大專院校開放式課程學習者之自我調節問卷研發與編製

大專院校開放式課程學習者之 自我調節問卷研發與編製

吳宥葶¹　孫之元¹　李威儀 ²

1國立交通大學教育研究所

2國立交通大學電子物理系、高等教育開放資源研究中心

摘　要

本研究的目的為編製具有信效度之大專院校開放式課程學習者之自我調 節問卷。編製過程為翻譯國外經由初階驗證性因素分析，獲得極佳信效度的 線上學習自我調節問卷 （OSLQ），經專家建議修改，於國內某國立大學大一 物理開放式課程學習班級施測，施測人數為 175，有效樣本為 174，進行內 部一致性信度分析與初階驗證性因素分析，刪除部分題項，獲得理想之適配 度指標，使問卷具備良好的信效度，以供未來開放式課程與其相關研究使 用。

關鍵字： 自我調節、開放式課程、網路教學

壹、研究背景與動機

麻省理工學院 （MIT） 於 2001 年開始推動開放式課程計畫，在網路上免費分享品質優 良的實際教學內容與學習素材。MIT 於 2011 年度報告中顯示，教育從業人員、學生、自 學者肯定開放式課程的教育價值，對於人們自主學習的影響持續地蔓延中 （MIT, 2011）。

2010 與 2011 年的 Horizon Report 指出開放內容已經成為影響未來高等教育發展的重要趨勢

（Johnson, Levine, Smith, & Stone, 2010; Johnson, Smith, Willis, Levine, & Haywood, 2011）。

Lee, Albright, O’Leary, Terkla, & Wilson （2008） 的研究亦指出，開放式課程可提供比傳統課 程更多元化的資源，並可輔助學生學習。雖然由資訊科技所建立的學習環境，無法全然替 代師生之間與學生之間的實體互動所帶給學習者在認知、行為與心理層面的影響，但強調

「國際化、網路化、知識共享」的學習環境，儼然成為高等教育未來發展趨勢 （Vest, 2004）。

而網路教學為高等教育趨勢，但在較缺乏外在環境支持的網路環境，學習中輟的現象 仍是最大的問題，自我調節更顯得重要。其可解釋許多網路學習上的問題，高度自我調節 的學習者較容易處理負面的學習問題以及適應不同的學習情境 （Dembo, Junge, & Lynch, 2006）。在網路化的學習環境中，自我調節為促使成功學習的關鍵影響因素 （Lee & Tsai, 2011；Sun & Rueda, 2012；Yukselturk & Bulut, 2007；Zimmerman, 2008）。不論是真實學習 情境、網路學習情境或是混合式的學習情境，自我調節可增進學習策略與效果，對於學習 的重要性顯示於過去眾多相關研究中。相較於傳統的被動式學習環境，具有提升學習技巧 的自主性網路化學習環境較能培養自我調節能力。自我調節能力愈佳的學習者，愈能專注 在學習過程，亦較能將所學知識遷移到日常生活 （Lapan, Kardash, & Turner, 2002）。

然 而， 在 教 育 領 域 中， 探 討 自 我 調 節 在 開 放 式 課 程 學 習 上 的 相 關 研 究 並 不 完 整

（Barnard, Lan, To, Paton, & Lai, 2009；Winters, Greene, & Costich, 2008）。故本研究希冀透 過編製開放式課程學習之自我調節問卷，作為未來相關研究者探討在開放式課程學習環境 中的學習者自我調節能力之動態歷程變化與影響時的參考。

貳、文獻探討

一、開放式課程的介紹

（一）開放式課程起源與意義

開放式課程精神源自於開放程式軟體資源，如 Linux 系統、Moodle 學習管理系統等，

免費使用、自由傳佈與開放更改原始內容為其特色 （Johnstone & Poulin, 2002）。開放程式 軟體主要藉由群體大眾的力量改善軟體程式，而開放式課程則為透過知識共享，改善教學 與提升人們的學習力。開放式課程源自 MIT 於教育科技會議上提出之知識分享計畫，希 冀將寶貴教育資源保存，並透過網際網路傳播。開放式課程計畫自 2001 年開始推動，

2002 年課程網站正式上線，其計畫目的為建立 MIT 開放式課程的模式、推廣開放式課程 理念並且連結開放式課程脈動，將高等教育的資源開放給全世界，建立全世界高等教育知 識體系 （Lerman & Miyagawa, 2002）。近幾年來，世界各地的大學院校紛紛仿效設置開放 式課程，台灣開放式課程聯盟目前已有 27 所學校參加，發布超過 700 門開放式課程，其 中有 70% 為影音課程，使得台灣成為目前全世界投入開放式課程運動密度最高的地區之 一 （臺灣開放式課程聯盟，2012）。

開放式課程為開放式教育資源的一種，其以無償、開放、共享的方式，將高品質的大 學課程資源，放置於數位發布平台，授權非商業之使用，並藉由網際網路的連結性、便利

性與快速性，提供給擁有電腦軟硬體設備以連結全球網頁的學習者，其資源包含：課程大 綱、課程教學影片、課堂筆記與講義、評量試題、補充教材等等 （OCWC, 2012；李海碩，

