Contenu connexe Similaire à 數位學習 議題與方法進階工作坊 二_final (20) 數位學習 議題與方法進階工作坊 二_final5. 從方法的多元性和資料的多樣性看數
位學習的理想樣貌 – 宋曜廷 教授
• Sung software (2007) – what teachers used are an un-evolution and de-
contextualized → 目前至今,除了Microsoft 的文書軟體,尚無老師可以使用於教學
的軟體。
• 推薦讀本 : what works cleaning house? → 什麼樣的研究有效/無效?
http://ies.ed.gov/ncee/wwc/pdf/reference_resources/wwc_procedures_v2_1_s
tandards_handbook.pdf
• 最佳實驗時間 : 12 weeks
7. 數位學習的理論創新(一) : 以KNOWLEDGE
BUILDING為例子 - 洪煌堯教授
• Learning :
• Idea to explain facts or events – 解釋事實或事件
• Idea suggested or presented as possibly true – 證實
• General principle / idea relate to a particular subject – 應
用領域上
11. 數位學習的理論創新(一) : 以KNOWLEDGE
BUILDING為例子 - 洪煌堯教授
• Knowledge building:
• Definition : a social process focued on sustained production idea
and improvement of value to a community.(Scardamalia&
Bereiter,2006)
17. 數位學習的質化研究(一): 討論區資料
分析 – 陳斐卿 教授
單篇編碼
• 內容
• 屬性
• 知識推進
• 前一篇
• 回溯關係
• 前後篇
• 互為主體性
破綻
• 時間脈絡被切割
• 回應脈絡被切割
• 沒貼的訊息被忽略
• 貼文屬性片斷化
• 合作線索消失
• 共構進退模糊化
24. 1. Best evidence meta-analysis(e.g., Cheung, Sung
2013)
• 受試隨機分派 → 除非被分派單位 > 30,否則須提出前測
資料,且實驗組和控制組的前測不得超出 50 %的差異
• 要有與控制組有關的依變項,不能只測量實驗組有處理的
資料
數位學習的量化研究(三):數位學習實驗設計的
缺失與改進 – 以行動學習為例 – 宋曜廷 教授
25. 2. 品質評判標準(Valentine & Cooper) :
• 內在效度 : 實驗設計類型
• 前後測 + 質性研究
• 等組 (能力相等)
• Best case : 等組前後測(受試者間的比較)
數位學習的量化研究(三):數位學習實驗設計的缺
失與改進 – 以行動學習為例 – 宋曜廷 教授
26. 2. 品質評判標準(Valentine & Cooper) :
• 外在效度 :
• 受試者人數
• 實驗組 24人
• 控制組 24人
• 介入時間
數位學習的量化研究(三):數位學習實驗設計的缺
失與改進 – 以行動學習為例 – 宋曜廷 教授
27. 2. 品質評判標準(Valentine & Cooper) :
•Construct (構念)效度: 依變項測量 – 信度、效度
數位學習的量化研究(三):數位學習實驗設計的缺
失與改進 – 以行動學習為例 – 宋曜廷 教授
28. 2. 品質評判標準(Valentine & Cooper) :
• 統計和結果的變化 :
• Effect size
• Cohen’s d or Hedge’s g:
• d .2 : small (57.9%)
• d= .3 - .7 : medium
• d .8 : large (78.8%)
• d= 3.0 : huge(99.9%)
• d= 4.2 : incredible
數位學習的量化研究(三):數位學習實驗設計的缺
失與改進 – 以行動學習為例 – 宋曜廷 教授
29. • 概念和操作間的適合度 (實驗的介入和研究問題有關)
• 因果推測的清晰度
• 不要讓外在事物影響(無關變因)
• 起始條件、能力差不多
• 研究結果的普遍性 : 推測到外部環境
• 結果預測的準確度
數位學習的量化研究(三):數位學習實驗設計的
缺失與改進 – 以行動學習為例 – 宋曜廷 教授
31. 數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
• 特性 :
• 忠實地記錄複雜事件的細節以及口語資料以外的事件資訊 → 神情 、 表情 、手勢 、 姿
態 、 空間位置 、 工具使用
• 跨越時空限制重複觀看 : 允許不同的研究者在不同的時間、地點,以不同的觀點檢視完全
相同的資料 → 提高研究的可靠性
• 可用於民族誌、言談分析、互動分析、會話分析,透過編碼、計數等轉換程序後,進行量
化分析
• 可避免自陳資料中發生的社會期望偏誤,減少研究對象「陳述行為」和「實作行為」之間
的落差
33. • 錄影資料的登錄 – 建立目錄
• 目的 :
• 協助研究者確認資料的大概內容
• 重要事件出現的時間
• 錄影資料的選取
• 登錄系統根據結構性 和 細節程度有多種不同形式
• 內容筆記的撰寫方式,需預想接下來的分析步驟 (研究問題)
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
34. • 錄影資料的選取 :
• 歸納 : 當探索性研究、研究問題具方向性但仍不夠具體
→ 隨著對資料內容的理解,再界定更深入的研究問題
• 演繹 : 已有具體的理論和明確的研究問題
→ 根據登錄系統,確認或建立一個適當的資料庫,並選
取樣本來檢驗研究問題
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
35. • 錄影資料的表徵:
• 巨觀編碼(macro level coding): 呈現整個錄影收集過程的主要活動內容、序列、流程。
• 目的 :
• 總結整個過程大要
• 提供必要的歷史脈絡
• 確認重要事件發生的時機
• 視覺化圖形 : 運用各式不同的圖形來摘要影片資料的架構和主要內容
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
36. • 錄影資料的表徵:
• 轉譯稿 :
• 研究者應思考何種細節程度的資料助於瞭解關心的現象或問題
• 由於研究焦點不同,產生不同版本的逐字稿。
• 技術性、理論性、分析性
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
37. • 錄影資料的表徵:
• 轉譯稿面向 :
• 空間配置
• 文字及相關註記
• 標示不確定字
• 分段話語單位和符號、停頓、重疊、動作
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
38. • 錄影資料的分析和詮釋
• 質性研究應用 :
• 描述 : 紀錄 、登錄、選取、表徵
• 分類 : 歸類、命名、編碼
• 連結 : 分析碼之間、類別之間、理論與資料之間
• 量化研究應用 :
• 定義研究問題
• 資料管理: 登錄、選取、表徵
• 分類編碼計算
• 統計分析
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
41. • 混合研究法的應用 :
• 多重驗證(triangulation)
• 嵌入(embedded) :
• 解釋 (explanatory)
• 探索(exploratory)
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
缺點 :
1. 使用量化分析容易受限於預先的理論和
假設
2. 只有數值資料,不易與一般大眾做簡易
說明
44. • 錄影分析的信效度:
• 可應用於錄影分析的多重驗證方式有四種 : 資料、研究者、理論、方法
(Mathison,1989)
• 提供審核線索、厚實描述 : 詳細記錄研究過程
• 提高錄影分析的客觀度 : 降低偏見、分析結論合理性
• 長期進駐研究場域 : 進行持續觀察,收集較大樣本、較多觀察點、較高次
數事件
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授
45. • 錄影紀錄的限制
• 抽樣誤差
• 善於捕捉區域性、短期脈絡中的很多面向,但不能紀錄長期的脈絡資訊,
需補註歷史檔案
• 使用科技軟體輔助錄影分析
• Diver
• Transana
數位學習的混合研究(一) : 錄影分析 – 吳心楷 教授