1、影響數位學習認知績效之個人因子研究侯幸雨a, b侯東旭aa雲林科技大學工業工程管理研究所b環球技術學院企管系摘要良好的數位學習必須是讓學習者容易使用的，但是數位學習者的背景特色及需求不同，增加了數位學習設計的困難，唯有以使用者為中心的人機介面設計與軟體功能開發結合，才能產生較好的績效；因此本研究從人因實驗、人機介面設計，結合個人學習風格、科技接受模型、自我效能、電腦學習背景等使用者的角度來進行數位學習邏輯認知績效分析，透過實驗與問卷設計，從變異數分析、信度分析、迴歸分析、結構方程模式等工具找出影響數位學習績效之顯著因子。研究發現資訊複雜度、色彩與介面回饋因子相乘之交叉分析會對邏輯記憶績效有顯著

2、差異。不同科系、電腦新舊、學習風格、使用電腦之信心與科技接受模型等因子具顯著性；男生對登入大型資訊系統具有信心者及女生認為使用電腦可以讓工作更容易者對數位學習認知績效有高度相關；所建構的個人因子與學習認知績效之線性迴歸模式之解釋力有近六成，本研究使用結構方程模式驗證所建構之學習績效模式也有好的適配性。關鍵字：人機介面、迴歸、結構方程模式A research on the effect of individual factors on E-Learning cognitive performanceHsing-yu Hou a, bTung-hsu Hou ba Ph. D student, D

3、epartment of Industrial Engineering and Management, National Yunlin University of Science and TechnologyInstructor, Transworld Institute of Technologyb Professor, Department of Industrial Engineering and Management, National Yunlin University of Science and TechnologyAbstractAn E-Learning system sho

4、uld be easy of use for learners. However, the difference in the characteristics of users background and needs increase the difficulty of E-Learning design. Combinations of the user-center based interface design with the software function development can achieve better E-Learning performance. Therefo

5、re, this research analyzes the users logic cognitive performance of E-Learning from users perspectives by using an ergonomic experiment, a learner interface design, questionnaires of users learning styles, users technology acceptance models, users computer self-efficacy and users computer learning b

6、ackground. The study uses ANOVA, reliability analysis, regression analysis and structural equation model to investigate the significant factors of E-Learning performance. The results show that the interaction analysis of the information complexity, color and interface feedback is significant. The di

7、fferent departments, new or old computers, learning styles, computer self-efficacy and technology acceptance. have significant effects on E-learning cognitive performance. The male with self-efficacy in entering large information systems and the female who consider using computers making task easier

8、 have higher correlation with E-Learning performance. The R2 value of the constructed linear regression model is close 0.6 and the structural equation model demonstrates that the constructed model has good fitness.Keyword: E-Learning performance, learner-interface interaction, regression, structural

9、 equation model1. 導論1.1 前言數位學習目前已是新興的熱門媒體運用，但數位學習與一般傳統教學在性質上並不相同，國內、外相關於網路教學環境的研究早已熱烈的展開，有遠距教學(Distance Instruction)、網路教室(Classroom on the Net)、虛擬學習社區(Virtual Learning Community)等名詞出現(楊家興1999)。隨著知識爆炸及終身學習理念的發展，於網路上架構教學環境，已經形成一波教學科技最新的發展趨勢。數位學習（E-Learning）具有知識分享與傳遞的功能，以學習者為導向，可提升學習者之學習動機、加速學習態度和降低學習成

10、本；透過網路學園平臺，學生可以不分時間、地點吸取他們想要學習的知識。據美國訓練發展協會(American Society for Training and Development, ASTD) 2001 年對E-Learning 的名詞作了一些界定：1.電腦化學習(Computer-Based Learning , CBL)：是指學習的內容儲存在光碟或磁片內，透過獨立的個人電腦來學習。2.網路化學習(Web-Based Learning , WBL)：透過網際網路或企業內部網路來學習，相當於線上學習(Online Learning)。3.數位學習(E-Learning)：包括了電腦學習、網路學

11、習、虛擬教室及數位共同學習等，其定義泛指所有透過電子媒體為媒介的學習。4.遠距學習(Distance Learning)：除了利用電子式的媒介之外，還包括文件式函授與空中教學等等。依據Moller（1998）所提出發展網路教學的設計方式，他認為發展網路教學中教學課程的設計與科技兩方面是相輔相成，使用科技並不代表網路教學就能夠自然的產生，因為科技只是一種工具；又數位學習第一代強調工具創新，第二代則著重在個人化的服務，林奇賢（1997）指出，想要建構網際網路成為一個理想的學習環境，不可只將學習資源放置在網站上而已，必須根據學習理論進行規劃與設計，全球資訊網像是一個豐富的資料庫，可以建構成一個個別化