2010；臺灣開放式課程聯盟，2012）。開放式課程因網際網路與資訊科技的發展，得以無 遠弗屆地滲入世界的各角落，學習者與教師毫不費力地交換資訊，一同構築全球化的知識 網絡 （張君豪，2004）。此外，開放式課程促使正式與非正式學習得以融合，加速全球之 社會文化教育發展。教學內容與學習素材透明化，不僅創造多元豐富的學習機會，提供一 扇自主學習之窗，亦給予教師改善教學的模型範本或者教學素材的來源，促進創新的教學 思維，激發更有意義與有效之教學活動 （Johnstone & Poulin, 2002；Vest, 2004；李海碩，

2010）。

（二）開放式教育資源與一般網路教學之比較

開 放 式 教 育 資 源 以 無 償 與 開 放 的 形 式， 提 供 使 用 者 教 學 資 源。 根 據 相 關 文 獻

（Marguiles, Sinou, & Thile 2005；MIT，2011；李海碩，2010；胡世澤，2012；馬郁凝，

2010），表 1 綜合整理開放式教育資源與一般的遠距教學之定位與差異。

表 1　開放式教育資源與一般的遠距教學之定位與差異

開放式教育資源 線上學習

課程形式 開放與共享模式，提供非完整課程，

以非同步形式進行教學，通常不提供 相關學習證明。

商業化推廣模式，提供完整的課程計 畫， 並 以 同 步 或 非 同 步 形 式 進 行 教 學，會提供相關學習證明。

素材形式 提供素材有不同格式的教學影片檔，

或者是 PDF、Word、HTML 等不同格 式的文件檔等等。

結合高互動性的多媒體素材，例如：

動畫、影音檔案、虛擬教練或回饋引 導。

服務對象 開放給全球教育者或自學者。 已付費、註冊或修習該門課之學習者

學習方式 須自行調配學習的方式與選擇適宜的 學習素材，適合高度學習動機與自我 調節能力的學習者。

具有完整的學習指引，學習者可按照 課程規劃的學習模式，完成學習活動 內容。

師生互動 大多缺乏提供教師的聯絡資料或雙向 互動的管道。

提供與教師或同儕之間互動管道，主 動進行資訊交流。

綜合以上所述，因開放式課程為開放式教育資源的一種，我們可以間接推論，線上學 習與開放式課程給予學生自主學習的機會，然而，雖然開放式課程已走向互動式平台的趨 勢，例如：大規模網路免費公開課程 （massive open online course, MOOC），其目的為讓群 眾透過網路連線交換學習資源，而本研究設計的自我調節問卷可用來研究未來學習者在一

般的開放式課程平台以及具備互動機制平台的自我調節能力之差異性。但目前為止，大部 分開放式課程相對於一般線上學習的一大挑戰，為缺乏高互動性多媒體感官刺激素材以及 結構化的學習活動，無法與教師與同儕接觸互動，以獲得學習上的引導與協助。但透過開 放式課程與現有課程相結合的網路教學，教師或助教在學習者的學習過程中適時地指導、

監督與回饋，可彌補現有開放式課程的缺點，藉此充分發揮其教育價值。

二、網路教學與自我調節

（一）自我調節理論

研究指出自我調節並不是個體的心智能力或學業技能，而是轉化心智能力成為實際學 業技能的自我指導過程 （Zimmerman, 2002）。有效自我調節能力促使學習者主動吸取資訊 而提升學習成效 （Pintrich & De Groot, 1990）。自我調節學習整合了後設認知、動機、學習 行為和環境因素達到更良好的學習成效，其包含六個構面：設定目標、任務策略、時間管 理、自我評估、學習環境的選擇和尋求協助 （Zimmerman, 1998；Zimmerman, Greenberg, &

Weinstein, 1994；Zimmerman & Risemberg, 1997）。藉由自我調節學習，學習者選擇適宜的 學習策略、自我檢視學習狀況、調整目標與提升信心以持續學習、適時尋求幫助以及營造 理想的學習環境。此外，研究證實自我調節的能力是可以透過學習獲得 （Dembo, et al., 2006）且自我調節對學業成就有重要的正面影響力 （Schunk, Meece, & Pintrich, 2013；

Zimmerman & Risemberg, 1997），亦即學業成就好的學習者有較佳自我調節能力，學業成 就較差的學習者自我調節能力則較低。

綜合以上所述，學習者在自我主導的學習歷程中，透過系統性的自我調節學習策略，

可在學習的過程當中：

1. 依據個人能力、內外在學習動機、行為，擬定學習計畫和設定目標。

2. 隨時監控自己的學習活動情形，評估自己的學習成效。

3. 自我調整學習能力，能有效管理學習，是學習上的一大助力。

4. 依據學習情境的不同，彈性地調整學習策略和方式，達到有效學習。

（二）網路教學與自我調節

在網路學習情境當中，學習者需要能夠分析自我學習需求、依據學習需求設定目標、

正確合適地使用網路科技並評估其使用是否能達到學習目標。學習者的自我調整能力在網 路學習中的社會性孤立與複雜環境，為提升學習成效的關鍵性因素。Dembo 等人 （2006）

