行政院國家科學委員會專題研究計畫 成果報告
邁向女科學家培育之路----從國際數學與科學成就評比資
料分析探索起(第 2 年)
研究成果報告(完整版)
計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 96-2522-S-004-001-MY2 執 行 期 間 ： 97 年 08 月 01 日至 98 年 07 月 31 日 執 行 單 位 ： 國立政治大學教育學系 計 畫 主 持 人 ： 余民寧 計畫參與人員： 碩士班研究生-兼任助理人員：趙珮晴 碩士班研究生-兼任助理人員：吳佳恬 博士班研究生-兼任助理人員：許嘉家 報 告 附 件 ： 出席國際會議研究心得報告及發表論文 處 理 方 式 ： 本計畫可公開查詢中 華 民 國 98 年 07 月 27 日
行政院國家科學委員會專題研究計畫成果完整報告
邁向女科學家培育之路----從國際數學與科學成就評比資料分析探索起（2/2） The way toward a female scientist--An exploratory study from the TIMSS data analysis.
計畫編號：NSC 96-2522-S-004-001-MY2 執行期限：民國96 年 11 月 1 日至 98 年 7 月 31 日 主持人：余民寧 國立政治大學教育學系教授 研究助理：許嘉家 國立政治大學教育學系博士生 研究助理：趙珮晴、吳佳恬 國立政治大學教育學系碩士生
中文摘要
本研究計畫的目的，旨在透過TIMSS 資料庫的二級資料分析，探究男女學生 在數學和科學學習成就上的差異情形，並且找出影響其學習興趣及學習成就之因素 路徑為何。最後，本研究企圖建構並驗證一套潛在的因素結構理論模型，作為詮釋 部分亞洲地區國家為何特有「高成就、低興趣」的數學和科學學習現象，同時詮釋 其中的性別差異涵義。研究發現，台灣兩性學生的數學和科學成就差距逐漸消弭， 但是影響學業成就和未來是否選擇數學和科學作為職業意圖的因素，卻有性別差異 存在。至於學生的學業成就，必須透過自我效能才能對學習興趣產生影響。最後， 本研究亦根據研究結果，提出在教育實務應用與未來繼續研究上的建議。 關鍵詞：TIMSS、學習成就、學習興趣、兩性平等、結構方程式模型、社會認知生 涯理論ABSTRACT
The purpose of this study is to do the secondary analysis of TIMSS dataset for investigating the learning differences in mathematics and science achievement, and for seeking out the factors that affected mathematics and science learning interests and their impact on mathematics and science achievement. Finally, a model will be constructed and verified to interpret the phenomenon of “high achievement, low interests” existed at some eastern countries. The results will explain the sex differences in performing the mathematics and science achievement and their learning interests. According to the results, the gap between male and female students in mathematics and science
achievement would narrow down gradually, and the impact factors on achievement and career-choice intentions would be different by gender and course subjects. The
performance accomplishments through self-efficacy had indirect effect on learning interests. Finally, according to the findings, some suggestions for future applications and researches were proposed based on the discussion of this study.
Key words: TIMSS, learning achievement, learning interests, gender equity, structural
equation modeling, social cognitive career theory
第一章
緒論
第一節
研究動機
1980 年代，台灣興起一股「新女性運動」，啟發了台灣當代的女權意識，並 帶動了女性主義的思潮。民間婦運團體「婦女新知基金會」，於1988 年進行全國 教科書大體檢，即發現國中小及高中教科書在圖文的呈現上，女性出現的機會都 遠低於男性，而且內容充滿了性別刻板印象及性別歧視的觀念。自此，女性的地 位與能力開始重新被看待、開始受到重視。直至1990 年代，政府推出「九年一貫 課程」、「十大基本能力」的教育改革，其中，「兩性平等」教育議題亦成為融 入教學的重大決策之一。黃幸美（1995）認為兩性能力的差異程度，近年來漸有 縮小的趨勢，此種能力差異的轉變，顯示社會結構與教育經驗因素影響的重要性。 然而，教改十幾年過去了，台灣依舊存在「性別差異」的問題（例如：Maccoby ＆ Jacklin 在 1974 年蒐集了約 1500 個與性別差異有關的研究，寫成一本書「性別 差異心理學」（The Psychology of Sex Difference），即指出男女的差異主要是在語 言能力、數學、視覺、空間能力、和攻擊性等領域（引自黃幸美，1995））。而 且，根據各項統計數字顯示，教育部（2009a）在高級人力的培育上，出現男學生 人數比例多於女學生人數比例的趨勢；教育部（2009b）和教育部（2009c）在科 系的選擇上，仍然有男性偏理工，女性偏文法商、家事或醫護類科的趨勢；而在 理工人才培育數量上，已有逐年遞降的趨勢，但仍然是男學生人數比例多於女學 生人數比例的趨勢。國外學者Williams 和 Subich(2006)也發現男性選擇實際操作和 研究領域的比例確實比女性高。 因此，國內「兩性平等」理念的主張與思潮，是否逐漸彌平、消除兩性差異呢？ 這個議題頗值得關注，值得再度深入探討研究。一方面是檢驗教改中的「兩性平等」 教育理念是否落實？另一方面，則是以更嚴謹的方法學檢驗科學學習成就是否真的 還存在著性別差異現象？我們假借國際評比的客觀資料，從中檢驗他國的經驗，看 看有無可供我國借鏡之處？凡此種種疑問與好奇心，均激起研究者高度濃厚的興趣 與動機，想去一窺事實的究竟到底應該為何？因此才會有本研究計畫的提出。本研 究期待未來如果能夠鼓勵更多女性投入參與接受培育成高級人力的話，尤其是增加 在數學、科學、工程學方面的高級人力之培育數量，則可能是未來有效提升國家競 爭力的策略之一。第二節
研究目的
本研究計畫的目的，旨在透過 TIMSS 資料庫的二級資料分析，探究男女學生 在科學學習成就上的差異情形，並且找出學習興趣影響其學習成就之因素路徑為 何，同時，亦檢定九年一貫課程推行至今（十餘年了），「兩性平等」的教育議題 是否已經融入中小學教育裡，而產生效果。最後，企圖建構並驗證一套潛在的因素 結構理論模型，作為詮釋部分亞洲地區國家為何特有「高成就、低興趣」的科學學 習現象，同時詮釋其中的性別差異涵義，以作為我國教育政策規劃之參考。茲說明 待答的研究問題如下： 一、1999 年到 2003 年台灣兩性學生的數學及科學成就發展趨勢為何？ 1.從 1999 年到 2003 年，台灣八年級男女學生在 TIMSS 數學及科學學習成就的 發展趨勢如何？是否存在著性別差異？ 2.從 1999 年到 2003 年，影響台灣八年級男女學生在 TIMSS 的數學及科學學習 興趣及學習成就的主要因素為何？是否有性別差異存在？ 二、2003 年台灣八年級兩性學生的數學及科學成就，影響其未來職業選擇意圖之因 素結構模型為何？是否有性別差異存在？ 本研究計畫所擬進行分析的資料數據，全部取自網路上國際官方組織所公告的 統計資料與報告書，每項指標數據均是已公開的訊息，資料來源的公正性、客觀性、 與參考價值是無庸置疑的，這些統計資料即作為本研究擬欲進行分析的數據。本研 究取得國際教育成就評比數據資料的來源為：http://timss.bc.edu/timss2003.html。第二章
文獻探討
第一節
台灣兩性差異的相關研究
