中華大學

(1)

中華大學碩士論文

結合 ARCS 動機模式及多人線上遊戲學習系統之研究

Development of a Multiplayer Online Game-based Learning System Based on the

ARCS Motivation Model

系所別：資訊管理學系碩士班學號姓名：M09910008 楊凱婷指導教授：應鳴雄博士

中華民國 101 年 8 月

(2)

摘要

近年來在資訊科技中數位學習(e-Learning)扮演著一個重要的角色，數位學習對於在訓練及學習上是一個非常有效的方法。在學習上，逐漸由傳統課堂上的紙本教材轉變為網路上的數位媒體或數位教材，但目前多數的數位學習，教材內容仍以文字、圖片及影片為主的，並缺乏同儕互動的學習刺激及生動性。而線上遊戲本身具備高度的互動性、同儕競爭性和趣味性，有助於提升學習動機。

因此，本研究發展一套擁有企業資源規劃(Enterprise Resource Planning, ERP)知識的多人線上遊戲學習系統(Multiplayer Online Game-based Learning System, MOGLS)，

並以ARCS動機模式為基礎。本研究所建置的MOGLS系統包含學生的學習歷程記錄，

排名紀錄，以及遊戲結束後的回饋訊息，以激勵學生學習。再透過同儕間的競爭，以促進學生學習。

最後，我們針對MOGLS系統進行了系統效用與系統滿意度的分析。經實驗結果證明，本研究的多人線上遊戲學習系統，不但可幫助學生考取ERP證照，在系統效用及系統滿意度亦達到良好的評價。

關鍵字：遊戲式學習、ARCS 動機模式、模糊理論、資訊系統成功模式

(3)

ABSTRACT

The prominent role of e-Learning in information technology has led to advances in recent years. E-learning is an extremely efficient way to train and learn. Traditional textbook may be replaced by digital media or e-Material. Most of the e-learning system mainly teaching material includes text, picture, video, but lacked for interaction between students and vivid materials. Online games are conducive to learning because online games have greatly interaction and competitiveness among players to enhance student motivation to learn.

Therefore, this work developed a multiplayer online game-based learning system (MOGLS), which based on the ARCS motivation model. The MOGLS allows learners to acquire Enterprise Resource Planning knowledge. The MOGLS system provides learning record, rankings record, end-of-test feedback to motivate learners to learn. By competition among students, the MOGLS system would facilitate and enhance learning.

Finally, we analyzed the system effectiveness and system satisfaction for MOGLS system. The empirical results show that multiplayer online game-based learning system not only helps students to obtain the ERP license, the system also get a good utility evaluation in system effectiveness and satisfaction.

Keywords: Game-Based Learning, ARCS Motivation Model, Fuzzy Theory, Information System Success Model

(4)

誌謝

時間飛快，兩年的研究所光陰已悄悄飛逝。在兩年的研究所期間，首先最為感謝指導教授應鳴雄老師，應老師不辭辛勞地指導我撰寫論文及系統，在我遇到瓶頸時，並適時地為我解惑，對於應老師的指導甚為感激。謝謝老師您對於我的耐心指導，老師所擁有的專業知識及處事態度，都是我要學習的地方，在此生能遇到如此棒的老師，真是難能可貴之事。往後請您好好保重身體，偶爾讓自己喘口氣，好好休息，別讓自己累壞了。並非常感謝兩位口試老師張榮庭與曾俊霖教授，在百忙之中撥冗審閱論文，並給予指導與建議，讓論文能更加完善。

除此之外，也非常感謝張文智、李之中、羅家駿等老師在論文研究與課業上的指導，並要感謝研究所的學長浩軒、乃維給予研究及課業上的協助，讓我能盡快熟悉研究所的生活。以及感謝同學柏榮、洪揚、瑋柔、文伶、翊揚等人，彼此間互相鼓勵、幫助，讓我的研究所生涯充滿歡樂。另外，感謝學弟妹光宏、紘村、玟君、

芳渝、昆宏、頌斐、伯元、葉彥、思穎等人，感謝他們在我撰寫論文時的鼎力相助，

論文才得以順利完成。

最後，要感謝我最親愛的家人，謝謝阿嬤、爸爸、媽媽、弟弟、妹妹時時刻刻地關心我，給予我精神上的鼓勵。每次回到家中看見你們的笑容，就是我最開心的事情，有你們的關懷與支持，才得以順利完成學業，這份榮耀與你們同享。

楊凱婷謹誌中華民國 101 年 7 月

(5)

圖目錄

圖 1.1 研究流程 ... 3

圖 1.2 論文架構 ... 5

圖 2.1 三角形歸屬函數 ... 10

圖 2.2 梯形歸屬函數 ... 11

圖 2.3D&M 資訊系統成功模式 ... 12

圖 2.4 改良後的 D&M 資訊系統成功模式 ... 13

圖 3.1 系統架構 ... 15

圖 3.2 成績輸出歸屬函數 ... 21

圖 3.3 實驗流程圖 ... 37

圖 4.1 環境架構圖 ... 41

圖 4.2SOCKET ... 42

圖 4.3 題庫管理 ... 43

圖 4.4 題庫管理：修改試題 ... 44

圖 4.5 單元開放 ... 44

圖 4.6 學習歷程分析 ... 45

圖 4.7 測驗結果分析 ... 45

圖 4.8 申訴紀錄 ... 45

圖 4.9 註冊畫面 ... 46

圖 4.10 登入畫面 ... 47

圖 4.11 功能選單 ... 48

圖 4.12 選擇單元 ... 49

圖 4.13 求救道具：智多星 ... 49

圖 4.14 求救道具：二選一 ... 50

圖 4.15 團體競賽房間：與相同等級的玩家準備進行競賽 ... 51

(9)

圖 4.16 團體競賽：觀看自己與同儕之間答對或答錯 ... 51

圖 4.17 團體競賽：結算成績 ... 52

圖 4.18 個人挑戰：選擇難度 ... 53

圖 4.19 個人挑戰：獎勵 ... 53

圖 4.20 個人挑戰：結算成績 ... 54

圖 4.21 模擬考：測驗介面 ... 55

圖 4.22 查詢申訴紀錄：申訴紀錄 ... 56

圖 4.23 查詢申訴紀錄：申訴內容 ... 56

圖 4.24 英雄榜：練功房 ... 57

圖 4.25 個人成就：練功房 ... 58

圖 4.26 個人成就：競技場 ... 59

圖 4.27 個人成就：挑戰賽 ... 59

圖 4.28 個人成就：模擬考 ... 60

圖 4.29 學習歷程：各類次數統計 ... 61

圖 4.30 歷程記錄：智力值變化之曲線圖 ... 61

圖 4.31 練功房：每次測驗分數 ... 62

圖 4.32 顯示曾經答錯過的試題 ... 62

圖 4.33 新手上路：練功房 ... 63

圖 4.34 新手上路：總分計算方式 ... 63

(10)

表目錄

表 2.1ARCS 動機模式的四項要素 ... 8

表 2.2ARCS 動機要素及動機策略 ... 9

表 3.1 個人練習之範例解析表之一 ... 27

表 3.2 個人練習之範例解析表之二 ... 28

表 3.3 團體競賽之範例解析表 ... 29

表 3.4 斷線分數之範例解析表 ... 30

表 3.5 單項總成績之範例解析表 ... 31

表 3.6FUZZY權重評分之範例解析表 ... 33

表 3.7 系統效用量表之題項內容 ... 34

表 3.8 系統滿意度量表之題項內容 ... 36

表 3.9 實驗時程表 ... 38

表 5.1 實驗樣本之基本資料彙整表 ... 64

表 5.2 系統效用量表之信度分析表 ... 66

表 5.3 系統滿意度量表之信度分析表 ... 66

表 5.4 多人線上遊戲學習系統對於系統效用之描述性統計量 ... 68

表 5.5 多人線上遊戲學習系統對於系統滿意度之描述性統計量 ... 69

表 5.6 多人線上遊戲學習系統與現有線上測驗系統之功能比較表 ... 71

(11)