更進一步以 Zimmerman 與 Risemberg （1997）的自我調節理論的六個構面為基礎，提出其 在網路學習所蘊含的意義，如下所述：

1. 設定目標

意指學習者 「為何 （why）」 學習。釐清欲進行某學習任務的動機，再進一步設定目標。

設定短期、明確且可達到的個人學習目標，使學習者有清楚學習方向，提升自我效能，當 遇到干擾或障礙時較能持續克服 （Schunk et al., 2013）。

2. 學習策略

指學習者 「如何 （how）」 學習。複雜的網路學習媒材與環境裡，學習者能自我監督，

尋找合宜的學習策略，以促成有效的網路學習，其主要學習策略包含：背誦策略 （rehearsal strategy） 為運用來獲得事實性的訊息，例如記憶或朗誦；精緻策略 （elaborate strategy） 則 可 促 進 記 憶 保 留， 讓 學 習 內 容 與 長 期 記 憶 產 生 連 結， 例 如 分 類 或 排 序； 組 織 策 略

（organizational strategy） 為使學習內容能結構化地組織成有效提取與儲存的大腦知識。

3. 時間管理

指學習者 「何時 （when）」 學習。網路學習情境中，因較缺乏教導者與同儕之間的互相 監控，常見拖延 （procrastination） 情況 （Tuckman, 2007），因此學習者須能根據自己能力預 估完成每一項學習任務所需時間，有效地做好學習時間的管理，避免學習中常見拖延情況 或中斷學習，方能達到良好的學習表現 （Wolters, 2003）。

4. 營造與選擇良好的學習環境

意指學習者 「何處 （where）」 學習。在現實環境中，選擇一個安靜舒適的學習環境；在 虛擬的網路化學習環境中，能掌握電腦軟硬體設備，以減少學習時的干擾，順利完成網路 學習任務。

5. 尋求協助

為解釋學習者 「與誰 （with whom）」 學習。網路化環境中進行學習是社會性孤立的，

意識到學習環境中相關人士的角色或各式各樣學習資源的重要性，以便於遭遇到困難時尋 求協助，例如同學、老師、助教、網路相關資源或功能，以增進學習表現。

6. 評估自我表現

為學習者追求 「何種 （what）」 學習表現。學習者藉由自我評估，將個人學習目標與實 際學習表現進行分析比較，了解自我學習狀態，以調整學習行為 （Schunk, 2001）。此外，

學習者可依據外在回饋進一步評估自己的學習表現後，而改善學習行為，學習的自主因此 而產生。

綜合以上所述，雖然運用網路與資訊科技學習日益普遍，但學習中輟仍是網路學習最 大的問題，尤其是像開放式課程在缺乏高互動性多媒體感官刺激素材以及結構化的學習活 動，無法與教師與同儕接觸互動，以獲得學習上的引導與協助，自我調節在開放式課程學 習中的更佔有關鍵影響因素，其包含：設定目標、學習策略調整、時間管理、因應良好學 習環境、適時尋求協助以及進行自我評估，以有效調整學習行為，達成有效學習。然而至

目前為止，針對開放式課程與自我調節的相關研究仍十分匱乏，因此本研究希冀針對開放 式課程學習情境並依據理論編製自我調節量表，以供未來相關研究使用。

參、研究方法

一、樣本來源

施測班級為某國立大學 100 學年度下學期大一物理開放式課程。授課教師將所有的講 述教學內容改以開放式課程代替，並以每兩週上課一次，每次 1 至 1.5 小時考試與複習學 習活動為教學輔助。施測人數為 175 人，經過篩檢後，刪除一份僅填寫個人資料之無效問 卷，有效問卷為 174 份。其中男生為 124 人，女生為 50 人，學生平均年齡約 19 歲。在本 研究的驗證性分析中，對於遺漏值的處理為使用 Mplus 先估計出研究變項之共變數矩陣 後，再依據此矩陣進行參數估計或配適性檢定，因此並未將有遺漏值的樣本進行刪除而是 採 Mplus 自由估計遺漏值的方式。

二、研究工具

本研究依據理論架構翻譯並修改 Barnard 等人 （2009） 的問卷 （OSLQ），使得問卷符合 開放式課程教學與社會人文情境。其理論以 Zimmerman 與 Risemberg （1997） 所提出自我 調節六個構面（因素） 的英文版問卷 online self-regulated learning questionnaire （OSLQ），

共 24 題，如附錄，此問卷經驗證性分析與跨樣本施測結果，獲得良好的適配度，經翻譯 為中文版後敦請開放式課程推廣專家進行審查、討論並提供修改建議，其中為求題項清 晰，部分題項字句修改，例如：「讀書」 改為 「為這門課學習」、「為作業設定標準」 改為 「為 學習成績設定標準」、「短程與長程目標」 改為 「短程與長程學習進度」。此外，亦刪除部分 不符合此教學情境之題項，但仍維持各因素的題數，施測問卷因素與題數架構如圖 1。

三、研究流程

本研究的流程如圖 2 所示。由蒐集國內外文獻，擬先了解開放式課程與自我調節的 相關理論，歸納本研究的問卷理論架構，再依據理論架構翻譯並修改 Barnard 等人 （2009）

的英文版問卷 （OSLQ），後與專家討論並修正 （如表 2），使得問卷符合開放式課程教學 與社會人文情境。而後資料蒐集實際至某國立大學的物理開放式課程進行施測。最後運用 SPSS 分析問卷的信度，並使用 Mplus 進行初階驗證性因素分析來確認問卷的效度。