國內知名學者楊龍立教授（1996），曾執行過有關科學教育中性別差異的一系 列問題研究，並彙整研究所得成為一本學術著作「男女學生科學興趣差異的評 析」，該書中鉅細靡遺地陳述男女學生在科學興趣差異的現況：（1）科學知識方 面：男生比女生興趣多，男生偏好物理方面，女生偏好生物方面；（2）對科學的 態度（喜好部分）：男生比女生態度積極，男生對物理的態度積極，女生對生物 的態度積極；（3）對科學課的態度（喜好部分）：男生態度比女生積極；（4） 選修科學課：男生人數多於女生，男生傾向物理科目，女生傾向生物科目；（5） 科學事業、生涯志向：男生較多興趣，男生傾向物質科學，女生傾向生命科學。 而造成男女學生科學興趣差異的原因，則有態度、成就、學科知識、教育環境、社會文化、家庭教養等，其背後甚至可以歸納出一個核心因素—即是「性別角色」 （sex role），也就是說，科學、科學家、科學家的人格特質、科學工作等形象， 一直被認為是屬於「男性」的形象。此種「性別角色」的刻板印象，造成全國家 長、老師、社會文化環境、甚至是女學生本身，都認為「科學是男性的學科」， 不適合女孩子學習，是故，產生如楊龍立教授所指稱「科學教育」中的性別差異 現象。
根據歷年台灣參與TIMSS(The Trend of International Mathematics and Science Study, TIMSS)的數據顯示，1999 年八年級男生在數學和科學的成就表現確實比女生 表現優異，但是在2003 年以後，八年級女生的數學成就已經超越男性，科學成就 已與男生幾乎不相上下，在在顯示過去女學生的數學和科學學習成就不如男學生的 情況已逐漸消弭，如表1 所示。由此可知，過去女學生在數學和科學學習成就不如 男學生的情勢，在日漸講求兩性平等教育的台灣，女學生的學習成就表現已在改善 之中。 表1. TIMSS 1999 年與 2003 年台灣男女學生學習成就表現一覽表 年度 年級 學科 男生 女生 數學 588.58 583.05 1999 八年級 科學 582.26 564.40 數學 582.75 589.72 八年級 科學 573.55 571.23 數學 564.57 564.96 2003 四年級 科學 554.56 549.53
資 料 來 源 ： 修 改 自 張 秋 男 主 編 （2003 ）、 TIMSS & PIRLS International Study Center(2001, 2005)。 根據教育部（2009a）各級學校性別資料顯示，各級學校男女學生的比例，從 民國75年以後，大學以下的教育程度（高職除外），即開始有逐年趨向「兩性平等」 的受教育機會均等發展趨勢，這是政府推動普及教育的結果。但在研究所以上的高 級人力，雖然女學生人數比例有逐年增加的趨勢，但整體而言，女學生人數比例還 是差男學生人數比例一大截，甚至，在愈高級的人力培育階段（如博士班程度）， 男女學生人數比率的差異程度，有愈趨懸殊的情況。再就教育部（2009b）94年高 職畢業生人數依學校類別和性別分類顯示，男性高職學生傾向就讀工業類科，而女 性則選擇商業、家事或醫護類科者居多；就學生科系的選擇而言，與傳統對性別成 就的認知相符，亦即男學生可能的確擅長理工，男學生可能依舊被期待選擇理工科 系就讀，而女學生則否。最後，以教育部（2009c）大專生各科系學生人數按科系 和性別區分，發現「工程、製造及營建業」類科的男女學生人數比率，已有逐年降 低的趨勢，只是女學生人數比率一直是偏低的。而與之相關的「科學」類科相比， 男女學生人數比率雖然都有逐年微量增加的趨勢，但在人數比率分佈上，亦是呈現 女學生人數比率大約為男學生人數比率的二分之一左右。如果這兩類科可以合併稱 作「理工科技」類科的話，則近十年來，我國大專校院所培育的「理工科技」人才
數量已有逐年遞降的趨勢，其中，尤以「工程、製造及營建業」類科的人數比率逐 年遞降較為明顯。這項數據顯示，教改推行十餘年後，國內培育的「理工科技」人 才明顯不足，這是一項不利於國家經濟建設長遠發展的警訊，值得重視。 綜合上述，台灣近年來兩性學生在科技知覺方面，呈現男高女低的情況，亦即 男性比女性在科技類科顯得積極，而且將之視為未來選課重心和職業志向，學者 將這個現象視為傳統性別角色的扮演使然。但是隨著時間演進，台灣兩性學生在 數學和科學學科成就已逐漸縮短差距，可是在兩性科系選擇方面，仍然脫離不了 兩性差異的傳統性別角色刻板印象的現象，女性選擇科技類科的人數仍明顯低於 男性，這個現象與這個現象所反映出的潛在涵義，不禁令人開始思索影響兩性職 業選擇的因素為何？這項議題因此列入本研究的待答問題之一。
第二節
影響學業成就的相關研究
國外的諸多研究（Hammouri,2004; House, 2000; Wilkins, 2004）發現，諸如：態 度、動機、教育期望、對能力的自信心、知覺到科學的重要性、自我概念、自我信 念等個人變項，是影響科學學習成就的直接因素；如：House（2006）以TIMSS資 料庫的國小學生資料為例，以多元迴歸方法分析美國和日本學生在數學自我信念和 學業成就之間的關係，研究發現：不同的自我信念對數學成就會產生不一樣的結 果，無論是美國或日本學生，高成就學生和在家勤奮學習呈現正向關係；而輔助學 生個人投入有效學習行為的各種支持資源（support）如：學生的家庭背景，是學生 個人學習成就有間接關係的影響因素（李宛真，2003；許崇憲，2002；陳江水，2002， 2003；陳建州，2000；謝孟穎，2003；謝雅恆，2003；魏麗敏、黃德祥，2001）。 其次，教師及教學背景、教師教學風格信念、課室內的練習、介紹新的數學議 題、家庭作業、和日常課室內活動等，都與學生的數學成就有關（侯怡如，2002； House, 2002; Lamb & Fullarton, 2002）。即使是提供學生充分進行學習的場所，亦可 能是影響學生教育成就高低的因素之一，如：Valentine, Cooper, Bettencourt和Dubois (2002)的研究即發現，自我信念會影響學生參與學校的課外活動，並且會促使後者 與學業成就之間有正相關存在。而Viadero（2008）運用「國際學生評量計畫」（Program for International Student Assessment, PISA）2006年的資料分析，探討改善美國學生學 業成就落後的因素，發現足以改變學生科學成績的因素如下：學生的學習時間、學 校的科學活動、學校入學門檻多元化、和班級能力分組等。 綜合上述，影響學習成就的原因眾多，不外乎是個人特質、家庭背景資源、教 師與學習資源、課程與教學、學校行政管理、甚至是國家的教育政策等（余民寧， 2006b；余民寧、趙珮晴、許嘉家，2009）。因此，本研究計畫即擬從國際評比的 資料出發，作為本研究進行二級資料分析的依據，以企圖去探索性別差異的相關問 題。
第三節
影響學業興趣的相關研究
Deci 與 Ryan（1985）提出的認知評價理論認為，外在環境會影響學生對自我 能力的知覺，進而影響學習動機和成就表現，此理論特別強調學生自主性對內在動 機的重要。Wigfield 和 Eccles（2000）的期望價值理論（expectancy-value theory） 則認為，天生氣質、社會化過程與先前經驗等因素，會影響個體的內在價值（intrinsic value），而內在價值就是引發個體學習事物的動力，等同於心理學常說的學習興趣， 通常內在動機高者，會有較佳的成就表現，反之，則較不理想。由此可知，認知評 價理論和期望價值理論均對學習興趣與學業成就保持正向樂觀的態度，如同教育界 對學習興趣的看法。 Schmakel（2008）為了探討早期青少年發展需求、教師教學設備、學習動機和 學業成就間的關係，以來自美國4 個種族多元的西部城市學校約 67 位七年級學生 為分析樣本，發現維持學生興趣的教學內容包含：有效的利用課堂時間、增加學習 挑戰性、分組教學法、和善用學生資源等；此外，教師要有感情的投入、尊重平等 的對待；父母也要以正向態度鼓勵學生。 台灣從一開始參與TIMSS 學業成就調查，台灣的成績在施測的國家中表現一 直十分優異。2003 年八年級學生，科學成績僅次於新加坡，數學成績則僅次於新 加坡、南韓和香港（Mullis, Martin, Gonzales, & Chrostowski, 2004）；至於近期2007 年八年級學生更是亮眼，科學成績依舊僅次於新加坡，而數學成績甚至位居第一 名(Mullis, Martin, & Foy, 2008)。由此可知，台灣學生的科學與數學成就是全世界 有目共睹的，然而詭譎的是學業成就成績雖高，但是學生對學科的喜好卻沒有因 此上升，這種「高成就低興趣」的現象，一反教育心理學所闡述的學習原理（余 民寧、韓珮華，2009）。 綜合上述，學業興趣是強調學生的內在動機，也是內在價值的展現，可以影響 學生的求學行為，促使學生有積極的求學表現，所以一般理論與教育界皆認為學業 成就和學業興趣之間呈現正向關係，其影響因素除了學生的歸因作用，還有父母、 教師和學校等其他因素。然而，台灣學生卻是學業成就雖高，但是對學科的喜好卻 沒有因此上升，形成「高成就低興趣」的現象，究竟學業成就和學習興趣在台灣學 生之間產生何種變化，頗值得深入研究。
第四節
影響職業意圖的相關研究
壹、影響職業意圖的因素
早期研究認為女性易受社會刻板印象的影響，被社會角色束縛而失去選擇自 由，對於新興行業（如：科技等），沒有能力和信心勝任這些工作(Hackett & Betz，1981)。近年來的一些移民國家，也紛紛認為學生在從事選擇職業的同時，依舊深受 種族背景的限制(Gill, Timpane, Ross, & Brewer, 2001; Koedel, Betts, Rice, & Zau, 2009)。