第一章緒論

本章包括研究背景與動機、研究目的、研究流程、研究範圍與限制及論文架構，

共為五小節，以下針對本章進行詳細的描述。

1.1 研究背景與動機

近年來，隨著現今的電腦科技與網際網路的普及化，促使愈來愈多人習得知識的方式，逐漸由傳統課堂上的紙本教材轉變為網路上的數位學習(e-Learning)，使得學生可以無時空限制地隨時取得課程教材內容。因此，數位學習不但成為學習上輔助的工具，更成為近年來所廣泛使用的一項教學工具。目前在台灣的數位學習主要是透過電腦科技將紙本教材數位化，製作成投影片展示媒體，再由教師單向的傳遞知識，且教材內容大多仍由文字、圖片及影片構成，缺乏教材的生動性與師生互動性的需求(林義翔，2006)。過去諸多研究(曾絲宜等人，2008；蘇宜芬等人，2008)主要提供一個學習平台，未考慮學生的學習動機，雖然有學習成效，但如果加入學習動機之因素，或許能有較佳的學習成效。根據權淑芯等人(2012)的研究指出學生的學習動機明顯會直接影響學習成效；林純言(2008)的研究亦指出在學習環境中，增加學生的內在動機是提昇學習動機最有效的方法。由上述可知，增強學生的學習動機能提升學習成效，因此，教師如何透過課程設計並採用適合教學策略以增強學生的學習動機，對於學生學習是非常重要的一項因素。諸多的文獻研究(柯文容等人，2010；林雅婷，2010)皆使用 Keller（1983）所發展的 ARCS 動機模式，包含四個動機策略模式，分別為注意 (Attention)、相關(Relevance)、信心(Confidence)、滿足(Satisfaction)，強調引起學生的動機須配合此四項要素的運用，才能有助於提升學生的學習動機。

目前的教學評量方式中，常使用加權平均法或平均法，以衡量學生的學習成效。

但諸多文獻顯示評量採用模糊理論較符合學生的學習成效，例如張鈿富與孫慶岷 (1993)的研究中提到加權平均法計算後的分數，無法明確表現學生成效間的差異，而採用模糊理論可明確反應出分數的可靠性。羅昭強(2000)認為分數透過模糊理論的計算能反應較高的合理性、客觀性。林清平(2002) 經實證研究證實將模糊理論應用於教學評量中，該評量方式具有良好的信效度。梁姿茵與高世州(2006)發現透過模糊理

(12)

論及管制圖之機制能讓評量結果較具合理性。因此，有鑑於此，為了提升評量的可靠性，本研究將採用模糊理論衡量學生的總成績。

由於遊戲具有趣味性，易使學生在學習的過程中保持較長的注意力及吸引學生的興趣，並能提昇學生的學習動機及學習成效(Burguillo, 2010；翁榮源、莊坤鴻，2008)；

利用電腦遊戲讓學生學習知識，容易提高學生的學習動機，學生會根據教學內容及依循著預定的規則，並且根據系統自訂的獎賞或懲罰規則，進而維持學生的學習動機及學習成就(許有德，2009)。由此可知，電腦遊戲不僅可以增加學生的注意力及專注力，

亦可提升學生的興趣及學習成就。因此，本研究期望能藉於遊戲結合知識，來引發學生主動學習的內在動機，進而提昇學生的學習成效。

傳統的單機版遊戲所面對的玩家是電腦，但隨著網際網路的進步，目前流行利用網路連線進行遊戲，每一位玩家所面對的玩家則是網路另一端的使用者，這種遊戲類型不僅增加了趣味性，更增加了社交的功能。電腦遊戲逐漸從傳統的單機版遊戲演化成線上遊戲的模式，且根據 2012 年資策會(MIC)進行台灣線上遊戲玩家的研究調查結果顯示，線上遊戲仍然是網友最受到玩家喜愛的電腦遊戲。另外，電子工程專輯(2009) 中說明資策會調查玩家對遊戲產生興趣的原因，結果顯示玩家最重視「身邊朋友的討論推薦」的比例高達 80.6%，由此可說明玩家能持續留在同一款線上遊戲的主要原因是能與熟識的朋友一起並肩作戰，顯示網路社群力量對線上遊戲具有影響力。另外，

線上遊戲會較傳統的電腦遊戲更具有教育意義，因為傳統的電腦遊戲已有即時的回饋、

冒險及挑戰等的教育意義，倘若再加上線上遊戲中玩家們之間高度的互動性、同儕競爭性、趣味性，且線上遊戲每一次皆會儲存玩家的遊戲紀錄，使得在電腦遊戲蘊含社會中互助合作的教育意義及價值，更有助於學習(Ellington et al., 1982；Su, 2011；藍友烽等人，2007；蔡福興等人，2008)。因此，綜合上述，本研究欲將多人線上遊戲應用在教學上，並期望透過同儕之間的競爭，增加互動性及趣味性，以培養自我主動學習。

本研究發展了一套擁有企業資源規劃(Enterprise Resource Planning, ERP)知識的多人線上遊戲學習系統(Multiplayer Online Game-based Learning System)，簡稱為 MOGLS。本研究所建置的 ERP 知識學習環境與遊戲式測驗平台，將包含學生的學習歷程記錄，並提供遊戲的知識回饋機制，再經由同儕的遊戲競爭，達到學生自主學習

(13)

的教育目的。此外，本系統將以 ARCS 動機模式為理論基礎，應用於 ERP 的認證課程教學上，並以北部某大學資管學系修習企業資源規劃課程的學生為實驗樣本。

1.2 研究目的

基於研究背景與動機，本研究目的歸納出三點，如下所示：

一、建構一個結合 ARCS 動機模式及多人線上遊戲學習系統，以探討應用於企業資源規劃之認證課程教學環境中的可行性。

二、了解學生在使用 MOGLS 系統後的實際成效及滿意度。

三、透過多人線上遊戲學習系統，納入大量的 ERP 題庫，提供模擬證照考試的情境，

以輔助學生進行 ERP 證照考試之練習。

1.3 研究流程

本研究根據研究問題及研究目的，進行相關文獻之探討，並依照雛型系統之設計，建置 MOGLS，最後評估 MOGLS 之效用。因此，本研究流程共分為九階段，

如圖 1. 1 所示，其內容詳述如下。

圖 1. 1 研究流程擬定研究計畫

探討相關文獻

設計雛型系統

建置雛型系統

設計問卷

設計實驗

實驗與資料收集

分析資料

撰寫論文

(14)

一、擬定研究計畫：瞭解研究背景後，決定本研究欲探討的題目，隨後設定本研究問題及研究目的。

二、探討相關文獻：根據研究問題及研究目的，探討相關之文獻，做為建置系統之理論基礎。

三、設計雛型系統：根據研究目的為了提升學生對於 ERP 知識的學習動機，因此設計出雛形系統架構。

四、建置雛型系統：根據雛形系統之設計，蒐集相關資料進行建置雛型系統，並針對 ERP 知識進行測試。

五、設計問卷：根據相關文獻與雛型系統之功能，設計出有關雛型系統之系統效用及系統滿意度量表。

六、設計實驗：規劃本實驗的實驗流程，並設計使用雛型系統之任務測試。

七、實驗與資料收集：正式開始進行實驗及問卷調查，最後，收集實驗結果資料。

八、分析資料：根據實驗者所填寫的問卷內容，進行實驗結果分析。

九、撰寫論文：根據實驗結果分析後的數據資料，做為本系統的成效之依據。

1.4 研究範圍與限制

本研究的範圍及限制可歸納為兩點，說明如下：

一、本研究主要是提供學生學習有關企業資源規劃的知識，因此本系統僅提供有關企業資源規劃之試題。

二、受限於蒐集資料之花費時間、成本，本研究僅進行系統初期成效的評估，其樣本來源僅限於北部某大學資管學系修習企業資源規劃課程的學生。

1.5 論文架構

本論文的架構主要共分為六個單元，分別敘述如下，論文架構圖如圖 1. 2 所示。

第一章為「緒論」，主要是詳述本研究背景與動機、研究目的、研究流程、研究

(15)

範圍與限制以及論文架構。

第二章為「文獻探討」，主要是以本研究目的為準則，探討與本研究相關之文獻，

包含遊戲式學習、線上遊戲、ARCS 動機模式、模糊理論及系統滿意度，最後加以整理後成為本系統之理論基礎。

第三章為「研究方法與設計」，主要是詳述本研究之方法，包含系統架構、出題規則、評分規則、個人能力值規則、範例解析、問卷設計以及實驗設計。

第四章為「系統實作與展示」，主要是詳述本系統的開發環境以及系統重要功能之展示。

第五章為「系統成效驗證」，主要是驗證學生對於遊戲式系統的系統效用及系統滿意度。

第六章為「結論與未來建議」，主要是詳述本研究結果，並根據該結果提出未來可研究之方向及建議。

圖 1. 2 論文架構緒論

文獻探討

研究方法與設計

系統實作與展示

系統成效驗證

結論與未來建議

(16)