線上自我調節

目標設定

自我評估 尋求協助 環境結構 時間管理 學習策略

「為何（why）」學習（5 題）

「如何（how）」學習（4 題）

「何時（when）」學習（3 題）

「何處（where）」學習（4 題）

「與誰（with whom）」學習（4 題）

「何種（what）」學習表現（4 題）

圖 1　施測問卷架構

資料統計與分析:

進行統計分析並刪題 資料蒐集:

發放正式問卷 確立理論架構

發展研究工具：

翻譯、修改與編製 問卷

圖 2　研究流程

表 2　原題項翻譯後，經專家建議刪除並重新設計

修正前 專家建議 修正後

1. 我會為這門網路學習課 程的作業設定目標。

此門課並沒有作業，有小 考、期中考和期末考，故 將作業改成考試。

1. 我會為這門網路學習課程 的考試設定目標。

4. 我會為這門網路學習課 程設定目標以幫助我管 理學習上的時間。

題 目 內 含 跟「 時 間 管 理 」 構面重複。

4. 我會為這門網路學習課程 設定目標以提升學習的動 力。

7. 我能找到一個舒適的地 點讀書。

已有相關題項問類似的問 題，電腦軟硬體設備，對 於網路化的學習環境非常 重要。

7. 我會使用合適的電腦軟硬 體設備來上這門網路學習 課程。

10. 我試著為這門網路學習 課程 作更仔 細 的 筆記，

因為筆記對於這門課的 重要勝於一般傳統課程。

此門課的開放式課程學習 內容，有提供板書講義，

筆記不會比一般傳統課程 來的重要。

10. 我試著為這門網路學習課 程的內容作有系統的重點 整理與補充。

表 2　原題項翻譯後，經專家建議刪除並重新設計 （續）

修正前 專家建議 修正後

11. 我會大聲讀出網路學習 的素材， 以抵 抗因 為學 習上的干擾而導致分心。

普通物理不像一般人文學 科需要藉由讀出課文以記 憶學習內容，且背誦對於 普通物理來說幫助並不大。

11. 在這門課有概念不清楚或 不懂的地方，我會想辦法 找到答案。

12. 我會在討論前預備好我 要問的問題。

多以考試活動為主，極少 有討論。

12. 當遇到困難的習題時，我 會直接放棄或挑簡單的部 分作。

14. 我會分配更多時間學習 這門 課，因為 我 曉得 網 路學習是較費時的。

這門普通物理課的修課人 數 將 近 180 人， 學 習 者 是 覺得網路化學習的學習時 間較彈性而選修的。

14. 我會分配更多時間學習這 門課比較困難的部分。

20. 我持續藉由電子郵件中 向我的指導老師尋求幫 助。

依授課教師的教學經驗，

幾乎沒有收過學習者尋求 幫助的電子郵件。

20. 我遇到問題時會與向老師 或助教聯繫以尋求幫助。

24. 我會 與其他同學互動交 流， 得以了 解 我 跟 同 學 的學習狀況有何差異。

與 23 題項問的問題一樣。

24. 我會藉由有關課業上的各 種表現來檢視自己的學習 狀況。

最後，初階驗證性因素分析的刪題標準為依據 MI 值 （modification index, MI） 顯示結 果並參照適配度指標，Mplus 預設值為 10，則當某題項之估計參數 MI 值大於 10 時，會 顯示於 Mplus 分析結果，即代表某參數估計的殘差變異量與其他因素所解釋題目的殘差變 異量有高相關，其可能混淆分析之結果，則先考慮從最大的 MI 值進行刪除並於刪除同時 參照 Hu 與 Bentler （1999）、黃芳銘 （2003）與邱皓政 （2011） 的模型適配度指標 （RMSEA

< .08、SRMR < .08、CFI > .90），以確認模型的適配度。有關內部一致性信度的標準，良 好的總量表標準為內部一致性信度 .80 以上，而良好的分量表之內部一致性信度係數在 .70 以上 （Henson, 2001；吳明隆，2003）。

肆、資料分析

一、題項刪減前之初階驗證性因素分析

本研究目的為編製具有信效度之大專院校開放式課程學習之自我調節問卷。編製過程 為翻譯國外經由初階驗證性因素分析的問卷後，為確認翻譯後的問卷信效度，使用 Mplus

與 SPSS 統計軟體工具進行驗證性分析與信度分析，並依據分析結果刪除不適切的題項。

（一）刪題前因素題數和內部一致性信度

刪題前因素題數和內部一致性信度如表 3，提供初階驗證性因素分析各因素與總量表 的題數以及其內部一致性信度，其各因素題數為 3~5 題之間，共 24 題，各因素內部一致 性信度係數為 .511~.767 之間，總量表為 .898。

表 3　刪題前因素題數和內部一致性信度

因素 目標設定 環境結構 任務策略 時間管理 尋求協助 自我評估 總量表

題數 5 4 4 3 4 4 24

Cronbach’s alpha .767 .746 .511 .715 .671 .699 .898

（二）刪題前線上自我調節構面分析

刪題前自我調節構面分析表如表 4，提供初階驗證性因素分析各題項的標準化係數、

顯著性以及殘差等訊息。

表 4　刪題前線上自我調節構面分析

因素 / 題項 Estimate S.E. Est./S.E.

p-Value

1 0.644 0.055 11.818 0.000

2 0.658 0.053 12.319 0.000

3 0.659 0.054 12.304 0.000

4 0.741 0.046 16.194 0.000

5 0.469 0.069 6.819 0.000

環境結構

6 0.766 0.054 14.265 0.000

7 0.693 0.057 12.253 0.000

8 0.482 0.074 6.493 0.000

9 0.700 0.057 12.304 0.000

任務策略

10 0.599 0.061 9.802 0.000

11 0.645 0.062 10.398 0.000

12 0.167 0.082 2.044 0.041

13 0.511 0.065 7.820 0.000

表 4　刪題前線上自我調節構面分析 （續）

因素 / 題項 Estimate S.E. Est./S.E.

p-Value

14 0.701 0.058 12.089 0.000

15 0.664 0.059 11.198 0.000

16 0.667 0.061 10.983 0.000

尋求協助

17 0.610 0.057 10.616 0.000

18 0.609 0.058 10.533 0.000

19 0.731 0.052 14.150 0.000

20 0.478 0.070 6.827 0.000

自我評估

21 0.591 0.057 10.370 0.000

22 0.512 0.064 8.001 0.000

23 0.682 0.051 13.390 0.000

24 0.655 0.052 12.609 0.000

（三）適配度指標值

資 料 分 析 結 果 參 數 估 計 值 皆 顯 著， 內 部 一 致 性 信 度 為 .898； 適 配 度 檢 定 x² = 570.974，p < .001，拒絕虛無假設，顯示樣本共變異數矩陣與理論上建構出來的共變異數 矩陣達顯著差異，適配度不佳，無法推論至母體。但卡方值易受樣本數影響，因此需採納 其他適配值作為模式鑑定。適配度指標如表 5：RMSEA = 0.090，90% RMSEA 信賴區間

（0.081；0.099），p < .001，RMSEA = 0.090，標準為須小於 0.08，未在合格範圍；SRMR = 0.08，標準為須小於 0.08，未在合格範圍；CFI = 0.775，標準為須大於 0.9，未在合格範 圍。綜合以上指標的分析，此模型的適配度不佳，故須再加以改善，進行題項刪減與重新 編題後達更佳的品質。適配度指標 RMSEA < .08、SRMR < .08、CFI > .90（Hu & Bentler, 1999；黃芳銘，2003；邱皓政，2011）。題項刪減前之適配度指標值如表 5。

表 5　題項刪減前之適配度指標值

RMSEA 90% RMSEA 信賴區間 SRMR CFI

值 0.0900 0.081~ 0.099 0.0800 0.775

適配度指標 RMSEA < .08、SRMR < .08、CFI > .90 （黃芳銘，2003；邱皓政，2011）

二、題項刪減後之初階驗證性因素分析

使用 Mplus 統計軟體工具進行驗證性分析。刪題的標準為根據 MI 值指出，題目 5、

8、12、14、20、21 與 23 題的殘差變異量與其他因素所解釋題目的殘差變異量有高相關，

亦為 Mplus 預設值為 10，則當某題項之估計參數 MI 值大於 10 時，會顯示於 Mplus 分析 結果，表示其可能混淆分析之結果，先考慮從最大的 MI 值予以一一刪除，並於刪除同時 參照 Hu 與 Bentler （1999）、黃芳銘 （2003） 與邱皓政 （2011） 的模型適配度指標 （RMSEA <

.08、SRMR < .08、CFI > .90），以確認模型的適配度。

（一）各因素題數和內部一致性信度

刪題前因素題數和內部一致性信度如表 6，提供初階驗證性因素分析各因素與總量表 的題數以及其內部一致性信度，其各因素題數為 2~4 題之間，共 17 題，各因素內部一致 性信度係數為 .489~771 之間，總量表為 .898。

表 6　刪題後因素題數和內部一致性信度

因素 目標設定 環境結構 任務策略 時間管理 尋求協助 自我評估 總量表

題數 4 3 3 2 3 2 17

Cronbach’s alpha .771 .768 .489 .715 .671 .699 .898

（二）刪題後線上自我調節構面分析表

刪題後自我調節構面分析表如下表 7，提供初階驗證性因素分析各題項的標準化係 數、顯著性以及殘差等訊息。

表 7　刪題後線上自我調節構面分析

因素 / 題項 Estimate S.E. Est./S.E.

p-Value

1 0.563 0.069 8.117 0.000

2 0.636 0.064 9.901 0.000

3 0.554 0.069 8.005 0.000

4 0.700 0.059 11.940 0.000

環境結構

6 0.860 0.063 13.762 0.000

7 0.540 0.068 7.892 0.000

9 0.690 0.061 11.406 0.000

表 7　刪題後線上自我調節構面分析 （續）

因素 / 題項 Estimate S.E. Est./S.E.

p-Value

10 0.558 0.074 7.568 0.000

11 0.668 0.074 9.046 0.000

12 0.388 0.084 4.608 0.000

時間管理

15 0.780 0.067 11.650 0.000

16 0.699 0.067 10.467 0.000

尋求協助

17 0.631 0.070 9.013 0.000

18 0.547 0.074 7.364 0.000

19 0.702 0.067 10.414 0.000

自我評估

22 0.327 0.088 3.728 0.000

24 0.644 0.113 5.686 0.000

（三）適配度指標值

資料分析結果參數估計值皆顯著，信度為 .898；適配度檢定 x² = 159.140，p < .001，

拒絕虛無假設，顯示樣本共變異數矩陣與理論上建構出來的共變異數矩陣達顯著差異，適 配度不佳，無法推論至母體。但卡方值易受樣本數影響，因此須採納其他適配值作為模式 鑑定。適配度指標值如表 8：RMSEA = 0.057，90% RMSEA 信賴區間 （0.039~0.075），p <

.001，RMSEA = 0.057，標準為須小於 0.08，在理想範圍內；SRMR = 0.08，標準為須小於 0.08，在理想範圍內；CFI = 0.907，標準為須大於 0.9，在理想範圍內。此模型經刪題後，

模型解釋資料的適切度變佳，且各項指標皆有過標準。適配度指標 RMSEA < .08、SRMR

< .08、CFI > .90 （Hu & Bentler, 1999；黃芳銘，2003；邱皓政，2011）。

表 8　題項刪減後之適配度指標值

RMSEA 90% RMSEA 信賴區間 SRMR CFI

值 0.057 0.039 ~0.075 0.0800 0.907

（四）刪除題項的未來修改建議

依據經初階驗證性因素分析刪題結果，提出被刪除題項的未來修改建議，如表 9。

表 9　刪除題項的未來修改建議 5. 我不會因為這門課為網路學習課程而降

低課業上的表現。

將題目改成：我會根據自己能力訂定期望 達到的考試成績。

8. 我知道自己能在那裡學習這門課最有效 率。

將題目改成：當研讀這門課的教材時，我 會選擇一個避免分心的地方。

13. 我會在這門網路學習課程做比其他課程 更多的習題，用以掌握課程內容。

將題目改成：我會安排足夠的時間練習與 這門課有關的習題。

14. 我會分配更多時間學習這門課比較困難 的部分。

將題目改成：我會作好時間管理，以便作 好考試前的充分準備。

20. 我遇到問題時會與向老師或助教聯繫以 尋求幫助。

將題目改成：當我在這門課遇到問題時，

會利用上課或下課時間詢問老師或助教。

21. 我會為這門課的所學內容作重點整理，

用以檢視我對課程的理解度

將題目改成：我會藉由這門課各種表現，

來檢視自己的學習狀況。

23. 我會與其他同學互動交流，得以了解我 們的學習狀況有何差異。

將題目改成：我會與其他同學互動交流，

得以了解我們的學習狀況有何差異，藉此 檢視自己的學習表現。

伍、結果與討論

本研究所產生的自我調節問卷，可用於了解開放式課程學習環境中，大學生的自我調 節能力，但因受試群體為國立大學理工科系學生，故本問卷推論僅限於成績較佳的國立大 學理工科系學生。此外，本問卷施測的開放式課程學習情境，提供的學習素材有完整的影 片檔、課程行事曆、教學大綱和講義筆記，各大專院校所提供的開放式課程學習素材不盡 相同，亦會影響到施測結果，因此在進行推論時亦須考慮素材型態之差異。

就任務策略而言，刪題後信度不增反減且過低，在參考理論後，發現理論可對應此量 表之任務策略構面的學習策略構面主要強調背誦策略、精緻策略與組織策略，此問卷的 任務策略雖有一題屬精緻策略、一題屬組織策略，但其餘兩題則主要為測量進行學習任務 時是否懂得改變策略以持續學習。建議未來研究可增加背誦策略，例如背誦公式之相關題 項。

刪題後的適配度與模型解釋資料的適切度皆通過各項指標標準，雖有兩個題項 （第 十三題與第二十二題） 的因素負荷量在 .3 與 .4 範圍內，考慮其題意尚清楚、接近尚在可 接受因素負荷量標準內、此為翻譯英文版問卷的第一次施測以及樣本人數並不多而可能導 致誤差結果，並不予以刪除。再者，未來可針對刪題的題項，進行重新設計題項內容並請 專業英文翻譯者協助翻譯。使各構面的範圍擴大，有利於在題目摻有雜質時進行刪題，亦 較易於掌控信效度的問題。

建議未來研究可蒐集更多有關使用開放式課程於教學的文獻資料及其相關學習成績或 學習成效的資訊，以提高問卷的外在效度，使得問卷的運用更具有普遍性、客觀性及穩定 性，並可實際應用在各種教學情境。此外，可將抽樣範圍擴大，例如：增加樣本數或是選 擇一間以上的學校施測，並且再次修改與增加題項後，進行高階的驗證性分析，以獲得更 完整精確的分析結果。施測樣本盡量符合相關文獻建議的要點以及刪減題目須依據理論進 行反覆確認和修訂，並且找多位專家集思廣益協助修改，提升問卷效度。另外，Barnard 等人 （2009） 指出因自我調節為非常複雜的學習活動且會因時空的變動而產生變化，因此 可藉由同一情境及樣本在不同的時間點進行施測，深入了解問卷的穩定性與有效測量到變 項的程度。最後，因資訊科技日新月異，影響著教學與學習型態與情境，自我調節問卷亦 宜隨之調整。

雖然此問卷在研究對象背景與特質不同、網路學習情境差異與自我調節理論複雜性等 限制，但在開放式課程學習等相關學習情境的條件，本研究所產生的量表仍可提供學者針 對研究情境與對象作修改以供相關研究使用。

誌　謝

感謝高等教育開放資源研究中心與國科會 （NSC 100-2511-S-009-012, NSC 101-2511- S-009-010-MY3），謹此致謝。

參考文獻

李海碩 （2010）。開放式課程 （OpenCourseWare） 在台灣：交通大學開放式課程之起源、

影響、以及台灣開放式課程聯盟之發展 （碩士論文）。國立交通大學教育研究所，新 竹市。

吳明隆 （2003）。SPSS 統計應用學習實務：問卷分析與應用統計。台北：知城數位。

邱皓政 （2011）。結構方程模式 -LISEREL/SIMPLIS 原理與應用。台北：雙葉書廊。

胡世澤 （2012）。影響教師參與開放式課程因素之個案研究—以國立臺灣師範大學為例

（碩士論文）。國立臺北教育大學教育傳播與科技研究所，台北市。

馬郁凝 （2010）。以關注本位採用模式探討大學教師參與開放式課程之研究 （碩士論文）。

國立臺灣師範大學圖書資訊學研究所，臺北市。

黃芳銘 （2003）。結構方程模式理論與應用。台北：五南圖書公司。

張君豪 （2004）。大學校院導入委外數位學習系統之專業實務與決策考量研究 （碩士論 文）。國立清華大學資訊系統與應用研究所，新竹市。

臺灣開放式課程聯盟 （2012）。臺灣開放式課程聯盟。於民國 101 年 7 月 30 日取自 http://

www.tocwc.org.tw/

Barnard, L., Lan, W. Y., To, Y. M., Paton, V. O., & Lai, S. L. (2009). Measuring self-regulation in online and blended learning environments. The Internet and Higher Education, 12(1), 1-6.

Dembo, M. H., Junge, L. G., & Lynch, R. (2006). Becoming a self-regulated learner:

Implications for web-based education. In H. F. O’Neil & R. S. Perez (Eds.), Web-based

learning: Theory, research, and practice (pp. 185-202). Mahwah, NJ: Lawrence Erlbaum

Henson, R. K. (2001). Understanding internal consistency reliability estimates: A conceptual primer on coefficient alpha. Measurement and Evaluation in Counseling and Development,

34(3), 177-189.

Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis:

Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1-55.

Johnson, L., Levine, A., Smith, R., & Stone, S. (2010). The 2010 Horizon Report. Austin, Texas:

The New Media Consortium.

Johnson, L., Smith, R., Willis, H., Levine, A., & Haywood, K. (2011). The 2011 Horizon Report.

Austin, Texas: The New Media Consortium.

Johnstone, S. M., & Poulin, R. (2002). What is OpenCourseWare and why does it matter?

Change, 34(4), 48-50.

Lapan, R. T., Kardash, C. M., & Turner, S. (2002). Empowering students to become self- regulated learners. Professional School Counseling, 5(4), 257-265.

Lee, M. Y., Albright, S., O’Leary, L., Terkla, D. G., & Wilson, N. (2008). Expanding the reach of health sciences education and empowering others: The OpenCourseWare initiative at Tufts University. Medical Teacher, 30(2), 159-163.

Lee, S. W. Y., & Tsai, C. C. (2011). Students’ perceptions of collaboration, self-regulated learning, and information seeking in the context of Internet-based learning and traditional learning. Computers in Human Behavior, 27(2), 905-914.

Lerman, S. R., & Miyagawa, S. (2002). OpenCourseWare: A case study in institutional decision making. Academe, 88(5), 23-27.

Margulies, A., Sinou, V., & Thille, C. (2005). Models of open educational resources:

OpenCourseWare, Sofia, and the Open Learning Initiative. Retrieved April 30, 2012, from http://www.educause.edu/ECAR/ModelsofOpenEducationalResourc/157555

MIT. (2011). 2011 Program evaluation findings summary. Retrieved June 30, 2012, from http://

ocw.mit.edu/about/site-statistics/11_Eval_Summary_112311_MITOCW.pdf

OCWC. (2012). OpenCourseWare consortium. Retrieved May 30, 2012, from http://www.

ocwconsortium.org/en/aboutus

Pintrich, P. R., & De Groot, E. V. (1990). Motivational and self-regulated learning component of classroom academic performance. Journal of Educational Psychology, 82(1), 33-40.

Schunk, D. H. (2001). Social cognitive theory and self-regulated learning. In B. J. Zimmerman,

& D. H. Schunk (Eds.), Self-regulated Learning and Academic Achievement: Theoretical

Perspectives (pp. 1-39). Mahwah, NJ: Lawrence Erlbaum Associates.

Schunk, D. H., Meece, J. R., & Pintrich, P. R. (2013). Motivation in education: Theory, research,

and applications (4

Sun, J. C. Y., & Rueda, R. (2012). Situational interest, computer self-efficacy and self-regulation:

Their impact on student engagement in distance education. British Journal of Educational

Technology, 43(2), 191-204.

Tuckman, B. W. (2007). The effect of motivational scaffolding on procrastinators’ distance learning outcomes. Computers & Education, 49(2), 414-422.