另外，也有諸多學者認為學業成就是影響未來職業科系選擇的重要因素。Schutz, West 和 Wobmann (2007)與 Wobmann, Ludemann, Schutz 和 West (2007)以經濟合作發 展組織(Organisation for Economic Co-operation and Development, OECD)的 37 個會員 國進行跨國比較，發現考試成績和教師評定對於學生的職業選擇有顯著影響，至於 社會經濟地位則沒有顯著影響。Bifulco, Ladd 和 Ross(2009)也認為學生會自行評估 自己的成就表現，對於未來的科系選擇會試圖與自我的學業成就相呼應，以符合自 身水準。
Greene, Miller, Crowson, Duke 和 Akey(2004)指出，高中生上課過程中的三種成 就動機因素對於學習認知策略有密切關係，分別是自我效能、成就目標、與知覺到 該學習是否具有工具價值，也就是說，個體成就動機將影響自我效能，同時也影響 個人後來的學習的信念（例如對於事物產生興趣）與努力程度，進而影響其未來科 系的選擇。
Dalgety 和 Coll (2006)研究學生是否繼續選擇化學就讀的因素，將同一批學生 分別在每個階段施予化學態度經驗量表(Chemistry Attitudes and Experiences Questionnaire)，第一階段到第三階段分別有 126、109 和 84 名學生，其中還抽取 19 名學生進行訪談，結果發現影響學生繼續就讀的因素包含：自我能有效掌握化 學內容的程度、早期的化學受教經驗，還有化學未來的實用價值等，這些因素都 會間接影響學生是否繼續就讀化學課程的意願。 綜合上述，影響學生職業科系選擇的因素大致可歸納為社會刻板印象、種族背 景、學業成就、自我效能等學習經驗，所以影響職業科系選擇的因素不可單一判 斷。但是，由於台灣不是種族多元化的國家，人口組成多數仍為漢人，所以排除 社會因素在外，本研究僅以學生的學業成就、自我效能及對學科的知覺進行分析， 從學生的角度來探討職業科系選擇的因素，相信學生會自我評估而化為職業科系 選擇行動。
貳、社會認知生涯理論
學生對未來科系的選擇，其實可以回溯到求學過程，因為求學過程的學習經驗 會促使學生發現自己的興趣所在，並且自我評估未來生涯。當職業意圖稍有定見 時，就會汲汲收集相關資料並且試圖轉變自己，使自己能夠順利進入相關學校系 所(Ashton, 2008; Lent, Hackett & Brown,1999)。而國中學生就是位於試圖轉變自己 的年紀，他們會選擇適合自己興趣的課程，這些課程大部分與自我評估的學校科 系以及職業有所關連(Turner & Lapan, 2005)。Wehmeyer和Schalock (2001)也指出， 自我的覺知和特質會互相整合成選擇各種類型大學教育的決定。顯然，學生對於 未來的意向，其實在國中階段就有所定見，而且自我內心逐一考慮各種因素而化成具體行動。
Lent, Brown 和 Hackett (1994)發表社會認知生涯理論(social cognitive career theory, SCCT)，修改自 Bandura (1986)所提出的社會認知理論(social cognitive theory)，強調自我效能、結果期待和選擇目標的關係，並且擴增考慮學生及其背景 對選擇行為的影響，試圖建立學生從學校求學經驗到未來職業選擇的過程(Lent & Brown, 1996)。Lent, Hackett 和 Brown(1999)表示，SCCT 理論最適合解釋學生從學 校到工作的轉變過程。 詳言之，社會認知生涯理論主要由三種模型交織而成，一為興趣模型，自我效 能和結果期待可以直接影響學生的興趣，但是學習經驗對興趣的影響微乎其微；二 為選擇模型，自我效能和結果期待可以直接影響學生選擇目標，或者透過興趣間接 影響；三為職業成就模型，自我效能會直接影響未來職業成就，或者成為學習經驗 的中介因素而影響未來職業成就，上述三種基本模型的路徑假設乃經過整合分析 (meta analysis)驗證而得(Lent & Brown, 1996; Lent, Brown & Hackett, 1994)。至於其 他個人先天條件、後天情境支持和情境對選擇目標的影響，則是假設會影響學生的 選擇目標和學習經驗，近日也有許多文獻針對這些變項進行路徑確認。Lent, Brown 和Hackett (2000)以文獻探討情境的助力與阻力對職業選擇的影響，試圖確認情境的 助力與阻力在SCCT的關係；而Lent, Brown, Nota和Soresi (2003)則是以荷蘭六種科 系高中生進行驗證，發現情境的助力與阻力對於學生的選擇目標並沒有直接影響， 反而是透過學生的自我效能產生間接影響力；Lent, Brown, Schmidt, Brenner, Lyons 和Treistman (2003)以主修機械的大學生進行研究，亦有相同的結論。其他研究亦認 為學生本身對職業科系的選擇即有所定見，透過自我求學經驗已具體內化為成實際 行動而做出選擇(Ashton, 2008; Lent, Hackett, & Brown,1999; Turner & Lapan, 2005; Wehmeyer & Schalock 2001)。
綜合上述，本研究將以社會認知生涯理論做為模型建構基礎，不考慮後天情境 與先天個人的遺傳因素，也不包含職業科系選擇後的發展成就，僅考慮學生本身在 求學過程中，學業成就對日後目標選擇之間所產生的影響進行探討，但是有鑑於社 會認知生涯理論乃假設學習經驗對選擇目標沒有直接影響，以及學習經驗對興趣沒 有直接影響，本研究根據上述文獻探討將自行增加上述兩條路徑進行研究，以詳細 瞭解學業成就在學生日後職業科系選擇的影響。研究模型架構詳見於圖1 所示。
個人條件 (種族或健康) 自我效能 學習經驗 選擇 選擇 專業表現 和成就 興趣 (學業成就表現) 行動 目標 結果 情境 期待 支持 - 將於本研究中探討的變項 - 不在本研究中探討的變項 - 將於本研究中探討的路徑 - 不在本研究中探討的路徑 - 將於本研究中探討的路徑，但是非 原始SCCT 模型所建立，乃根據 其他文獻支持其關係 情境對選擇目標的影響 圖1. 社會認知生涯理論
資料來源：修改自Lent, Brown & Hackett (1994, p.45)。
第三章
研究設計與實施
第一節
資料來源
自 1959 年以來，國際教育成就評鑑協會（International Association for the Evaluation of Educational Achievement, IEA）開始執行跨國學生學業成就的調查，於 1995、1999 和 2003 年分別進行每 4 年 1 次的調查，目的在於長期追蹤影響學生數 學與科學學業成就的課堂活動、家庭背景、和學校環境等相關因素；研究樣本為八 年級和四年級的學生；被調查的國家數逐年增加，2003 年有高達 48 個國家參與此 測驗，涵蓋世界五大洲，是諸多國內外學者進行跨國分析比較的良好資料庫（顧海 根，2008；Akiba, LeTendre, & Scribner, 2007; House, 2006; Schille, Khmelkov, & Wang, 2002）。雖然 2007 年的調查已完畢並公布，但資料尚未正式釋出。
本研究資料取自TIMSS 的 1999 及 2003 年台灣資料庫，受試對象為八年級學 生，所欲分析的資料如遇有缺漏值者，即以整列刪去法（list-wise deletion）刪除，
之後，再依據性別，分別進行影響兩性學生數學與科學成就因素的統計分析。此外， 為了確認本研究所建構之模型是否具有模型穩定性之特性，復以隨機分派方式，特 將TIMSS 2003 的男女同學樣本資料各分成建模樣本（calibration sample）與驗證樣 本（validation sample）兩群，其分佈情形如表 2 所示，以進行模型的交叉驗證分析 （cross-validation analysis）。一方面除了可以驗證本研究所提出模型的內部一致性信 度外，更可以確認模型是否具有推論至不同樣本的穩定性。 表2. 隨機分派 TIMSS 2003 兩性樣本的分配表 男生人數（百分比） 女生人數（百分比） 合計人數 數學 建模樣本 1304（50.19） 1294（49.80） 2598（100） 驗證樣本 1322（51.00） 1270（49.00） 2592（100） 合計 2626 2564 科學 建模樣本 1326（50.36） 1307（49.64） 2633（100） 驗證樣本 1375（51.61） 1289（48.39） 2664（100） 合計 2701 2596
第二節
資料處理
本研究進行二級資料分析，擬使用逐步多元迴歸分析（stepwise multipleregression analysis）、積差相關分析（product moment correlation analysis）、t 考驗（t test）等統計方法，作為回答 1999 年到 2003 年台灣八年級兩性學生數學及科學成就 的發展趨勢，以及探討影響其學習興趣和學習成就的因素為何，並分析是否存在著 性別差異等現象。
接著，以2003年台灣八年級兩性學生數學及科學的影響職業意圖因素之結構模 型，探討是否有性別差異存在。由於涉及兩性模型間的比較，本研究將採取多樣本 結構方程式模型（multi-group structural equation modeling）分析，以比較不同群組 間的效果差異，估計方法乃使用預設的最大概似估計法。本研究採取邱皓政（2003） 所建議的跨樣本二階段分析程序，第一階段為單樣本的基本模型檢驗；第二階段為 多樣本的不變性檢驗，逐步釋放兩性模型的自由度參數，然後以卡方值差異進行檢 驗。模型的檢定程序依據Bagozzi與Yi（1988）、Kline（2005）及余民寧（2006）等 人的建議，提出以基本適配度指標、整體適配度指標、比較適配度指標、及內在適 配度指標等觀點，作為檢定本模型適配度的依據。最後，本研究在建模樣本獲得適 配後，加入驗證樣本的分析，以進行最終適配模型的交叉驗證工作，同時採行嚴格 複製策略（tight replication strategy）與寬鬆複製策略（loose replication strategy）的 檢定作法，一樣比較兩者間的卡方值差異，以獲得模型穩定性（model stability）之 證據（余民寧，2006）。