第二章文獻探討

本研究以 Keller（1983）所發展的 ARCS 動機模式做為系統的理論基礎，因此建構系統之前，除了探討 ARCS 動機模式之文獻之外，尚需對遊戲式學習、線上遊戲、模糊理論、系統滿意度之文獻進行探討。

2.1 遊戲式學習

遊戲式學習(Game-based Learning, GBL)最主要透過生動的遊戲融入於教學中，讓學生在遊戲中學習知識，以引起學生的動機，進而提升學生的學習成效(Vos et al., 2011；黃桂芝等人，2008)。傳統教學的教學方式，僅利用簡單的音效、圖片、文字等方式，來製作教學的內容。隨著時代的進步，電腦廣泛應用於教育領域中，電腦擁有豐富的聲光效果、模擬的情境等優點，比傳統的教學更為生動、活潑，更能吸引學生進入情境當中，能有效提升學生在學習動機。

陳萌智等人(2010)將自然科學科目結合至遊戲中，根據實驗結果提出三點建議，

第一點係指透過課程教材與遊戲情境結合，學生可專注於劇情中及提高學生的學習動機；第二點係指學生透過學習活動中了解自己的學習狀況，可提升自己的學習成效；

第三點係指透過同儕間一起冒險及學習，可望提高學習樂趣。Coştu et al. (2009) 的研究指出在數學科目中結合遊戲的概念，學生對於數學課的學習態度表現積極、主動。

江妮穎(2007)的研究則指出，由於某位學生的識字能力較弱，所以非常排斥閱讀較為艱深的文章字句，導致該位學生較為被動學習。因此，此研究透過遊戲式教學，以提昇學生的學習動機及識字學習成效。

根據上述文獻可知將遊戲應用至教育領域中，透過寓教於樂的概念，可提升學生對於該科目的興趣及成效。除此之外，以電腦遊戲來做為教育的教學工具能達到諸多正向的成效，如此一來遊戲式學習能具備豐富的使用者介面、有難度的選擇、即時的回饋獎勵、動人的音效，進而引起學生的興趣，並達到主動學習、提高學習動機、減輕學習壓力等教學效果(Cheng & Su, 2012；Warren et al., 2012) 。因此，本研究欲將遊戲的概念結合至測驗系統中，期望能輔助學生學習。

(17)

2.2 線上遊戲

線上遊戲是透過網際網路與他人同時在虛擬世界中所進行的遊戲(楊淑晴，

2011)，與一般遊戲不同在於線上遊戲會儲存使用者在系統上的所有紀錄，且線上遊戲中參與的那些夥伴會影響到使用者本身，自己學習的狀況亦會影響到別人。線上遊戲的起源於 MUD(Multi-User Dungeon、Multi-User Dimension、 Multiple User Dialogue)，當時係指一個藉由網際網路能讓多人共同參與遊戲的虛擬實境，當時的遊戲介面主要以文字為主。第一個 MUD 是在 1978 年時候，由來自於英國的 Essex 大學的學生，Trubshaw & Bartle 所創造一個冒險性的多人線上遊戲，遊戲畫面主要利用文字敘述的方式呈現(鄧景宜等人，2007； MacInnes, 2006 )。

羅立芸(2009)的研究結果顯示參與線上遊戲，除了可以創造屬於自己的社群及與不同的人互動，還可以紓解壓力、增加自我的成就感等好處。但過度的沉溺於線上遊戲中，會帶來對於現實生活中的社交恐懼等不良影響。張玉佩(2009)的研究結果顯示參與線上遊戲最大的快樂來自於遊戲升級的快感以及玩家之間的互動，讓玩家最為沉溺於線上遊戲中的主要原因是與玩家之間的互動，由以上文獻，可見交際社群對於線上遊戲影響之深。程毓明等人(2010)將數學科目結合至遊戲中，該研究指出學生非常喜歡利用線上遊戲學習數學科目，透過同儕之間的競賽以及獎勵機制，

能有效提升學生的學習動機，進而達到良好的學習成效。Cheng & Chen(2008)利用線上遊戲平台結合自然科學科目，以供國小學生學習自然科學。該研究指出國小學生呈現很高的學習興趣及信心，亦指出學生的成就與有使用該平台的學生有正向關係。

綜觀上述文獻，若將線上遊戲應用在教育上，透過同儕間的競爭學習，應可吸引學生的興趣。因此，本研究欲將線上遊戲結合在測驗系統中，會考慮整體學生程度的變化，使用者亦會受到其他使用者的影響，並儲存所有使用者在系統上的所有紀錄，以利學生了解自己的學習情形。

(18)

2.3 ARCS 動機模式

ARCS 動機模式是由美國佛羅里達州立大學的 Keller 教授所創，「動機」 (Motive) 意指引起學生進行某活動，並維持學生參與此活動，且促使學生朝向目標積極參與學習的內在動力。為了增強學習動機，以提高學習成效，可採用合適的教學策略(Small

& Gluck, 1994)，例如 ARCS 動機模式整合了許多學習動機理論(諸如：期望-價值理論、

成就動機理論、與社會學習理論等等)，主要的目的在於強化系統化教學設計，期許教材的設計更能符合且激勵學生參與及互動，並提供理論的基礎與實務的應用(Bohlin et al., 1994)。ARCS 每個英文字母代表的涵義是激發學生的學習動機四項必備要素：

注意(Attention)、相關(Relevance)、信心(Confidence)、滿足(Satisfaction)，強調引起學生的動機須配合此四項要素的運用，才能達到激勵學生學習的作用(Keller, 1983)。以下簡述 ARCS 動機模式的四項要素(如表 2.1)。Keller 不僅提出以上 ARCS 動機模式的四項要素，亦依照四項要素各提出三項激發學習動機策略(如表 2.2) (Keller, 1987a；

Keller, 1987b；Keller, 1999a)。

表 2.1 ARCS 動機模式的四項要素

必備要素定義

注意(Attention) 意指是要引起學生的興趣、維持學生注意，及刺激學生的好奇心。

相關(Relevance) 意指是讓學生根據對學習新教材及過去的經驗，產生切身相關的體認。

信心(Confidence) 意指是引發學生對成功的期望及造就學生正面的態度，以幫助學生建立學習自信心。

滿足(Satisfaction) 意指是學生對於學習的經驗、結果所產生的滿足感、成就感，

會增進自我學習效能。

資料來源：Keller(1983)、沈中偉(2004)

(19)

表 2.2 ARCS 動機要素及動機策略

必備要素激發學習動機策略

注意 (Attention)

1.喚起知覺

用奇特、非預期的方式，使學生的感官受到刺激，進而引起學生的注意。

2. 喚起探究的好奇心

提出新奇的題目，以引起學生好奇心，進而去研究此問題。

3.多樣性多樣化的教學方式，以維持學生的注意力。

相關 (Relevance)

1.熟悉性

使用學生熟悉的例子及結合學生過去學過的教材經驗，提昇學生對教材的熟悉度。

2.目標導向

明確的告知學習、個人目標，以提升學生的學習動機。

3.配合學生的動機

利用教學策略中所設計的教學活動，以提昇學生的學習動機。

信心 (Confidence)

1.對成功的期望

讓學生知道表現的要求及評量的標準，使得學生可以努力達到好的表現及所評量的標準，以提昇學生的學習動機。

2.挑戰的情境

提供讓學生自我挑戰的成功目標，當學生達到成功地達到目標，學生即會更有信心。

3.歸因的塑造

提供適當的回饋機制以回應學生的學習情形，

使學生了解到真正影響到學習成效的原因是個人的努力，以激發學生更奮發向上的學習動機。

滿足 (Satisfaction)

1.自然的結果

提供情境讓學生可以一展所長，以應用所習得的新知識，亦可提昇學生的滿足感。

2.正面的結果

提供正向的回饋及鼓勵給學生，以維持學生對於所習得的新知識的成就感。

3.維持公正

對於學習成果的評量，應維持公平性、一致性的評量標準。

資料來源：Keller(1987a)、Keller(1987b)、Keller(1999a)、沈中偉(2004)

由過去相關研究使用ARCS動機模式，可提升學生的學習動機。Huang(2011)根據

(20)

ARCS動機模式建置有關國際貿易的遊戲式學習系統，有效提升學生的學習動機及信心。王珩(2005)探討國內英語教學在ARCS動機模式上可施行的策略，以達到良好的學習績效。張靜儀(2005)則採用個案研究法，探討國小自然科教師於自然科目教學時，

以ARCS動機模式為基礎，提出各種引起動機教學之策略，並分析出可施行在自然科目的教學策略。

因此，本研究也將ARCS動機模式的概念，建置發展於本研究的系統架構中，藉由系統的開發以激發學生的學習動機，以達到良好的學習績效。另外，本研究參考 ARCS動機模式的概念，作為本研究衡量系統效用之指標。

2.4 模糊理論

模糊(Fuzzy Theory)理論是由 Zadeh(1965)所提出，主要是用來表現在真實生活中某些無法精準定義的現象。在模糊理論的模糊集合(Fuzzy Set)中，是一種無法精準表示的集合概念，以連續性的隸屬度來表示。

每個人的感受都是憑著主觀意識，彼此間的敘述不盡相同，且並不是所有事物皆可用二分法來表示，例如「天氣的溫度」、「分數」等。如果完全屬於即為 1，

如果完全不屬於即為 0，如果介於 1 至 0 之間，即依照所占程度給予數值，因此能對模糊集合進行量化表示的函數，稱之為歸屬函數(Membership Function)。最常見的歸屬函數有三角形歸屬函數(Triangular Membership Function)及梯形歸屬函數 (Trapezoidal Membership Function) 等(李允中等人，2003)。

一、三角形歸屬函數(Triangular Membership Function)，如圖 2. 1 所示：

𝜇(𝑥) {

0, 𝑥 ≤ 𝑎

𝑥−𝑎

𝑏−𝑎, 𝑎 ≤ 𝑥 ≤ 𝑏

𝑐−𝑥

𝑐−𝑏, 𝑏 ≤ 𝑥 ≤ 𝑐 0, 𝑐 ≤ 𝑥

圖 2. 1 三角形歸屬函數

(21)

二、梯形歸屬函數(Trapezoidal Membership Function)，如圖 2. 2 所示：

𝜇(𝑥) {

0, 𝑥 ≤ 𝑎₁

𝑥−𝑎

𝑏−𝑎, 𝑎 ≤ 𝑥 ≤ 𝑏 1, 𝑏 ≤ 𝑥 ≤ 𝑐

𝑑−𝑥

𝑑−𝑐, 𝑐 ≤ 𝑥 ≤ 𝑑 0, 𝑑 ≤ 𝑥

圖 2. 2 梯形歸屬函數

目前，模糊理論已廣泛應用在各種領域，包括藝術(林振陽等人，2009)、電腦流量控制(劉仲鑫、邵亦，2012)、機械(陳文亮等人，2012)等。在教育方面，陳鴻文等人(2005)以國中數學「畢氏定理」之教學課程為例，發展出的教學評量系統，根據學生使用教材的反應及測驗的結果，自動分析學生的認知程度並結合模糊理論，

有助於提昇學生的學習成效。葉秋呈(2007)將模糊理論結合至威克生等級和檢定，

利用此檢定去分析不同背景的學生在微積分該科目時的學習動機與學習策略，結果顯示此方法是可以順利進行的。劉威德與梁姿茵(2008)將模糊理論結合至繪畫科目多元評量成績管控系統中，以探討模糊理論在多元評量的客觀性，結果顯示模糊理論有助於客觀化學習成效評量。因此，本研究將利用模糊理論找出成績的歸屬度函數，以評比學生的總成績。

2.5 系統滿意度

本研究欲發展出一個多人線上遊戲學習系統，期望本研究能提升學生的學習動機。因此，需要一個指標來評量受測學生使用本系統的滿意度，以下進行資訊系統之資訊品質相關文獻探討。

DeLone & McLean (1992) 參考許多相關文獻之結果，於 1992 年發展出「資訊系統成功模式」(Information System Success Model)，此模型包含系統品質(System Quality)、資訊品質(Information Quality)、使用(Use)、使用者滿意度(User Satisfaction)、

(22)

個人影響(Individual Impact)及組織影響(Organizational Impact)，共六大構面。根據 DeLone & McLean (1992)的說明，系統品質與資訊品質會直接影響到使用與使用者滿意度，接下來使用與使用者滿意度亦會造成個人之影響，最後個人會對組織造成影響，其此模式如圖 2. 3 所示。

資料來源：DeLone & McLean (1992)

圖 2. 3 D&M 資訊系統成功模式

DeLone & McLean (2003)自 1992 年提出資訊系統成功模式後，參考使用該模式的文獻，改良原有的資訊系統成功模式。改良後的資訊系統成功模式主要修正了兩大構面，第一是增加服務品質之構面，由於資訊系統成功模式主要是衡量系統是否滿足使用者的需求，且系統需要維護，以滿足使用者的需求，因此，除了原本有的系統品質及資訊品質之外，須加上服務品質。第二是將原本的個人影響及組織影響改成淨利益(Net Benefits)，以建置更於完整的資訊系統成功模式。

改良後的資訊系統成功模式亦包含六大構面，包含系統品質(System Quality)、

資訊品質(Information Quality)、)服務品質(Service Quality)、意圖使用與使用(Intention to use/use)、使用者滿意度(User Satisfaction)、淨利益(Net Benefits)，其此模式如圖 2. 4 其說明如下。

(23)

資料來源：DeLone & McLean (2003)

圖 2. 4 改良後的 D&M 資訊系統成功模式

一、資訊品質(Information Quality)：係指評估該資訊系統所包含的資訊內容。衡量項目包含完整性(Completeness)、容易理解(Ease of Understanding)、個人化 (Personalization)、相關性(Relevance)、安全性(Security)。

二、系統品質(Systems Quality)：係指在網路環境中評估所描述該資訊系統的特性。

衡量項目包含可適性(Adaptability)、可用性(Availability) 、可靠性(Reliability) 、反應時間(Response Time) 、有用性(Usability)。

三、服務品質(Service Quality)：係指評估提供該資訊系統的廠商的服務品質。衡量項目包含確實性(Assurance)、關懷性(Empathy)、反應性(Responsiveness)。

四、使用意圖與使用(Intention to Use/Use)：係指評估使用者未來是否有意願持續使用該資訊系統。衡量項目包含使用特性(Nature of Use)、使用模式(Navigation Patterns) 、瀏覽次數 (Number of Site Visits) 、執行交易的次數 (Number of Transactions Executed)。

五、使用者滿意度(User Satisfaction)：係指評估使用者對於該資訊系統的滿意程度及意見。衡量項目包含再次訂購(Repeat Purchases)、再次瀏覽(Repeat Visits)、

使用者的意見調查(User Surveys)。

六、淨利益(Net Benefits)：係指使用該資訊系統所獲得的效益。衡量項目包含節省

(24)

成本(Cost Savings)、拓展市場(Expanded Markets)、增加額外的銷售(Incremental Additional Sales) 、降低搜尋成本 (Reduced Search Costs) 、節省時間 (Time Savings)。

諸多文獻採用改良後的 D&M 資訊系統成功模式皆具有正向顯著的影響。Lin &

Wang (2012)藉由改良後的 D&M 資訊系統成功模型，衡量數學學習系統的滿意度，

以未來能幫助學生學習。余鑑等人(2011)採用改良後的 D&M 資訊系統成功模型，

衡量業務人員使用個案公司的數位學習系統能是否能有效提升業務人員的學習滿意度與使用意願。因此，本研究採用 DeLone & McLean (2003)所改良後的資訊系統成功模式其中的系統品質、資訊品質、使用意圖與使用，作為本研究衡量系統滿意度之指標。

(25)

第三章研究方法與設計

本章內容包括系統架構、出題規則、評分規則、個人能力值規則、範例解析、

問卷設計及任務設計，共為七小節，以下針對本章進行詳細的描述。

3.1 系統架構

本系統主要是給修習 ERP 專業認證課程的學生線上練習及測驗。因此，本研究提出一個結合 ARCS 動機模式及多人線上遊戲學習系統之雛形系統架構，如圖 3. 1 所示。

圖 3. 1 系統架構

圖 3. 1 的系統架構包含學生操作介面及管理者的管理介面、學習歷程模組、測驗結果資料庫等，相關的元件說明如下：

一、測驗模組：此模組主要是分為四種不同的測驗模組，藉由多樣性的測驗方式、即

(26)

時告知測驗結果及題目相關回饋，以提升學生的學習動機及維持學生的注意力。

1. 個人練習模組：此模組主要讓學生挑選欲練習的單元，在練習期間可使用求救工具，以增加趣味性。另外，當學生的成績有所進步，此次分數會進行加分，以提升學生的自信心。

2. 團體競賽模組：此模組主要是進行四人測驗競賽，依照學生程度選擇相同等級的玩家進行配對開桌，如玩家數量不足，會以相同等級的電腦玩家進行競賽，避免學生有挫敗感，亦可增強學生的自信心。藉由與同儕間競爭的方式，

以吸引學生的注意。

3. 個人挑戰模組：此模組學生可自行挑選要挑戰的難度，難度分為簡單、中等及困難。每答對一題可獲得求救工具當作獎勵，假如時間到未答題或回答錯誤，即獎勵減半，因此試題需全答對，才算挑戰成功，以提昇學生的學習滿足感。

4. 模擬考模組：此模組主要是模擬 ERP 證照考試的情境給予學生測驗，能讓學生提前熟悉考試的題型，以增進學生的自信心。

二、出題模組：此模組主要是根據四種不同的測驗模組產生試題。每次的答案選項順序是由電腦亂數產生，以維持測驗的公平性。

1. 個人練習模組：此模組的試題包含學生在此單元曾經答錯最多次的試題，再加上隨機撈取此單元目前被答題次數最少的試題，以提升學生的信心。

2. 團體競賽模組：根據學生的程度給予不同難度的試題。當學生的等級到達某一等級後，題目難度亦會增加，能刺激學生專注於學習。

3. 個人挑戰模組：根據學生挑選的難度給予不同難度的試題，能刺激學生對知識更專注的學習。

4. 模擬考模組：從測驗題庫資料隨機選取一百題試題給予學生進行 ERP 證照模擬測驗。

三、計算分數模組：此模組主要是當測驗模組測驗結束，除了會計算此次測驗的分數之外，還會重新計算此測驗模組的總分及四項測驗模組的總分。讓學生了解只要努力就能達到評分標準，以幫助建立自信心。

1. 單次分數模組：每一項測驗模組，皆為十題單選題，每題十分。

2. 單項總成績模組：在此項測驗模組的全部測驗分數進行計算。

(27)

3. Fuzzy 總成績模組：運用 Fuzzy 計算學生在四項測驗模組中的總成績。配分方式為系統參與占總分百分之十、個人練習占總分百分之三十、團體競賽占總分百分之三十、個人挑戰占總分百分之十五及模擬考占總分百分之十五。

四、學習歷程模組：此模組提供學生查詢在此系統中的學習歷程，其中包含系統登入次數、個人排行榜、個人成就、個人的學習記錄曲線圖，並提供學生可觀看以往答錯的題目及每次測驗的分數，以具體化學生的學習成就，並滿足學生的學習成就感。

五、會員資料模組：此模組為學生的基本資料，包含學號、信箱、遊戲暱稱、經驗值、

智力值、努力值、等級等資料，並將資料存至個人資訊資料庫。

六、申訴紀錄模組：此模組主要是當測驗完畢後，如發現試題資訊(如：試題的題目、

正確答案等)及成績有誤時，可進行申訴。

七、測驗試題資料庫：此資料庫儲存各單元分類的相關試題。

八、學習歷程資料庫：此資料庫儲存學生的學習歷程資料。

九、答錯紀錄資料庫：用以儲存學生在測驗模組中曾經答錯的試題。

十、測驗結果資料庫：此資料庫儲存學生的每次測試的試題及測驗結果。

十一、會員資料資料庫：此資料庫儲存學生的個人資訊。

十二、申訴紀錄資料庫：此資料庫儲存學生提出試題資訊錯誤的申訴紀錄。

十三、題庫管理模組：此模組主要是提供管理者於題庫中可新增、刪除、修改、查詢試題等功能。

十四、試題分析模組：此模組主要是提供管理者觀看學生對於試題正確率及難度。

十五、學習歷程分析模組：此模組主要是將學習歷程資料庫中，將學生在各模組中學習歷程紀錄，進而統計分析後的數據資料給管理者，可讓管理者能快速了解到學生的學習狀況。

十六、測驗結果分析模組：此模組主要是提供管理者觀看學生每次練習、測驗結果及曾經答錯的題目，進而統計分析後的數據資料給管理者，可讓管理者能快速了解到學生的學習狀況。

十七、會員管理模組：此模組主要是提供管理者管理學生的權限。

十八、申訴紀錄管理模組：此模組主要是提供管理者管理學生提出試題資訊錯誤或成績錯誤的申訴紀錄。

(28)

3.2 出題規則

主要是根據四種不同的測驗方式產生不同的出題規則，包含個人練習、團體競賽、

個人挑戰、模擬考，以下依序介紹。

一、個人練習：該出題規則為選取學生在此單元曾經答錯最多次的四題，再加上隨機選取此單元目前被答題次數最少的六題。如果曾經答錯題數小於四題，就會選取這些全部曾經答錯的試題，剩下的則採用隨機選取此單元目前被答題次數最少的試題，以形成十題題數。例如此學生只有在此單元僅曾經答錯三題，即隨機撈取此單元目前被答題次數最少的七題。如果學生在此單元皆沒有曾經答錯的試題，

即隨機選取此單元目前被答題次數最少的十題試題。

二、團體競賽：根據學生的程度給予不同難度的試題，且根據教師目前所授課的單元進度，才開放該單元的試題。試題的難度是採用常見的難度(Item Difficulty) 分析方法，難度定義為受測者曾答對過該題的百分比 (Percentage Passing) (Anastasi, 1988)。數學公式表示如下所示：

100 (1)

P：表示試題的難度，P 值愈大代表該試題的難度愈容易 R：表示答對該題的人數

N：表示曾答該題的總人數

本研究的試題難度分為三種難度，包含困難(0 ≤ P < 0.40)、中等(0.40 ≤ P

< 0.80)、容易(0.80 ≤ P ≤ 1 )。測驗資料庫原先的試題難度示採用應鳴雄等人 (2011)做過的研究，當學生回答完該題後，會根據以上公示自動重新計算該題的難度(不會根據電腦玩家答題的紀錄進行更新，以避免影響實際試題的難度)。為了在團體競賽時，區分學生的程度(程度等級)，以安排相同等級的學生(電腦玩家)參加競賽及安排適當的試題難度。因此，本研究將學生的程度等級共分成四種等級，為 A、B、C、D 等級，以下依序說明。

1. A 等級：試題由困難七題、中等二題及容易一題組成。

2. B 等級：試題由困難五題、中等三題及容易二題組成。

3. C 等級：試題由困難二題、中等三題及容易五題組成。

4. D 等級：試題由困難一題、中等二題及容易七題組成。

(29)

假如困難難度之試題不足，由中等難度遞補，如中等難度之試題不足，

由容易難度遞補。

三、個人挑戰：分成三種不同難度的試題給予學生挑選進行挑戰，包含困難(0 ≤ P < 0.40)、中等(0.40 ≤ P < 0.80)、中等(0.80 ≤ P ≤ 1 )。

四、模擬考：從測驗題庫資料隨機撈取一百題試題給予學生進行 ERP 證照模擬測驗。

以上試題的選項皆以電腦亂數產生，避免學生死背選項編號。本研究共分為四種亂數值，第一種為亂數為 0 的時候，採用原本的選項順序；第二種為亂數為 1 的時候，

原本的選項順序往後順延一個選項；第三種為亂數為 2 的時候，原本的選項順序往後順延兩個選項；第四種為亂數為 3 的時候，原本的選項順序往後順延三個選項。

3.3 評分規則

為了計算學生分數更為公平，每一項評分規則依據 ARCS 動機模式中的提升學生自信心為目標。假如評分規則計算完畢有小數點，採用四捨五入之方法。以下逐一介紹評分規則。

3.3.1 單項總成績

個人練習、團體競賽、個人挑戰及模擬考的總成績皆使用此計算方式，此計算成績方式採用每一次的測驗分數，皆依照權重值計算，不會因為一次考不好，而影響到總成績，只要愈努力練習，分數會愈高分，以幫助學生建立自信心。

( )

∑₁ 𝑐 _{( )} ( 1 ) (1 )

(2)

i：表示測驗分數次數，i=1,2,3…,n，其中 n 為測驗分數總次數 𝑐 _{( )}：表示第 i 次的測驗分數

3.3.2 Fuzzy 權重評分

由於模糊理論會先確認分數落在哪個區間，再以整個區塊的能力做加權，因此，

計算出的總成績比較接近學生能力及較合理。本研究的 Fuzzy 權重評分係參考闕頌廉

(30)

(2003)中的綜合評判之概念。根據教育部的國民小學及國民中學學生成績評量，其等第成績分為優等：九十分以上；甲等：八十分以上未滿九十分；乙等：七十分以上未滿八十分；丙等：六十分以上未滿七十分；丁等：未滿六十分。

Step1

本系統的評量因素分為五個項目，權重分別為系統參與(x1)占總分百分之十、個人練習(x2)占總分百分之三十、團體競賽(x3)占總分百分之三十、個人挑戰(x4)占總分百分之十五及模擬考(x5)占總分百分之十五，評量因素的權重集合表示如下：

{0 1,0 ,0 ,0 1 ,0 1 }

Step2

由於黃士滔與劉天賜(1997)認為梯形模糊歸屬函數法除了所獲得的數值較為精確之外，還能反應實際情形；本研究主要是評斷學生的程度能力，採用梯形模糊歸屬函數法可以讓每一個區間的分數都可以對應到相同的程度，而不會讓學生因分數相差較小，而產生等級落差，例如 89 分與 90 分，符合程度的概念，以提升學生的信心。

因此，本系統採用梯形模糊歸屬函數法，歸屬函數如下所示：

𝜇 (𝑥) {

0, 𝑥 ≤ 1, ≤ 𝑥 ≤ 100 𝑥 1 , ≤ 𝑥 ≤

𝜇 (𝑥)

{

0, 𝑥 ≤

𝑥 1 , ≤ 𝑥 ≤ 1, ≤ 𝑥 ≤ 1 𝑥

, ≤ 𝑥 ≤ 0, ≤ 𝑥

(31)

𝜇 (𝑥)

{

0, 𝑥 ≤

𝑥 1 , ≤ 𝑥 ≤ 1, ≤ 𝑥 ≤ 1 𝑥

, ≤ 𝑥 ≤ 0, ≤ 𝑥

𝜇 (𝑥)

{

0, 𝑥 ≤

𝑥 11 , ≤ 𝑥 ≤ 1, ≤ 𝑥 ≤ 1 𝑥

, ≤ 𝑥 ≤ 0, ≤ 𝑥

𝜇 (𝑥) {

0, ≤ 𝑥 1 𝑥

, ≤ 𝑥 ≤ 1, 0 ≤ 𝑥 ≤

本系統的輸出歸屬函數如下所示(如圖 3. 2)：

圖 3. 2 成績輸出歸屬函數

(32)

Step3

根據步驟二進行歸屬函數運算，作法如下：

A. 第一個評量因素(系統參與)： ₁ { ₁, , , , } B. 第二個評量因素(個人練習)： { ₁, , , , } C. 第三個評量因素(團體競賽)： { ₁, , , , } D. 第四個評量因素(個人挑戰)： { ₁, , , , } E. 第五個評量因素(模擬考)： { ₁, , , , }

依照評量因素進行模糊矩陣運算，如下所示：

[

1

] [

1

1 ]

Step4

模糊矩陣之合成運算，計算公式如下：

[0 1,0 ,0 ,0 1 ,0 1 ] [

1

1 ]

[ (0 1 ₁ 0 ₁ 0 ₁ 0 1 ₁ 0 1 ₁) , (0 1 0 0 0 1 0 1 ), (0 1 0 0 0 1 0 1 ), (0 1 0 0 0 1 0 1 ), (0 1 0 0 0 1 0 1 ) ] [ , , , , ]

(33)

Step5

接下來進行解模糊化，本研究採用加權平均法(Weighted Average，WA)，𝜇 𝜇 的值都是採用上一個等第的最小值與下一個等第的最大值，進行加權平均，例如成績在乙等第中，上一個等第的最小值為 77.5，下一個等第的最大值為 72.5，因此公式如下所示：

𝜇 ( 100) 𝜇 ( ) 𝜇 ( ) 𝜇 ( ) 𝜇 (0 )

Step6

計算總成績方式為模糊矩陣之合成運算與加權平均兩者相乘，因此，公式如下所示。

𝑐 𝜇 𝜇 𝜇 𝜇 𝜇 (3)

𝑐 ：表示學生目前總成績

3.3.3 斷線分數

假設學生正在進行使用 MOGLS，然而伺服器或用戶端一方不正常斷線，為了避免造成對學生作答分數不公平，因此分數採用以下計算方式。

OScore = (100 / TN) * CN (4)

OScore：表示不正常斷線後的測驗分數 TN：表示此次測驗目前的答題總題數 CN：表示此次測驗目前的答對題數

(34)

3.3.4 參與分數

學生的系統參與分數，採用自然對數函數(Natural Logarithmic Function)作為計算方式，記為 ( )。

凡參與過個人練習、團體競賽、個人挑戰及模擬考之測驗即算參與一次。每測驗完畢之後，參與分數會根據目前的參與測驗總次數再乘以 18。以上規則一開始參與分數彼此間距容易較短，分數變動較大，但隨著參與次數的增加，分數變動逐漸變小，

欲獲得愈高分數須參與測驗愈多次。

Participate _Score = ( ) 1 (5)

Participate _Score：表示新的參與分數 T_Count：表示目前的參與測驗總次數

3.3.5 加分規則

加分規則主要使用在個人練習的時候，如學生在該單元的測驗分數比上一次的測驗分數高分的時候，此次分數會進行加分，加分規則如下所示。

Subtract _Score = TScore - PScore (6)

Subtract _Score：表示這次的測驗分數與上一次的測驗分數的相差值 TScore：表示此次的測驗分數

PScore：表示上一次的測驗分數

首先會將此次的測驗分數與上一次的測驗分數相減之後，如果相差值(Subtract _Score)>0，代表成績有進步，才會繼續以下加分運算，反之，即沒有加分。

一、此次測驗分數介於九十分與一百分之間，與上次測驗分數比較進步一分就加一分。

二、此次測驗分數介於八十分與八十九分之間，與上次測驗分數比較進步兩分就加一分。

三、此次測驗分數介於六十分與七十九分之間，與上次測驗分數比較進步五分就加一

(35)

分。

四、此次測驗分數介於零分與五十九分之間，與上次測驗分數比較進步十五分就加一分。

五、如果與上次測驗分數同分的時候，此次測驗分數八十分以上即可加一分。

3.4 個人能力值規則

每位學生的會員資料除了基本資料之外，尚有個人能力值包含智力值、努力值、

經驗值、遊戲等級及程度等級。個人能力值皆在學生每次測驗完畢之後，會進行更新運算，以下依序說明計算方式。

一、智力值

智力值主要是根據學生的測驗成績進行運算。根據教育部的國民小學及國民中學學生成績評量，其分為五項等第，本研究亦將該次測驗成績區分為五等分，以衡量學生的成績。因此，該次測驗成績除以五，即代表新增的智力值，如果測驗成績越高分，智力值就新增越多分。

New_IS = Past _ IS + (Score / 5) (7)

New_IS：表示新的智力值 Past _ IS：表示目前的智力值 Score / 5：表示新增的智力值 Score：表示此次測驗的分數

二、努力值

努力值的計算是參加一次測驗(個人練習、團體競賽、個人挑戰、模擬考)即加 2 點的努力值。主要是根據學生測驗的次數，因此，如果學生測驗次數越多，努力值就越高。

New_SS = Past _SS + 2 (8)

(36)

New _SS：表示新的努力值 Past _SS：表示目前的努力值

三、經驗值

經驗值的計算是參加一次測驗(個人練習、團體競賽、個人挑戰、模擬考)即加 20 點的經驗值。

New_ES = Past _ES + 20 (9)

New _ES：表示新的經驗值 Past _ES：表示目前的經驗值

四、遊戲等級

當學生註冊成功後，遊戲等級即為第一級。遊戲等級的升級會依據學生目前的智力值、努力值、經驗值三項指標。其中努力值、經驗值須測驗次數為五的倍數才能達升級的基本門檻，藉此希望學生多參與測驗。升級依據以下公式計算之後，假如計算結果為小數點，採用無條件捨去法，因此，取出三項指標中的最小值即為新的等級。

New_GL = Min{ ( New_IS / 20 ) , ( New_SS / 10 ) , ( New_ES / 100 ) } +1 (10)

New_GL：表示新的遊戲等級 New_ IS：表示目前的智力值 New_SS：表示目前的努力值 New_ES：表示目前的經驗值

五、程度等級

學生一開始的等級為 D 級，當參與團體競賽的人數大於 5 人時，方可根據目前曾經在團體競賽中測驗的總人數進行程度等級運算。將目前有參與過團體競賽的學生，根據團體競賽的總成績進行排名。程度等級分為四個等級依序分為 A 級(佔目

(37)

前人數的 0~25%)、B 級(佔目前人數的 26~50%)、C 級(佔目前人數的 51~75%)及 D 級(佔目前人數的 76~100%)。

New_DL = ( 𝑎 ) 100 (11)

New_DL：表示新的程度等級 Rank：表示該目前學生之名次

Group_Cout：表示目前曾經在團體競賽中測驗的總人數

3.5 範例解析

由於四種測驗方式之評分規則大致相同，本單元僅描述較為特殊的測驗方式，

因此主要描述個人練習及團體競賽之測驗方式的範例。個人練習之測驗方式主要描述加分規則，團體競賽之測驗方式主要描述程度升級。假設目前有 6 位學生使用過 MOGLS，以下依序說明有關 3.2 至 3.4 之評分規則。

3.5.1 個人練習之範例解析

當學生 A 第一次參與個人練習時，測驗分數為 50 分，因此未能進行加分。此時的智力值為(50/5)+0=10，努力值為 2，經驗值為 20。而遊戲等級智力值為 10/20=0.50，無條件捨去後取值為 0，努力值為 2/10=0.20，無條件捨去後取值為 0，

經驗值為 20/100=0.20，無條件捨去後取值為 0，取出三項指標中的最小值為 0 再加上 1，因此最新的等級依然為第一級。參與分數為 (1) ∗ 1 0 00 ，四捨五入後取值為 0。由於為第一次參與個人練習，因此，個人練習總成績與個人練習分數相同，

個人練習總成績為(50*1)/1=50 分。其他學生的個人練習成績如表 3.1 所示。

表 3.1 個人練習之範例解析表之一

學生名稱學生 A 學生 B 學生 C 學生 D 學生 E 學生 F 個人練習分數 1 50 60 80 70 100 0

(38)

智力值 10 12 16 14 20 0

努力值 2 2 2 2 2 2

經驗值 20 20 20 20 20 20

遊戲等級 1 1 1 1 1 1

參與分數 0 0 0 0 0 0

個人練習總成績 50 60 80 70 100 0

學生 A 第二次測驗時分數為 70 分，根據以上評分規則之加分規則，此次的測驗分數與上一次的測驗分數相差 20 分，而此次的測驗分數介於六十分與七十九分之間，因此原始分數 70 分再加 4 分為 74 分。此時的智力值為(74/5)+10=24.80，四捨五入後取值為 25，努力值為 2+2=4，經驗值為 20+20=40。而遊戲等級智力值

=25/20=1.25，無條件捨去後取值為 1，努力值為 4/10=0.40，無條件捨去後取值為 0，

經驗值為 40/100=0.40，無條件捨去後取值為 0，取出三項指標中的最小值為 0 再加上 1，因此最新的等級依然為第一級。參與分數為 ( ) ∗ 1 1 ，四捨五入後取值為 12。個人練習總成績為(50*2+74*1)/3=58 分。其他學生的個人練習成績如表 3. 2 所示。

表 3. 2 個人練習之範例解析表之二

學生名稱學生 A 學生 B 學生 C 學生 D 學生 E 學生 F 個人練習(原始)分數 2 70 60 50 90 100 50 個人練習(加分)分數 2 74 60 50 100 100 50

智力值 25 24 26 34 40 10

努力值 4 4 4 4 4 4

經驗值 40 40 40 40 40 40

遊戲等級 1 1 1 1 1 1

參與分數 12 12 12 12 12 12

個人練習總成績 58 60 70 80 100 17

(39)

3.5.2 團體競賽之範例解析

學生 A 第一次測驗時分數為 50 分，根據以上評分規則之加分規則，智力值為 (50/5)+25=35，努力值為 2+2+2=6，經驗值為 20+20+20=60。而遊戲等級智力值為 25/20=1.25，無條件捨去後取值為 1，努力值為 4/10=0.40，無條件捨去後取值為 0，

經驗值為 20/100=0.20，無條件捨去後取值為 0，取出三項指標中的最小值為 0 再加上 1，因此最新的等級依然為第一級。參與分數為 ( ) ∗ 1 1 ，四捨五入後取值為 20。團體競賽總成績為(50*1)/1=50 分。目前在團體競賽參與過測驗的學生人數大於 5 人，因此，可進行程度等級運算。目前曾經在團體競賽中測驗的總人數為 6 位，學生 A 目前之名次為第 4 名，( 4 / 6 ) * 100% = 0.67，佔目前總人數的 67%，

因此，學生 A 的程度等級變為 C 級。其他學生的團體競賽成績如表 3.3 所示。

表 3.3 團體競賽之範例解析表

學生名稱學生 A 學生 B 學生 C 學生 D 學生 E 學生 F 團體競賽分數 1 50 60 20 70 100 0 智力值 35 36 30 48 60 10

努力值 6 6 6 6 6 6

經驗值 60 60 60 60 60 60

遊戲等級 1 1 1 1 1 1

參與分數 20 20 20 20 20 20

程度等級 C B D B A D

團體競賽總成績 50 60 20 70 100 0

3.5.3 斷線分數之範例解析

當學生 A 在答第二題的時候斷線，斷線分數為(100/1)*1=100.00，四捨五入後取值為 100 分，其他同學的斷線分數如表 3.4。由表 3.4 可知，採用本研究的斷線分數

(40)

之規則與正常分數之不同，假如網路突然中斷等環境因素，採用本研究的斷線分數之規則對於學生的成績較為公平，不會讓該分數影響到總成績。正常分數係為未採用斷線分數之規則，當學生斷線時，計算當下答對題數再乘十的分數。

表 3.4 斷線分數之範例解析表

學生名稱學生 A 學生 B 學生 C 學生 D 學生 E 學生 F

第一題 O O O O O O

第二題 - X O X X O

第三題 - O O O O

第四題 X X X O

第五題 X O O X

第六題 - X X X

第七題 O O O

第八題 O O O

第九題 - O O

第十題 - O

答題題數 1 2 5 8 8 10

答對題數 1 1 3 5 6 8

斷線分數 100 50 60 63 75 80 正常分數 10 10 30 50 60 80 備註：O 代表為該題答對，X 代表為該題答錯，-代表為該題斷線。

3.5.4 單項總成績之範例解析

假設計算目前 6 位學生的團體競賽總成績，本例採用以上評分規則之單項總成績規則進行計算單項總成績。學生 A 隨著測驗次數不斷再進步且進步迅速；學生 B 亦隨著測驗次數不斷再進步，但進步速度較為緩慢；學生 C 的成績維持在七十至八

(41)

十分左右；學生 D 隨著測驗次數不斷再退步；學生 E 成績優異，僅有一次測驗成績不好；學生 F 成績時好時壞，較為不穩定。學生 A 的團體競賽總成績為 (0*10+50*9+60*8+60*7+70*6+90*5+90*4+100*3+100*2+100*1)/55=57.82，四捨五入後取值為 58 分，而平均分數為(0+50+60+60+70+90+90+100+100+100)/10=72.00，四捨五入後取值為 72 分，其他學生的團體競賽總成績如表 3.5 所示。

表 3.5 單項總成績之範例解析表

學生名稱學生 A 學生 B 學生 C 學生 D 學生 E 學生 F 團體競賽分數 1 0 0 80 90 100 80 團體競賽分數 2 50 20 80 90 100 100 團體競賽分數 3 60 30 80 80 100 20 團體競賽分數 4 60 30 70 70 100 10 團體競賽分數 5 70 40 70 60 100 90 團體競賽分數 6 90 50 80 50 100 20 團體競賽分數 7 90 50 70 50 100 100 團體競賽分數 8 100 60 70 40 100 30 團體競賽分數 9 100 90 80 30 10 20 團體競賽分數 10 100 100 70 10 100 90 團體競賽總成績 58 32 76 70 97 58 平均分數 72 47 75 57 91 56

由表 3.5 可知，採用本研究的總成績評分規則與平均分數法之不同。以下將描述兩者之不同。

一、持續進步的學生分數較採用平均分數法的分數低，但學生持續測驗可慢慢提升分數，希望藉由學生努力的練習，才可提升自己的分數。

二、較為平穩的成績以及對於成績時好時壞，較為不穩定的學生，在總成績評分規則與平均分數法上並無太大差別。

(42)

三、持續退步的學生分數較採用平均分數法的分數較為公平，雖然成績逐漸退步，但前面幾次成績還是好的，希望透過該評分規則鼓勵學生持續努力練習，而採用平均分數法的總成績已經低了許多。

四、成績優異的學生，可能因為病痛等因素，導致某一次測驗成績不好，在總成績評分規則上，學生的總成績不會影響太大，而採用平均分數法，學生的總成績影響較大。

3.5.5 Fuzzy 權重評分之範例解析

假設計算目前 6 位學生的目前總成績，本系統採用 Fuzzy 權重評分規則計算總成績。學生 A 參與本系統次數為 100 次，總成績皆落在 90 分左右；學生 B 參與本系統次數為 80 次，總成績皆低於 60 分；學生 C 參與本系統次數為 50 次，總成績分布不平均；學生 D 參與本系統次數為 20 次，總成績分布不平均；學生 E 參與本系統次數為 8 次，總成績皆低於 60 分；學生 F 參與本系統次數為 4 次，總成績皆落在 90 分左右；

學生 A 根據 Fuzzy 權重評分規則的歸屬函數進行運算如下：

Step1

1. 第一個評量因素(系統參與)：學生 A 參與分數為 83 分，依歸屬函數運算後落在 ₁ {0,1,0,0,0}。

2. 第二個評量因素(個人練習)：學生 A 個人練習總成績為 90 分，在 A 等第中(90/5)-17.5=0.5，在 B 等第中 18.5- (90/5)=0.5，依歸屬函數運算後落在

{0 ,0 ,0,0,0}。

3. 第三個評量因素(團體競賽)：學生 A 團體競賽總成績為 93 分，依歸屬函數運算後落在 {1,0,0,0,0}。

4. 第四個評量因素(個人挑戰)：學生 A 個人挑戰總成績為 90 分，在 A 等第中(90/5)-17.5=0.5，在 B 等第中 18.5-(90/5)=0.5，依歸屬函數運算後落在

{0 ,0 ,0,0,0}。

(43)

5. 第五個評量因素(模擬考)：學生 A 模擬考總成績為 95 分，依歸屬函數運算後落在 {1,0,0,0,0}。

Step2

模糊矩陣之合成運算，計算公式如下：

[0 1,0 ,0 ,0 1 ,0 1 ] [

0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0]

[ (0 1 0 0 0 0 1 0 1 0 0 1 1) , (0 1 1 0 0 0 0 0 1 0 0 1 0), (0 1 0 0 0 0 0 0 1 0 0 1 0), (0 1 0 0 0 0 0 0 1 0 0 1 0), (0 1 0 0 0 0 0 0 1 0 0 1 0) ] [0 ,0 ,0,0,0]

Step3

學生 A 落在優等第的機率為 0.675，落在甲等第的機率為 0.325，對照第 23 頁的 Fuzzy 權重評分的解模糊化規則，𝜇 的成績為 96.25，𝜇 的成績為 85，𝜇 的成績為 75，

𝜇 的成績為 65，𝜇 的成績為 28.75。接下來計算總成績，本研究採用加權平均法，因此，學生 A 的目前總成績為 0.675*96.25+0.325*85+0*75+0*65+0*28.75=92.59，四捨五入後取值為 93 分。其他學生的目前總成績如表 3. 6 所示。

表 3. 6 Fuzzy 權重評分之範例解析表

學生名稱學生 A 學生 B 學生 C 學生 D 學生 E 學生 F 參與分數 83 79 70 54 37 25 個人練習總成績 90 50 85 85 50 90 團體競賽總成績 93 40 70 70 40 93 個人挑戰總成績 90 40 35 35 40 90 模擬考總成績 95 45 20 20 45 95

(44)

目前總成績 93 33 62 58 29 87

由表 3. 6 可知，利用模糊理論計算成績，雖然學生 A 與學生 F 皆成績分布平均、

成績優異，但學生 A 常常參與測驗，而學生 F 不常參與測驗，因此學生 A 的總成績較學生 F 總成績高分；學生 B 與學生 E 皆成績分布平均、成績較為不優異，但學生 B 常常參與測驗，而學生 E 不常參與測驗，因此學生 B 的總成績較學生 E 總成績高分；學生 C 與學生 D 皆成績分布不平均，成績有些高有些低，但學生 C 常常參與測驗，而學生 D 不常參與測驗，因此學生 C 的總成績較學生 D 總成績高分。

3.6 問卷設計

本研究之問卷設計包含系統效用量表及系統滿意度量表，皆採用李克特量表 (Likert scale)五點尺度計分方式，依程度區分為「非常不同意」、「不同意」、「普通」、

「同意」、「非常同意」，依序給予 1 至 5 分。以下將分別說明該問卷之操作型定義及問卷題項內容。

3.6.1 系統效用量表

本研究系統效用量表之操作型定義為學生對於使用 MOGLS 學習 ERP 知識，系統所提供的功能是否能幫助學生學習 ERP 知識。本研究的系統效用參考 Keller(1983) 的 ARCS 動機模式，並根據本研究的系統功能特性，進而發展此系統效用量表，共包含 14 個問卷題項，如表 3. 7 所示。

表 3. 7 系統效用量表之題項內容

問卷題號問卷題項內容

Q1

1. 我覺得當我在遊戲式測驗系統中進行個人練習，並使用遊戲中的求救道具時，會讓我覺得 ERP 知識的學習更有趣。

Q2 2. 我覺得當我在遊戲式測驗系統中進行團體競賽時，系統會根據我的

中 華 大 學

中 華 大 學 碩 士 論 文

結合 ARCS 動機模式及多人線上遊戲學習系 統之研究

Development of a Multiplayer Online Game-based Learning System Based on the

ARCS Motivation Model

系 所 別：資訊管理學系碩士班 學號姓名：M09910008 楊凱婷 指導教授：應鳴雄 博士

中 華 民 國 101 年 8 月

摘要

ABSTRACT

誌謝

目錄

圖目錄

表目錄

第一章 緒論

1.1 研究背景與動機

1.2 研究目的

1.3 研究流程

1.4 研究範圍與限制

1.5 論文架構

第二章 文獻探討

2.1 遊戲式學習

2.2 線上遊戲

2.3 ARCS 動機模式

2.4 模糊理論

2.5 系統滿意度

第三章 研究方法與設計

3.1 系統架構

3.2 出題規則

3.3 評分規則

3.3.1 單項總成績

3.3.2 Fuzzy 權重評分

Step1

Step2

Step3

Step4

Step5

Step6

3.3.3 斷線分數

3.3.4 參與分數

3.3.5 加分規則

3.4 個人能力值規則

3.5 範例解析

3.5.1 個人練習之範例解析

3.5.2 團體競賽之範例解析

3.5.3 斷線分數之範例解析

3.5.4 單項總成績之範例解析

3.5.5 Fuzzy 權重評分之範例解析

Step1

Step2

Step3

3.6 問卷設計

3.6.1 系統效用量表

中華大學

中華大學碩士論文

結合 ARCS 動機模式及多人線上遊戲學習系統之研究

系所別：資訊管理學系碩士班學號姓名：M09910008 楊凱婷指導教授：應鳴雄博士

中華民國 101 年 8 月

第一章緒論

第二章文獻探討

第三章研究方法與設計