Vest, C. M. (2004). Why MIT decided to give away all its course materials via the Internet. The

Chronicle of Higher Education, 50(21), B20.

Winters, F. I., Greene, J. A., & Costich, C. M. (2008). Self-regulation of learning within computer-based learning environments: A critical analysis. Educational Psychology Review,

20(4), 429-444.

Wolters, C. A. (2003). Understanding procrastination from a self regulated learning perspective.

Journal of Educational Psychology, 95(1), 179-187.

Yukselturk, E., & Bulut, S. (2007). Predictors for student success in an online course.

Educational Technology & Society, 10(2), 71-83.

Zimmerman, B. J., Greenberg, D., & Weinstein, C. E. (1994). Self-regulating academic study time: A strategy approach. In D. H. Schunk, & B. J. Zimmerman (Eds.), Self-regulation of

learning and performance: Issues and educational applications. Hillsdale, NJ: Lawrence

Zimmerman, B. J., & Risemberg, R. (1997). Self-regulatory dimensions of academic learning and motivation. In G. D. Phye (Ed.), Handbook of academic learning: Construction of

knowledge (pp. 105-125). San Diego, CA: Academic Press.

Zimmerman, B. J. (1998). Academic studying and the development of personal skill: A self- regulatory perspective. Educational Psychologist, 33(2-3), 73-86.

Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory into Practice,

41(2), 64-72.

Zimmerman, B. J. (2008). Investigating self-regulation and motivation: Historical background, methodological developments, and future prospects. American Educational Research

Journal, 45(1), 166-183.

作者簡介

吳宥葶，國立交通大學教育研究所，碩士生

Yu-Ting Wu is a Master student of Institute of Education, National Chiao Tung University, Hsinchu, Taiwan.

孫之元，國立交通大學教育研究所，助理教授（通訊作者）

Jerry Chih-Yuan Sun is an Assistant Professor of Institute of Education, National Chiao Tung University, Hsinchu, Taiwan. (Corresponding Author)

李威儀，國立交通大學電子物理系／高等教育開放資源研究中心，教授

Wei-I Lee is a Professor of Department of Electrophysics/Research Center of Higher Educational Resources for Openness, National Chiao Tung University, Hsinchu, Taiwan.

收稿日期：民國101年12月30日 修正日期：民國102年03月10日 接受日期：民國102年03月11日

附錄：正式施測量表 1. 我會為這門網路學習課程的學習成績設定目標。

2. 我會設定短程 （每日或每週） 與長程 （每個月或每學期） 的學習進度。

3. 我在這門網路學習課程的學習上會保持高標準。

4. 我會為這門網路學習課程設定目標以提升學習的動力。

5. 我不會因為這門課為網路學習課程而降低課業上的表現。

目標設定

6. 我會選擇一個避免太多干擾的環境來學習這門課

7. 我會使用合適的電腦軟硬體設備來上這門網路學習課程。

8. 我知道自己能在哪裡學習這門課最有效率。

9. 我會選擇一個甚少干擾的時段學習這門課。

環境結構

10. 我試著為這門網路學習課程的內容作有系統的重點整理與補充。

11. 在這門課有概念不清楚或不懂的地方，我會想辦法找到答案。

12. 當遇到困難的習題時，我會直接放棄或挑簡單的部分做。

13. 我會在這門網路學習課程做比其他課程更多的習題，用以掌握課程內容。

任務策略

14. 我會分配更多時間學習這門課比較困難的部分。

15. 我會安排每天或每週的同一個時段學習這門網路學習課程，並且關注課 程計畫表。

16. 雖然我們不用每天上這門網路學習課程，但我依然會平均分配每天學習 的時間。

時間管理

17. 我會與同學分享我的問題，然後一起努力解決問題。

18. 我需要幫忙時，我會找一個對於這門課程有豐富知識的人來諮詢。

19. 如果有需要，我會試著與我的同學見面。

20. 我遇到問題時會向老師或助教聯繫以尋求幫助。

尋求協助

21. 我會為在這門課的所學的內容做重點整理，用以檢視我對課程的理解度。

22. 我會藉由問自己一些問題來確定自己是否已經瞭解已經學習過的內容。

23. 我會與其他同學互動交流，得以了解我們的學習狀況有何差異。

24. 我會藉由有關課業上的各種表現來檢視自己的學習狀況。

自我評估

A SCALE FOR MEASURING STUDENTS’

SELF-REGULATION IN HIGHER EDUCATION ONLINE ENVIRONMENT WITH THE USE OF OPENCOURSEWARE

Yu-Ting Wu ¹ Jerry Chih-Yuan Sun ¹ Wei-I Lee ²

1Institute of Education, National Chiao Tung University

2Department of Electrophysics/ Research Center of Higher Educational Resources for Openness, National Chiao Tung University

ABSTRACT

The purpose of this study was to develop a self-regulation instrument for higher education online environment with the use of OpenCourseWare (OCW).

The development process included a translation from an existing and validated scale, online self-regulated learning questionnaire (OSLQ), an expert review, and a confirmatory factor analysis. A survey was conducted with 175 students who enrolled in a Taiwanese higher education online physics course. Internal consistency reliability and confirmatory factor analysis revealed goodness-of-fit statistic, which led to the resulting instrument.

Keywords: self-regulation, opencourseware, web-based learning