徑，所擬建構之因素結構模型如圖2所示。 圖2. 社會認知生涯理論之結構關係模型圖
第四章
研究結果與討論
第一節
男女學生的數學及科學成就之發展趨勢及差異
壹、數學及科學學習成就之性別差異分析
表3 所示，為從 1999 年到 2003 年中，TIMSS 數學及科學成績之性別差異分析 結果，從數學成積發展趨勢來看，由 1999 年八年級男生的數學總成績較高，但到 了 2003 年時，八年級女生的數學成就卻反而較高；而從科學成積發展趨勢來看， 由1999 年八年級男生的科學總成績較高，但到了 2003 年時，八年級男女學生之間 β14 γ1 β13 β12 γ2 β34 γ3 β23 β24 γ4 學業 成就 X1 X2 X4 X5 X3 選擇 目標 η4 Y10 Y11 Y12 自我 效能 η1 Y1 Y2 Y3 Y4 Y5 ε1 ε2 ε3 ε4 ε5λy1 λy2 λy3 λy4 λy5
興趣 η3 Y9 Y8 結果 期待 Y7 Y6 δ1 λx1 . ε10 λy1 δ2 λx2 λy2 ε11 δ3 λx 3 λy3 ε 12 λx4 δ4 λx5 δ5 ε λy λy8 λy9 6 λy7 8 ε9 ε6 ε7
已經沒有顯著差異存在。其中，特別值得注意的現象是，1999 年的男生在數學和科 學上的表現似乎都比女生好，尤其是在科學方面更為明顯；但到了 2003 年時，情 形則相反過來，女學生在數學科的表現，已經趨向比男學生好，而在科學上的表現， 則逐漸呈現與男生之間沒有顯著差異的情況。 綜合上述，從跨年度的資料比較可以看出，整體長期而言，女學生的數學和科 學成就表現，似乎有逐年成長並迎頭趕上男生的現象，而男學生在相同科目成就上 的表現，則似乎有停滯進步的現象。由於我國參加TIMSS 評比的時間還不夠長久， 上述現象在未來是否會呈現為一種長期的發展趨勢，仍有待繼續觀察。 表3. TIMSS 1999 到 2003 中數學及科學成績之性別差異分析 年度 年級 學科成績 女生 男生 t 值 p 值 數學總成績 583.05(97.70) 588.58(109.11) -2.027 .043 代數 584.69(110.08) 589.74(118.18) -1.679 .093 資料 563.70(102.50) 556.21(111.22) 2.661 .008 數 576.64(96.85) 580.25(108.63) -1.332 .183 幾何 555.91(100.40) 565.85(105.95) -3.655 .000 測量 563.45(89.74) 568.15(99.91) -1.882 .060 科學總成績 564.40(81.41) 582.26(92.95) -7.765 .000 化學 557.08(95.02) 569.11(108.29) -4.710 .000 地球科學 519.22(82.97) 554.88(86.24) -16.02 .000 生命科學 546.17(90.89) 549.50(103.84) -1.284 .199 物理 545.31(93.43) 563.03(102.92) -6.845 .000 1999 八 年 級 環境科學 553.80(97.76) 574.12(104.59) -7.624 .000 數學總成績 589.72(92.73) 582.75(102.79) 2.604 .009 代數 594.13(102.62) 581.32(113.15) 4.340 .000 資料 571.86(78.13) 568.04(87.36) 1.687 .092 數 591.52(96.29) 585.03(106.87) 2.336 .020 幾何 599.42(104.89) 582.46(115.97) 5.616 .000 測量 572.86(89.81) 575.54(98.91) -1.037 .300 科學總成績 571.23(73.83) 573.55(81.71) -1.090 .276 地球科學 542.43(67.86) 553.99(77.17) -5.823 .000 生命科學 563.80(69.24) 564.57(78.16) -0.377 .706 物理 568.49(68.94) 571.48(77.80) -1.489 .137 化學 589.91(87.70) 582.50(96.85) 2.934 .003 2003 八 年 級 環境科學 561.21(60.32) 559.17(67.34) 1.170 .242 註：表中達顯著水準（即p＜.05）者，以灰黑色字體區塊，呈現數據較高者。
貳、影響數學及科學學習成就之相關因素
表4 所示，為從 1999 年到 2003 年中，影響八年級男女學生的數學及科學學習 成就因素的逐步回歸分析結果，僅列出個別預測變項解釋力大於10％以上者的變項名稱及其標準化回歸係數。由於 TIMSS 學生問卷中的答項，其計分係依據「非常 同意」、「同意」、「不同意」、「非常不同意」選項，依序給予 1、2、3、4 分不等， 因此，有些變項的計分和解釋必須反向的。 就影響數學學習成就的因素而言，由表 4 所示可知，「有時候在一開始的時候 我沒辦法瞭解一個新單元，我就再也不會真正瞭解它他」（1999 年八年級的學生問 卷內的題目）、「我的數學不錯」（2003 年八年級的學生問卷內的題目）是影響整體 學生數學學習成就的主要因素，其能解釋數學學習成就的變異數百分比約在19.5％ ～26.6％之間；若細部分成男女生來看，「有時候在一開始的時候我沒辦法瞭解一個 新單元，我就再也不會真正瞭解它」是1999 年八年級男生的主要影響因素；而「我 數學的成績通常表現很好」、「我的數學很不錯」、「我的數學不錯」等變項，卻是從 1999 年至 2003 年影響女生數學學習成就的一致的主要因素。由此可知，從 1999 年 至 2003 年的發展趨勢來看，大致上，影響女生數學學習成就的主要因素是「過去 在學校的數學成績即表現很不錯」，而影響男生數學學習成就的主要因素是「沒有 真正瞭解某個學習單元」和「過去在學校的數學成績即表現很不錯」兩者（余民寧、 趙珮晴、許嘉家，2009；余民寧、謝進昌、曾筱婕、詹雯靜，2007）。 就影響科學學習成就的因素而言，由表 4 所示可知，「雖然我盡力了，可是科 學對我而言還是比別人難」（1999 年八年級的學生問卷內的題目）、「上理化課時， 聽老師講課」（2003 年八年級的學生問卷內的題目）是影響整體學生科學學習成就 的主要因素，但其能解釋科學學習成就的變異數百分比僅約在 10.7％～13.9％之 間；若細部分成男女生來看，「雖然我盡力了，可是科學對我而言還是比別人難」 是 1999 年八年級男生的主要影響因素，而「上自然科學課時，我聽老師講課」和 「上理化課時，聽老師講課」則是 2003 年八年級男生的主要影響因素；而「上自 然科學課時，我聽老師講課」和「上理化課時，聽老師講課」則是 2003 年八年級 女生的主要影響因素。由此可知，從1999 年至 2003 年的發展趨勢來看，大致上， 影響女生科學學習成就的主要因素是「上自然科學課（或理化課）時，聽老師講課 的程度」，而影響男生科學學習成就的主要因素是「覺得科學對自己而言比對別人 困難」和「上自然科學課（或理化課）時，聽老師講課的程度」兩者（余民寧、趙 珮晴、許嘉家，2009；余民寧、謝進昌、曾筱婕、詹雯靜，2007）。 表4. TIMSS 1999 到 2003 中影響數學及科學學習成就因素之回歸分析 個別預測變項名稱（及其標準化回歸係數和解釋力） 年度 年 級 效標 變項 女生 男生 整體受試者 數學 總成績
Usually do well in Math.
β＝-.442, R2＝.195
I will never really understand it.
β＝.500, R2＝.250
I will never really understand it.
β＝.466, R2＝.217
1999 八 年
級 科學
總成績
Outside school studying science.
β＝.327, R2＝.107
More difficult than for classmate.
β＝.372, R2＝.139
More difficult than for classmate.
β＝.345, R2＝.119 數學
總成績
Agree\Usually do well in Math.
β＝-.502, R2＝.252
Agree\Usually do well in Math.
β＝-.539, R2＝.291
Agree\Usually do well in Math.
β＝-.515, R2＝.266
2003 八 年
級 科學
總成績
How often\Listen teacher lecture.
β＝-.368, R2＝.136
How often\Listen teacher lecture.
β＝-.383, R2＝.147
How often\Listen teacher lecture.
β＝-.373, R2＝.139
參、影響數學及科學學習興趣之相關因素
表5 所示，為從 1999 年到 2003 年中，影響八年級男女學生的數學及科學學習 興趣因素的回歸分析結果，僅列出個別預測變項解釋力大於10％以上者的變項名稱 及其標準化回歸係數。由於TIMSS 學生問卷中的答項，其計分係依據「非常同意」、 「同意」、「不同意」、「非常不同意」選項，依序給予 1、2、3、4 分不等，因此， 有些變項的計分和解釋必須反向的。 就影響數學學習興趣的因素而言，由表 5 所示可知，「數學令我厭煩」及「我 數學的成績通常表現很好」（1999 年八年級的學生問卷內的題目）、「與數學有關的 事我學得很快」和「我希望在學校多上一些數學課」（2003 年八年級的學生問卷內 的題目）是影響整體學生數學學習興趣的主要因素，其能解釋數學學習成就的變異 數百分比約在 12.4％～44.7％之間；若細部分成男女生來看，各年度影響男生數學 學習興趣的因素，與影響整體學生數學學習興趣的因素相同；而影響 1999 年八年 級女生數學學習興趣的因素，主要為「數學令我厭煩」及「我數學的成績通常表現 很好」兩者，但影響 2003 年八年級女生數學學習興趣的因素，主要為「我的數學 不錯」和「我希望在學校多上一些數學課」兩者。由此可知，從1999 年至 2003 年 的發展趨勢來看，大致上，影響女生數學學習興趣的主要因素為「數學令我厭煩」、 「過去我數學的成績通常表現很好」、及「我希望在學校多上一些數學課」三者， 而影響男生數學學習興趣的主要因素為「數學令我厭煩」、「過去我數學的成績通常 表現很好」、「我希望在學校多上一些數學課」、和「與數學有關的事我學得很快」 四者（余民寧、趙珮晴、許嘉家，2009；余民寧、謝進昌、曾筱婕、詹雯靜，2007）。 就影響科學學習興趣的因素而言，由表5 所示可知，「喜歡科學」（1999 年八年 級的學生問卷內的題目）、「我希望在學校多上一些理化課」和「與理化有關的事我 學得很快」（2003 年八年級的學生問卷內的題目）是影響整體學生科學學習興趣的 主要因素，其能解釋數學學習成就的變異數百分比約在 10.8％～55.2％之間；若細 部分成男女生來看，各年度影響男生和女生科學學習興趣的因素，皆與影響整體學 生科學學習興趣的因素相同。由此可知，從1999 年至 2003 年的發展趨勢來看，大 致上，影響女生和男生科學學習興趣的主要因素，為「喜歡科學」、「我希望在學校 多上一些自然科學（或理化）課」、及「與理化有關的事我學得很快」三者（余民 寧、趙珮晴、許嘉家，2009；余民寧、謝進昌、曾筱婕、詹雯靜，2007）。 表5. TIMSS 1999 到 2003 中影響數學及科學學習興趣因素之回歸分析 個別預測變項名稱（及其標準化回歸係數和解釋力） 年度 年級 效標 變項 女生 男生 整體受試者 1999 八 年 級 數學學 習興趣 Think\Math is boring. β＝-.481, R2＝.419Usually do well in Math.
β＝.371, R2＝.110
Think\Math is boring.
β＝-.481, R2＝.447
Usually do well in Math.
β＝.377, R2＝.107
Think\Math is boring.
β＝-.481, R2＝.437
Usually do well in Math.
科學學 習興趣 Like science. β＝-.725, R2＝.525 Like science. β＝-.742, R2＝.550 Like science. β＝-.743, R2＝.552 數學學 習興趣
Usually do well in Math.
β＝.476, R2＝.406
Would like more math.
β＝.415, R2＝.146
I learn things quickly in math.
β＝.479, R2＝.480
Would like more math.
β＝.412, R2＝.124
I learn things quickly in math.
β＝.475, R2＝.448
Would like more math.
β＝.406, R2＝.127 2003 八 年 級 科學學 習興趣
Would like to take more science.
β＝.455, R2＝.420
I learn things quickly in science.
β＝.402, R2＝.124
Would like to take more science.
β＝.512, R2＝.549
I learn things quickly in science.
β＝.400, R2＝.108
Would like to take more science.
β＝.485, R2＝.495
I learn things quickly in science.
β＝.405, R2＝.116 註：表中僅列出標準化回歸係數（即β）和解釋力R2≧.10 以上的個別預測變項。
肆、綜合討論
從1999 年至 2003 年的發展趨勢來看，女學生的數學及科學學習成就有逐年成 長並迎頭趕上男生的現象，而男學生在相同科目成績上的表現，則似乎有停滯發展 的現象。其中，影響女學生數學和科學學習成就的主要因素，多半與其「過去在學 校的數學成績即表現很不錯」、「花在研讀科學或做科學題目的時間多寡」、及「上 自然科學課（或理化課）時，聽老師講課的程度」等因素有關；而影響男學生數學 和科學學習成就的主要因素，多半與其「沒有真正瞭解某個學習單元」、「過去在學 校的數學成績即表現很不錯」、「覺得科學對自己而言比對別人困難」、和「上自然 科學課（或理化課）時，聽老師講課的程度」等因素有關。至於，影響女學生數學 和科學學習興趣的主要因素，多半與其「數學令我厭煩」、「過去我數學的成績通常 表現很好」、「我希望在學校多上一些數學課」、「喜歡科學」、「我希望在學校多上一 些自然科學（或理化）課」、及「與理化有關的事我學得很快」等因素有關；而影 響男學生數學和科學學習興趣的主要因素，多半與其「數學令我厭煩」、「過去我數 學的成績通常表現很好」、「我希望在學校多上一些數學課」、「與數學有關的事我學 得很快」、「喜歡科學」、「我希望在學校多上一些自然科學（或理化）課」、及「與 理化有關的事我學得很快」等因素有關，其中，影響男女學生的科學學習興趣的因 素則是完全相同的。 由此可見，男女學生過去對學習數學和科學的正向成就經驗（如：在校成績即 表現不錯），是影響其往後繼續學習數學和科學（如：喜歡數學和科學、希望多學 一些數學和科學課程）的動力所在（即維持高昂的學習興趣），並進而持續維持高 成就的主要因素之一。因此，數學與科學的課程設計、數學與科學教學方式的實施、 以及數學與科學教學評量方法該如何促進學生一開始學習即擁有正向的學習（成 就）經驗，是維持我國學生永續學習數學與科學的興趣，並促進數學與科學學習高 成就的主要因素之一，也是未來教育政策制訂時應該考量的關鍵要素之所在。第二節
影響男女學生職業意圖之因素模型
壹、測量變項的描述統計
本研究先針對數學和科學科目的兩性樣本，進行描述性統計分析，包含平均 數、標準差、偏態和峰度，以探索觀察變項是否具有常態分配特性，再以最大概似 估計法（maximum likelihood, ML）進行多樣本結構方程式模型分析。 觀察變項選取自TIMSS 2003 資料庫，包含數學與科學成就測驗和學生問卷。 在成就測驗方面，數學和科學分別由五個領域所組成，「數學成就」為數(X1)、代 數(X2)、測量(X3)、幾何(X4)和資料處理(X5)領域；至於「科學成就」則為科學(X1)、 化學(X2)、物理(X3)、地球科學(X4)和環境(X5)領域。在學生問卷方面，「自我效能」的觀察變項為表現不錯(Y1)、有點困難(Y2)、一開始無法理解(Y3)、非我擅長科目(Y4)
和學習有效率(Y5)所組成，其中Y2、Y3和Y4 已進行反向計分；「有用性」的觀察變
項為對日常生活有幫助(Y6)和有助於學習其他科目(Y7)；「學習興趣」的觀察變項 為想多上一些課(Y8)和喜歡該科目(Y9)；至於「選擇職業意圖」的觀察變項為需要 該科目進入理想學校(Y10)、喜歡有關該科目的工作(Y11)和需要該科目得到理想工作 (Y12)。學生問卷的題目，依數學和科學科目分別作答。 各觀察變項的平均數、標準差、偏態和峰度一覽表，呈現於表6。女學生平均 數介於3.04 到-.08 之間、標準差介於 1.03 到.76 之間、偏態（即g1值）介於.62 到-.62 之間，和峰度（即g2值）介於.53 到-.93 之間；男學生平均數介於 3.23 到-.06 之間、 標準差介於1.13 到.82 之間、偏態介於.35 到-.71 之間，和峰度介於.35 到-1.38 之間， 均符合Kline(2005)所提出之判斷變項資料是否為常態分配之條件：「偏態係數小於 3 及峰度係數小於 10」之標準，所以，表 6 資料顯示本表所擬分析之各變項資料係 呈現常態分配，可以使用最大概似估計法來進行參數估計分析。 表6. TIMSS 2003 兩性測量變項的描述性統計 數學 女(N=2564) 男 (N=2670) 潛在變項及觀察變項 M SD g1 g2 M SD g1 g2 數學成就(ξ1) X1 數 .03 .94 -.34 -.05 -.03 1.05 -.35 -.23 X2 代數 .06 .95 -.24 -.12 -.06 1.04 -.35 -.15 X3 測量 -.01 .95 -.40 .03 .01 1.05 -.41 -.08 X4 幾何 .08 .94 -.29 -.18 -.07 1.04 -.34 -.33 X5 資料處理 .02 .94 -.22 .14 -.02 1.05 -.27 .00 數學自我效能(η1) Y1 表現不錯 2.30 .85 .16 -.61 2.50 .92 -.02 -.84 Y2 有點困難 2.56 .87 -.08 -.67 2.56 .95 -.04 -.93 Y3 一開始無法理解 3.03 .91 -.62 -.47 3.00 .96 -.61 -.65 Y4 非我擅長科目 2.03 1.03 .56 -.93 2.35 1.13 .15 -1.38 Y5學習有效率 2.13 .82 .40 -.31 2.36 .94 .11 -.88
數學有用性(η1) Y6 對日常生活有幫助 2.93 .78 -.42 -.16 3.09 .82 -.71 .10 Y7 有助於學習其他科目 2.67 .84 -.21 -.50 2.74 .87 -.26 -.59 數學學習興趣(η3) Y8 想多上一些數學課 2.19 .84 .28 -.55 2.25 .93 .26 -.80 Y9 喜歡數學 2.22 .94 .27 -.88 2.39 1.02 .09 -1.11 選擇數學職業意圖(η4) Y10 需要數學進入理想學校 2.67 .92 -.14 -.83 2.72 .94 -.20 -.87 Y11喜歡有關數學的工作 1.95 .76 .62 .32 2.23 .86 .35 -.48 Y12 需要數學得到理想工作 2.39 .91 .14 -.78 2.50 .94 .05 -.89 科學 女(N=2577) 男 (N=2701) 潛在變項及觀察變項 M SD g1 g2 M SD g1 g2 科學成就(ξ1) X1 科學 -.01 .94 -.48 .51 .01 1.06 -.46 .11 X2 化學 .04 .95 -.31 -.04 -.04 1.05 -.23 -.30 X3 物理 -.02 .94 -.42 .22 .02 1.06 -.36 -.03 X4 地球科學 -.08 .93 -.41 .51 .08 1.06 -.46 .26 X5 環境 .02 .94 -.42 .53 -.02 1.05 -.51 .35 科學自我效能(η1) Y1 表現不錯 2.36 .78 .10 -.41 2.59 .85 -.07 -.62 Y2 有點困難 2.64 .84 -.19 -.52 2.67 .94 -.21 -.84 Y3 一開始無法理解 3.04 .84 -.55 -.33 3.04 .90 -.62 -.46 Y4 非我擅長科目 2.22 .95 .27 -.87 2.51 1.02 -.01 -1.12 Y5學習有效率 2.18 .78 .42 -.05 2.47 .89 .13 -.71 科學有用性(η1) Y6 對日常生活有幫助 3.00 .78 -.57 .10 3.10 .82 -.69 .01 Y7 有助於學習其他科目 2.36 .80 .29 -.31 2.48 .86 .18 -.63 科學學習興趣(η3) Y8 想多上一些科學課 2.33 .88 .23 -.64 2.54 .97 .00 -.98 Y9 喜歡科學 2.40 .89 .11 -.73 2.62 .96 -.13 -.93 選擇科學職業意圖(η4) Y10 需要科學進入理想學校 2.41 .91 .23 -.74 2.61 .94 .01 -.95 Y11喜歡有關科學的工作 2.02 .76 .59 .34 2.35 .89 .35 -.58 Y12 需要科學得到理想工作 2.21 .89 .42 -.52 2.43 .95 .20 -.87
註：觀察變項Y2、Y3和Y4 已進行反向計分。
貳、多樣本結構方程式模型分析
本研究在進行多樣本結構方程式模型分析時，在數學和科學科目的潛在變項殘 差矩陣估計時，皆出現非正定（not positive definite）訊息，由於非正定的訊息出現 於估算誤差矩陣的步驟裡，並非在核心矩陣之估計中，故，排除線性相依的狀況， 所以僅採將殘差矩陣限制估計之作法(Wothke, 1993)，以使程式能夠順利進行估計。
一、第一階段之基本模型檢驗 第一階段係根據模型假設，分別針對全體樣本、女性樣本和男性樣本進行模型 檢定，所以三個模型將具有相同自由度，以確保為相同模型結構。此階段的目的， 乃要求多樣本結構方程式模型必須在基礎模型適配的情形下，才可以進行多樣本之 間的比較，基礎模型檢驗結果呈現於表7。模型適配情況以參考卡方值不顯著、
RMSEA小於.10，且NNFI、CFI和GFI大於.90以上，作為檢定標準（Bagozzi & Yi, 1988; Kline, 2005；黃芳銘, 2002；余民寧, 2006）。
本研究模型的卡方值皆達顯著水準，表示理論模型與觀察資料並不適配，但是 由於卡方檢定對樣本數相當敏感，並且資料須嚴格符合多變量常態分配，一旦樣本 過大或資料偏離多變量常態分配，就會造成卡方統計量急遽上升而導致拒絕虛無假 設（Jöreskog & Sörbom, 1993），有鑑於本研究均使用大樣本研究設計，所以不以 卡方值作為單一考量，需要再參考其他適配指標。 在數學科目模型方面，RMSEA、NNFI、CFI 和 GFI 均達到適配門檻，而且數 值差異不大;至於在科學科目模型方面，RMSEA、NNFI、CFI 和 GFI 也均達到適配 門檻。相較而言，女性樣本似乎有較佳的適配情況；但整體說來，這三個模型之間 的差異還算小。 綜合上述，無論數學或者科學科目，全體樣本、女性樣本和男性樣本三者適配 指標均達到適配門檻，而且彼此間差異不大，所以可以進行下一階段的多樣本分析。 表7. 多樣本結構方程式模型之基礎模型檢驗
Model χ2 df p RMSEA NNFI CFI GFI
數學 全體樣本 1792.89 109 .000 .079 .97 .98 .92 男性樣本 843.02 109 .000 .072 .98 .98 .93 女性樣本 838.58 109 .000 .074 .97 .98 .93 科學 全體樣本 1927.46 109 .000 .081 .96 .97 .92 男性樣本 1062.84 109 .000 .085 .97 .97 .91 女性樣本 929.19 109 .000 .076 .97 .97 .92 二、第二階段之因素與結構的不變性檢驗 第二階段係根據第一階段已經確定適配的模型，利用多樣本結構分析進行不變 性的檢驗，以逐步開放部分參數估計不變性，由於不變性假設的模型屬於巢套模型 (nested model)，所以每開放部分參數則可以進行卡方值的顯著性檢驗，以檢驗其不 變性假設是否存在，以本研究為例，如果卡方值達到顯著，即表示男女樣本在此模 型假設中有所差異。 模型一為基準模型（baseline model），假設男生與女生因素結構完全相等，不
進行不變性假設，所以表示男生與女生兩個樣本單獨對模型進行估計;模型二為假設 男生與女生樣本在X 和 Y 因素負荷量具有不變性;模型三進一步假設男生與女生樣 本在測量殘差變異具有不變性;模型四則假設男生與女生樣本在潛在結構模型具有 不變性，至此階段，等於是假設因素和結構模型全部均具有不變性，亦即，所有參 數都被設定為相同估計。所有模型間的比較結果，均呈現於表8。 在數學科目方面，模型的適配度並沒有隨著不變性的增加而產生負面影響，在 RMSEA適配指標甚至逐漸下降。模型一與模型二的卡方值差異檢定，乃增加因素 負荷量不變性的假設，△χ2=51.94，△df=17，顯著水準為.01 的卡方分配臨界值為 33.409，本檢定結果達到統計顯著水準，顯示男性和女性在因素負荷量參數有顯著 差異；模型二與模型三的卡方值差異檢定，乃增加測量殘差變異不變性的假設，△ χ2=62.42，△df =17，顯著水準為.01 的卡方分配臨界值為 33.409，本檢定結果達到 統計顯著水準，顯示男性和女性在測量殘差變異有顯著差異；模型三與模型四的卡 方值差異檢定，乃增加潛在結構模型不變性的假設，△χ2=16.42，△df =10，顯著 水準為.05 的卡方分配臨界值為 18.307，本檢定結果未達統計顯著水準，顯示男性 和女性在潛在結構模型沒有顯著差異，表示兩性在數學科目的潛在變項路徑具有相 等性。 在科學科目方面，模型的適配度隨著不變性的增加稍稍產生負面，整體來說沒 有明顯差異。模型一與模型二的卡方值差異檢定，乃增加因素負荷量不變性的假 設，△χ2=86.93，△df =17，顯著水準為.01 的卡方分配臨界值為 33.409，本檢定結 果達到統計顯著水準，顯示男性和女性在因素負荷量參數有顯著差異；模型二與模 型三的卡方值差異檢定，乃增加測量殘差變異不變性的假設，△χ2=62.42，△df =17，顯著水準為.01 的卡方分配臨界值為 33.409，本檢定結果達到統計顯著水準， 顯示男性和女性在測量殘差變異有顯著差異；模型三與模型四的卡方值差異檢定， 乃增加潛在結構模型不變性的假設，△χ2=24.41，△df =10，顯著水準為.01 的卡方 分配臨界值為23.209，本檢定結果達到統計顯著水準，顯示男性和女性在潛在結構 模型有顯著差異。 不變性假設所開放的參數估計，只要卡方值差異達到顯著，即應該針對這些參 數估計進行討論。 表8. 多樣本分析模型適配度評估摘要
數學 χ2 df p RMSEA NNFI CFI
階段一 全體樣本 1792.89 109 .000 .079 .97 .98 男性樣本 843.02 109 .000 .072 .98 .98 女性樣本 838.58 109 .000 .074 .97 .98 階段二 △χ2 △df 模型一 1681.60 218 .000 .073 .97 .98 模型二 1733.54 235 .000 .071 .97 .98 51.94** 17 模型三 1795.96 252 .000 .070 .98 .98 62.42** 17 模型四 1812.38 262 .000 .069 .98 .98 16.42 10
科學 χ2 df p RMSEA NNFI CFI 階段一 全體樣本 1927.46 109 .000 .081 .96 .97 男性樣本 1062.84 109 .000 .085 .97 .97 女性樣本 929.19 109 .000 .076 .97 .97 階段二 △χ2 △df 模型一 1992.03 218 .000 .081 .97 .97 模型二 2078.96 235 .000 .079 .97 .97 86.93** 17 模型三 2152.76 252 .000 .079 .97 .97 73.80** 17 模型四 2177.17 262 .000 .078 .97 .97 24.41** 10 註：*p<.05；**p<.01.
參、結構方程式模型之參數估計與適配度檢定
由於多樣本結構方程式模型檢定分析時，已經初步進行整體和比較適配度指標 檢定，詳細可參考表7 和表 8 所示，以下不再贅述。 一、數學科目之模型參數估計與適配度檢定 （一）基本適配度考驗 數學科目的標準化參數估計呈現如表 9 所示，由於經過多樣本結構方程式模型 檢定分析，將卡方值未達顯著差異的參數視為相等，所以男性和女性的潛在結構模 型視為具有不變性，至於其他達顯著之參數則分別進行分析。表9 顯示兩性測量模 型估計參數的因素負荷量（即λ 值）和誤差變異數皆達顯著水準，t 值的絕對值皆 大於2.54，達到統計.01 顯著水準。 表9. 數學科目的參數顯著性考驗及完全標準化估計值 標準化估計值 t 值 標準化估計值 t 值 女 男 女 男 女 男 女 男 λx1 .98 .99 50.76 51.59 δ1 .04 .03 14.63 13.10 λx2 .94 .98 47.65 47.84 δ2 .11 .10 21.90 22.24 λx3 .97 .97 49.77 50.21 δ3 .06 .05 18.02 18.82 λx4 .95 .98 47.33 48.18 δ4 .10 .09 21.69 22.00 λx5 .86 .88 39.99 41.38 δ5 .26 .23 24.21 24.38 λy1 .84 .82 35.65 34.47 ε1 .29 .33 18.03 19.20 λy2 .51 .53 18.87 19.62 ε2 .74 .72 24.35 24.34 λy3 .55 .50 20.20 18.33 ε3 .70 .75 24.16 24.52 λy4 .74 .72 29.95 28.70 ε4 .45 .48 21.68 22.26 λy5 .79 .82 32.46 34.41 ε5 .38 .33 20.45 19.25 λy6 .69 .72 22.52 24.09 ε6 .52 .48 16.90 16.57 λy7 .72 .74 23.13 24.68 ε7 .48 .42 15.56 15.23 λy8 .67 .74 20.16 22.36 ε8 .55 .42 22.40 21.55 λy9 .90 .92 21.59 22.85 ε9 .18 .15 9.18 8.41
λy10 .68 .72 20.34 21.44 ε10 .53 .49 20.68 20.34 λy11 .80 .79 22.22 22.82 ε11 .37 .37 16.10 17.13 λy12 .68 .73 20.21 21.65 ε12 .54 .47 20.83 20.03 γ1 .63 27.67 β13 .75 17.84 γ2 -.05 -1.55 β14 .22 4.12 γ3 -.02 -.92 β23 .23 9.53 γ4 -.09 -3.92 β24 .53 13.50 β12 .53 14.63 β34 .26 4.79 （二）內在適配度考驗 表10顯示，數學科目兩性測量模式的個別信度指標共有8個低於.50的標準，顯 示這些觀察變項可能隱含著測量不到的誤差存在；潛在變項的組合信度均達「.60 以上」的評鑑標準；最後，在平均變異抽取量方面，除了潛在變項「自我效能」偏 低外，其餘潛在變項的變異抽取量均達.50以上之標準。 表10. 數學觀察變項之個別指標信度及潛在變項的組合信度與平均變異抽取量 個別變項 信度指標 潛在變項的 組合信度 平均變異 抽取量 變項 女 男 女 男 女 男 數學成就(ξ1) .975 .979 .886 .902 X1 數 .96 .97 X2 代數 .89 .90 X3 測量 .94 .95 X4 幾何 .90 .91 X5 資料處理 .74 .77 數學自我效能(η1) .821 .815 .488 .479 Y1 表現不錯 .71 .67 Y2 有點困難 .26 .28 Y3 一開始無法理解 .30 .25 Y4 非我擅長科目 .55 .52 Y5學習有效率 .62 .67 數學有用性(η1) .665 .703 .499 .542 Y6 對日常生活有幫助 .48 .52 Y7 有助於學習其他科目 .52 .55 數學學習興趣(η3) .772 .829 .633 .710 Y8 想多上一些數學課 .45 .55 Y9 喜歡數學 .82 .85 選擇數學職業意圖(η4) .704 .790 .521 .558 Y10 需要數學進入理想學校 .47 .51 Y11喜歡有關數學的工作 .63 .63 Y12 需要數學得到理想工作 .46 .53
註：觀察變項Y2、Y3和Y4 已進行反向計分。
二、科學科目之模型參數估計與適配度檢定 （一）基本適配度考驗
科學科目的標準化參數估計呈現如表11 所示，由於經過多樣本結構方程模型 檢定分析，卡方值均達顯著差異，所以參數估計都分別進行分析。表11 顯示，兩 性測量模型估計參數的因素負荷量（即λ 值）和誤差變異數皆達顯著水準，t 值的 絕對值皆大於2.54，達到統計.01 顯著水準。 表11. 科學科目的參數顯著性考驗及完全標準化估計值 標準化估計值 t 值 標準化估計值 t 值 女 男 女 男 女 男 女 男 λx1 .88 1.03 46.04 47.63 δ1 .08 .09 17.95 18.04 λx2 .86 .99 43.00 45.50 δ2 .15 .13 21.38 21.21 λx3 .86 1.03 45.52 47.24 δ3 .09 .10 18.80 18.86 λx4 .86 1.01 44.49 46.31 δ4 .11 .12 20.10 20.32 λx5 .81 .93 38.85 40.52 δ5 .23 .26 23.24 23.72 λy1 .78 .83 32.95 32.67 ε1 .31 .39 18.03 19.30 λy2 .47 .54 17.59 19.07 ε2 .68 .80 24.39 24.46 λy3 .46 .48 17.04 16.72 ε3 .72 .84 24.47 24.80 λy4 .67 .69 26.40 25.76 ε4 .49 .59 22.18 22.91 λy5 .75 .87 32.48 33.65 ε5 .30 .37 18.49 18.38 λy6 .73 .76 23.46 24.00 ε6 .47 .43 18.66 17.24 λy7 .79 .78 24.57 24.13 ε7 .35 .42 14.29 16.62 λy8 .74 .81 20.29 22.22 ε8 .40 .39 20.42 20.07 λy9 .90 .94 19.71 21.49 ε9 .17 .13 9.28 7.80 λy10 .82 .81 23.62 25.38 ε10 .33 .34 18.22 19.24 λy11 .74 .91 23.32 26.19 ε11 .31 .30 19.05 16.49 λy12 .83 .83 23.98 25.52 ε12 .29 .34 16.81 18.92 γ1 .42 .44 13.37 14.20 β13 .63 .62 13.15 13.14 γ2 .07 -.04 2.15 -1.08 β14 -.03 .24 -.51 4.13 γ3 -.05 -.05 -2.26 -2.09 β23 .30 .37 7.86 9.20 γ4 .02 0 .68 -.13 β24 .61 .54 10.79 9.64 β12 .57 .69 13.36 14.66 β34 .27 .12 4.06 1.88 （二）內在適配度考驗 表12顯示，科學科目兩性測量模式的個別信度指標共有4個低於.50的標準，顯 示這些觀察變項可能隱含著測量不到的誤差存在；潛在變項的組合信度均達「.60 以上」的評鑑標準；最後，在平均變異抽取量方面，除了潛在變項「自我效能」偏 低外，其餘潛在變項的變異抽取量均達.50以上之標準。 表12. 科學觀察變項之個別指標信度及潛在變項的組合信度與平均變異抽取量 個別變項 信度指標 潛在變項的 組合信度 平均變異 抽取量 變項 女 男 女 男 女 男 科學成就(ξ1) .965 .973 .847 .877 X1 科學 .90 .93 X2 化學 .83 .88 X3 物理 .89 .92 X4 地球科學 .87 .90
X5 環境 .74 .77 科學自我效能(η1) .797 .795 .451 .450 Y1 表現不錯 .66 .64 Y2 有點困難 .24 .27 Y3 一開始無法理解 .23 .21 Y4 非我擅長科目 .47 .45 Y5學習有效率 .65 .67 科學有用性(η1) .738 .736 .585 .583 Y6 對日常生活有幫助 .52 .58 Y7 有助於學習其他科目 .63 .60 科學學習興趣(η3) .825 .855 .704 .748 Y8 想多上一些科學課 .56 .65 Y9 喜歡科學 .81 .88 選擇科學職業意圖(η4) .860 .869 .672 .689 Y10 需要科學進入理想學校 .66 .67 Y11喜歡有關科學的工作 .63 .74 Y12 需要科學得到理想工作 .70 .68
註：觀察變項Y2、Y3和Y4 已進行反向計分。
肆、潛在變項之間的效果量
除了模型適配之外，尚須進一步比較各潛在變項之間的效果，效果包括直接效 果和間接效果，其總合即為總效果，以進而比較線性關係的效果貢獻。 一、數學科目之潛在變項間的效果量 數學科目模型的潛在線性關係和效果量，呈現如表 13 和圖 3 所示。 就「數學成就」效果方面，對「數學自我效能」(γ1＝.63)、「數學有用性」（γ2＝ -.05）、「數學學習興趣」（γ3＝-.02）和「選擇數學職業意圖」（γ4＝-.09）產生直接效 果，但是對「數學有用性」（.33）、「數學學習興趣」（.53）和「選擇數學職業意圖」 （.42）的間接效果似乎比直接效果來的大。由此可知，「數學成就」的直接效果除 了對「數學自我效能」比較明顯外，其他變項似乎是間接效果比較大。 就「數學自我效能」效果方面，對「數學有用性」（β12＝.53）、「數學學習興趣」 （β13＝.75）和「選擇數學職業意圖」（β13＝.22）產生直接效果，但是對「數學學習 興趣」（.12）和「選擇數學職業意圖」（.51）產生間接效果，所以對「選擇數學職 業意圖」的間接效果大於直接效果。由此可知，「數學自我效能」對「數學有用性」、 「數學學習興趣」和「選擇數學職業意圖」均產生顯著效果，而對「選擇數學職業 意圖」的間接效果大於直接效果。 就「數學有用性」效果方面，對「數學學習興趣」（β23＝.23）和「選擇數學職 業意圖」（β24＝.53）產生直接效果，但是對「選擇數學職業意圖」（.06）產生間接 效果。由此可知，「數學有用性」對「數學學習興趣」和「選擇數學職業意圖」均 產生顯著效果。就「數學學習興趣」效果方面，對「選擇數學職業意圖」（β34＝.26）產生直接 顯著效果。由此可知，「數學學習興趣」越高對「選擇數學職業意圖」就越高，乃 一種正向的關係。 綜合上述，「數學成就」和「數學自我效能」如果要對「選擇數學職業意圖」 產生影響效果，直接影響的效果有限，必須透過「數學有用性」和「數學學習興趣」 才有顯著的影響效果；換句話說，「數學成就」和「數學自我效能」要影響「選擇 數學職業意圖」，必須藉由「數學有用性」和「數學學習興趣」產生中介效果，表 示學生心中對數學的知覺過程大於自己能夠掌握的能力，只要覺得數學對未來有所 助益和充滿喜愛，即會提高對「選擇數學職業意圖」的可能性。 圖3. 數學科目之社會認知生涯理論的標準化參數估計路徑關係圖 註：1. *p<.05；**p<.01。觀察變項的因素負荷量和測量誤差皆達.01 顯著水準。 2.併陳數據，左邊為女生；右邊為男生。如果只呈現單一數據，表示經過多群 組分析，顯示兩性並無顯著差異。 表13. 數學科目之標準化效果量 依變項（內衍潛在變項） 自變項 η1數學自我 效能 η2數學有用 性 η3數學學習 興趣 η4選擇數學 職業意圖 .63** .75** .22** .53** -.02 .26** -.05 .23** .53** -.09** 數學 成就 X1 X2 X4 X5 X3 選擇數學 職業意圖 Y10 Y11 Y12 數學自 我效能 Y1 Y2 Y3 Y4 Y5 .28/.34 .69/.76 .69/.77 .41/.53 .34/.36 .83/.83 .50/.55 .54/.51 .71/.75 .74/.86 數學學 習興趣 Y9 Y8 數學 有用性 Y7 Y6 .03/.03 .54/.48 .93/1.04 .10/.11 .69/.71 .89/1.00 .32/.42 .74/.84 .92/1.02 .05/.06 .67/.73 .89/1.00 .53/.48 .09/.10 .82/.92 .23/.25 .65/.76 .87/.95 .70/.71 .71/.75 .52/.49 .17/.16 .53/.48 .47/.46
ξ1數學成就 直接效果 .63** -.05 -.02 -.09** 間接效果 .33** .53** .42** 外衍變項 總效果 .63** .29** .52** .33** η 能 1數學自我效 直接效果 .53** .75** .22** 間接效果 .12** .51** 總效果 .53** .87** .72** η2數學有用性 直接效果 .23** .53** 間接效果 .06** 總效果 .23** .59** η3數學學習興 趣 直接效果 .26** 間接效果 內衍變項 總效果 .26** *p<.05；**p<.01 二、科學科目之潛在變項間的效果量 科學科目模型的潛在線性關係和效果量，呈現如表 14 和圖 4 所示。 就「科學成就」效果方面，對「科學自我效能」(女γ1＝.42/男γ1＝.44)、「科學 有用性」（女γ2＝.07/男γ2＝-.04）、「科學學習興趣」（女γ3＝-.05/男γ3＝-.05）和「選 擇科學職業意圖」（女γ4＝.02/男γ4＝0）產生直接效果，但是對「科學有用性」（女.24/ 男.30）、「科學學習興趣」（女.37/男.36）和「選擇科學職業意圖」（女.26/男.28）的 間接效果似乎比直接效果來的大。由此可知，「科學成就」的直接效果除了對「科 學自我效能」比較明顯外，其他變項似乎是間接效果比較大。 就「科學自我效能」效果方面，對「科學有用性」（女β12＝.57/男β12＝.69）、「科 學學習興趣」（女β13＝.63/男β13＝.62）和「選擇科學職業意圖」（女β13＝-.03/男β13 ＝.24）產生直接效果，但是對「科學學習興趣」（女.18/男.25）和「選擇科學職業 意圖」（女.57/男.47）產生間接效果，所以對「選擇科學職業意圖」的間接效果大於 直接效果，此現象為女學生比男同學更明顯。由此可知，除了女學生對「選擇科學 職業意圖」只有間接效果外，「科學自我效能」對「科學有用性」、「科學學習興趣」 和「選擇科學職業意圖」產生顯著效果，而對「選擇科學職業意圖」的間接效果大 於直接效果。 就「科學有用性」效果方面，對「科學學習興趣」（女β23＝.30/男β23＝.37）和 「選擇科學職業意圖」（女β24＝.61/男β24＝.54）產生直接效果，但是對「選擇科學 職業意圖」（女.08/男.04）產生間接效果。由此可知，除了男學生「科學有用性」對 「選擇科學職業意圖」沒有間接效果外，「科學有用性」對「科學學習興趣」和「選
擇科學職業意圖」均產生顯著效果。 就「科學學習興趣」效果方面，女學生對「選擇科學職業意圖」（女β34＝.27/ 男β34＝.12）產生直接顯著效果，但男學生未達顯著水準。由此可知，女學生「科 學學習興趣」越高對「選擇科學職業意圖」就越高，但是男學生藉由「科學學習興 趣」對「選擇科學職業意圖」產生影響的效果並不顯著。 綜合上述，「選擇科學職業意圖」在兩性之間產生差異，但是唯一相同之處與 數學科目一樣，就是「科學成就」要透過「科學自我效能」、「科學有用性」和「科 學學習興趣」的中介作用，才能對「選擇科學職業意圖」產生影響。女學生如果要 以科學作為職業選擇目標的話，「科學有用性」和「科學學習興趣」便佔有一席之 地，所以，當女學生覺得科學有所幫助或者產生熱愛（即兼具「科學有用性」和「科 學學習興趣」）時，其「選擇科學職業意圖」會比較高；至於男生，則是當自己有 辦法掌握科學和學習後有所助益（即「科學有用性」）時，「選擇科學職業意圖」可 能性才會提高，但對於是否熱愛科學（即「科學學習興趣」）則沒有影響。 圖4. 科學科目之社會認知生涯理論的標準化參數估計路徑關係圖 註：1. *p<.05；**p<.01。觀察變項的因素負荷量和測量誤差皆達.01 顯著水準。 2. 併陳數據，左邊為女生；右邊為男生。 .42**/.44** .63**/.62** -.03/.24** .57**/.69** -.05*/-.05* .27*/.12 -.07*/-.04 .30**/.37** .61**/.54** -.02/.00 科學 成就 X1 X2 X4 X5 X3 Y10 Y11 Y12 科學自 我效能 Y1 Y2 Y3 Y4 Y5 .31/.39 .68/.80 .72/.84 .49/.59 .30/.37 .78/.83 .47/.54 .46/.48 .67/.69 .75/.89 科學學 習興趣 Y9 Y8 科學 有用性 Y7 Y6 .08/.09 .33/.34 .89/1.03 .15/.13 .82/.81 .86/.99 .31/.30 選擇科學 .74/.91 .86/1.03 .09/.10 職業意圖 .83/.83 .89/1.01 .29/.34 .11/.12 .81/.93 .23/.26 .74/.81 .90/.94 .73/.76 .79/.78 .40/.39 .17/.13 .47/.43 .35/.42
表14. 科學科目之標準化效果量 依變項（內衍潛在變項） 自變項 η1科學自我 效能 η2科學有用 性 η3科學學習 興趣 η4選擇科學 職業意圖 女 男 女 男 女 男 女 男 ξ1科學成就 直接效果 .42** .44** .07* -.04 -.05* -.05* .02 0 間接效果 .24** .30** .37** .36** .26** .28** 外衍變項 總效果 .42** .44** .31** .26** .31** .32** .28** .28** η1科學自我效 能 直接效果 .57** .69** .63** .62** -.03 .24** 間接效果 .18** .25** .57** .47** 總效果 .58** .68** .83** .85** .54** .70** η2科學有用性 直接效果 .30** .37** .61** .54** 間接效果 .08** .04 總效果 .31** .36** .69** .58** η3科學學習興 趣 直接效果 .27** .12 間接效果 內衍變項 總效果 .27** .12 註：*p<.05；**p<.01。
