中如何才 能趨近真實法則，其他科學家能否提 供專家程度的肯證就是一個重要的因 素。其他專家對自己所掌握的證據加 以反駁時，則對法則發現有不利的影 響，這結果和一般的直覺不同。一般 而言，研究中受試者舉出的測試案例 得到否證時，他們幾乎必然會回去修 訂原先的假設，但若修改假設的方式 不恰當，則可能離真實法則越來越 遠，來自專家的持續的否證極可能打 擊受試者的信心。研究中我們也觀察 到部分受試者因此而草率的在不顧各 種負面的證據下隨便下一個結論或放 棄嘗試。專家如何提供肯證與否證因 此也是科學教育的一個重點。 就修改假設的策略而言，一次增 加一個屬性或一次刪改一個屬性都可 促進關鍵屬性的確認，甚至一次同時 增加或刪改一個以上的策略都屬性可 促進關鍵屬性的確認。令人意外的 是，提出新假設對關鍵屬性的發現沒 有明顯助益，可能的解釋是提出新假 設時等於放棄了原先的假設中的所有 屬性，讓問題回到原點，因而增加了 法則發現的困難度。另一個可能的解 釋是提出新假設對法則發現的貢獻已 由假設相關的變項解釋了，因此在回 歸分析中，此變項的貢獻便不再顯著。 科學發現是複雜的創造思考活 動，合作有助於擴展個人的知識空 間，解釋則有利於自己對自己的想法 加以質疑，二者對假設產生的相關變 項和假設測試策略各有其功能，值得 科學教育者與科學工作者參考。 本研究所蒐集到的語文資料相當 龐大，這些資料的分析曠日廢時，目 前尚未完全分析完，有待繼續。

五、參考資料 吳庭瑜、吳明樺、洪瑞雲（1998）. 合作學習、解釋及發問架構提示對歸 納推理表現的影響。中華心理學刊， 40，117-136。 洪瑞雲、吳庭瑜（2002）. 法則發 現的背後：合作學習與提供解釋對科 學推理技能或得的影響。應用心理研 究，15，129-161。

Cacioppo, J. T., Petty, R. E.,

Feinstein, J. A., & Jarvis, W. B. (1996). Dispositional differences in cognitive motivation: The life and times of

individuals varying in need for cognition.

Psychological Bulletin, 119, 197-253.

Chi, M. T. H., Bassok, M. Lewis, M., Reimann, P., & Glaser, R. (1989).

Self-explanation: How students study and use examples in learning to solve problems. Cognitive Science, 13, 145-182.

Chi, M. T. H., de Leeuw, Chiu, M-H, & LaVvancher, C. (1994). Eliciting self-explanation improves understanding.

Cognitive Science, 18, 439-477.

Gorman, M. E. & Gorman, M. E. (1984). A comparison of

disconfirmatory, confirmatory and control strategies on Wason's 2-4-6 task.

Quarterly Journal of Experimental Psychology, 36, 629-648.

Gorman, M. E., Gorman, M. E.,

Latta, R. M., & Cunningham, G. (1984). How disconfirmatory, confirmatory and combined strategies affect group

problem solving. British Journal of

Psychology., 75, 65-97.

Haverty, L. A., Koedinger, K. R., Klahr, D., & Alibali, M. W. (2000). Solving inductive reasoning problems in mathematics: Not-so-trivial pursuit.

Cognitive Science, 23, 249-298.

Keil, F. C. & Wilson, R. A. (2000).

Explanation and cognition. Cambridge,

MA: MIT Press.

Klahr, D., & Simon, H. A. (1999). Studies of scientific discovery:

Complementary approaches and convergent findings. Psychological

Bulletin, 125, 524-543.

Stanovich, K. E., & West, R. F. (1999). Discrepancies between normative and descriptive models of decision making and the

understanding/acceptance principle.

Cognitive Psychology, 38, 349-385.

VanLehn, K. (1998). Analogy events: How examples are used during problem solving. Cognitive Science, 22, 347-388.

Wason, P. C., & Johnson-Laird, P. N. (1972). Psychology of reasoning:

Structure and content. London: