• 沒有找到結果。

第四章 結果與討論

N/A
N/A
Protected

Academic year: 2021

Share "第四章 結果與討論"

Copied!
29
0
0

加載中.... (立即查看全文)

全文

Loading

數據

圖 4-1 國小學童總遊戲時間與塊數的關係。  圖 4-2 國小學童總嘗試次數與塊數的關係。  圖片 4-1、2 所有國小學童的遊戲紀錄,依據圖片、分割方式不同分組,分別 取總遊戲時間的 ln 值對塊數的 ln 值做圖和取總嘗試次數的 ln 值對塊數的 ln 值做圖。圖表皆顯示隨著塊數的增加,總遊戲時間(嘗試次數)以指數方式 增加。增加的比例不同,卡通圖案拼圖的數值 λ 最小,為 1.3 上下,抽象化 的 λ 最大,約為 1.5 上下。
圖 4-3 大學以上受試者總遊戲時間與塊數的關係。  圖 4-4 大學以上受試者總嘗試次數與塊數的關係。  圖片 4-3、4 大學及研究所學生及大專以上學歷之人士的遊戲紀錄,依據圖片 和分割方式分組,分別取總遊戲時間的 ln 值對塊數的 ln 值做圖和取總嘗試 次數的 ln 值對塊數的 ln 值做圖。如同國小學童數據一般,總遊戲時間(嘗 試次數)隨著塊數的增加,以指數方式增加。然而抽象畫圖片的指數值 λ 、 λ ′ 明顯較圖片二,而且全藍色圖片的指數值最高,接近 2。
圖 4-5  性別差異表現在拼圖遊戲總時間與塊數關係。國小學童的遊戲紀 錄依照性別與分割方式分類,平均後的總遊戲時間與塊數的關 係。女孩在不同塊數下總遊戲時間都比男孩少。  圖 4-6  性別差異表現在拼圖遊戲的嘗試次數與塊數關係。所有國小學童 的遊戲紀錄依照分割方式分類,平均後的總嘗試次數與塊數的關 係。女孩在不同塊數下嘗試的次數都比男孩少。
圖 4-7 不同年紀的受試者進行圖片 2 的拼圖遊戲,所花費的總遊戲時間與 分割塊數的關係。  圖 4-8 不同年紀的受試者進行圖片 2 的拼圖遊戲,嘗試次數與分割塊數的 關係。  圖 4-7、8 不同的圖示分別代表不同的年紀。低年級學童不論切割多寡所花 費的時間都比高年級學童較多,然而差距隨著塊數增加而越來越小。低年 級的學童在切割塊數較小的情況,嘗試次數較高年級學童多,在切割塊數 較大的情況時,年紀小的學童的嘗試次數反而較高年級學童少。顯示年紀 小的學童花費時間較多的原因是肢體靈活度不如年紀大的學童,拼
+7

參考文獻

相關文件

Jeejeebhoy FM, Zelop CM, Lipman S, et al; for the American Heart Association Emergency Cardiovascular Care Committee, Council on Cardiopulmonary, Critical Care, Perioperative

• label embedding: PLST, CPLST, FaIE, RAk EL, ECC-based [Tai et al., 2012; Chen et al., 2012; Lin et al., 2014; Tsoumakas et al., 2011; Ferng et al., 2013]. • cost-sensitivity: CFT,

 End-to-end reinforcement learning dialogue system (Li et al., 2017; Zhao and Eskenazi, 2016)?.  No specific goal, focus on

Reading: Stankovic, et al., “Implications of Classical Scheduling Results for Real-Time Systems,” IEEE Computer, June 1995, pp.. Copyright: All rights reserved, Prof. Stankovic,

Compass and straightedge constructions, In John K.Baumgart et al (Eds), Historical topics for the mathematics classroom ( 31st yearbook)( p.193 ). Reston,

• A powerful means of classifying and constructing new supersymmetric backgrounds was pioneered by Gauntlett, Gutowski, Martelli, Pakis, Sparks, Tod, Waldram... Gauntlett et

Peters et al., “Deep Contextualized Word Representations”, in NAACL-HLT, 2018.. 9.. ELMo: Embeddings from

Pascanu et al., “On the difficulty of training recurrent neural networks,” in ICML, 2013..