12、學習最佳的學習環境，因此網路學習環境將可以彌補傳統教學的不足，採用使用者至上的方式設計，學習者將可選擇適當的數位教材來學習，以符合本身的程度與需要。 Doherty（1996）曾經提出：在網路的環境上，網路電腦輔助教學必須是讓學習者容易使用的。但是，網路使用者的背景特色及需求不同，會增加網路教學設計的困難，甚至於有些功能的設計方式不良而導致學生的學習障礙，唯有以使用者為中心的人機介面設計方法（User-Centered Design ）與軟體功能開發結合，才能設計出適當良好的人機介面，進而發揮軟體的功效( Phillips1996；Minocha1999)。因此研究網路環境下的教學介面設計已經

13、勢在必行，然而，從介面的角度來看，要達成人性因素與系統的適當整合，必須在系統發展上顧慮到以使用者為中心的介面使用性問題，這樣系統才能真正的簡學易用，也才能被大家真正接受使用（Hakiel1997）。Moran(1981)，Young (1983)，Carol et al.(1987)指出個人差異（Individual Differences）會直接影響使用者對系統所形成的心智模式（Mental Model），資訊系統使用者對於系統的心智模式正確與否，與其使用系統的正確性及學習成效有相當大的關係。因此，倘若能探討影響電腦學習成效的重要個人因素，將有助於學校資訊教育或企業電腦訓練相關課程的規劃。G

14、agne (1992) 將學習條件分為內在條件和外在條件，內在條件是指存在於學習者本身，對學習者有幫助的因素，在學習者進行新學習前，便已存在學習者內部；外在條件是指存在於學習者外面，足以影響有效教學的各種刺激情境，而此情境是可加以安排或控制的。Zmud(1979)的研究發現個人的因素會影響管理資訊系統導入的成敗，個人因素包括：認知型態、人格特質、過去的經驗、使用者態度等因素。認知是個人對其所處環境(包括：人、事、物等)及其本身的認識與瞭解，反映在資訊處理上，就產生了個人的知覺、記憶及問題解決的傾向。人格特質表示了個人的內在情感構成要素，表現於外在的行為上，便產生了個人對人、事、物乃至整個環境的

15、獨特個性。態度也是由內反應在外的一種個人的行為傾向，屬於人格的一部份，且態度的產生必有其對象，並透過由該對象所引發的思想、感情及行動傾向的交互作用而組成。所以要設計人性因素與系統的整合之環境，必需要觀察出影響學習者內在條件之因子，並建構出符合人性化的外在條件，這樣才可能提升數位學習之認知績效。1.2 研究目的與問題如前所述，以人為中心的介面設計應該要多元的角度下去研究，這樣才可以找出影響數位學習認知績效的因子，讓學習者有更人性化的學習機會。本研究之目的在於找出造成學習成效高低差異的因子，試圖整合學習者個人特質，包含學習風格、Davis等人(1989b)的科技接受模型 (Technology A

16、cceptance Model, TAM) 中對科技認知上的有用性（Perceived Usefulness）及認知上的易用性（Perceived Ease of Use）、自我效能與電腦學習背景等變數，以了解上述因素彼此之間是否存在相依或互依的關係，及其對數位學習認知績效的影響。以下為本研究之研究目的：(1) 從使用者的角度設計人機介面實驗，並探討影響數位學習認知績效之內、外在因子。(2) 建構個人因子與數位學習認知績效之模式。後續章節中第二節為數位學習相關之設計因子文獻討論；第三節設計人機介面實驗與個人數位學習相關問卷，包括有學習風格、科技接受模型、自我效能、電腦學習背景等問卷；第四節在實

17、驗與問卷之資料蒐集後，透過變異數分析、信度、迴歸模式及結構方程模式等來進行分析，探討影響數位學習績效的顯著因子並進行模式的驗證。第五節為討論，最後第六節再給予結論。本研究採用複迴歸逐步分析，是因為逐步迴歸分析法是將各變數的解釋力大小作為納入模式中的依據，變數解釋力越高將優先被納入模式中，可找出哪些影響認知績效之因子；共變異數分析是結構方程模式的基本統計，首先分析的主要目的在瞭解一組複雜變項間相關的型態，其次對研究所界定模式的變異性做盡可能的解釋（Kline1998），整個模式的檢定就是企圖將樣本共變數與理論預測共變數之間的差距最小化，再利用其觀察變數，來驗證模式的配適性，以解釋其因果關係，即結

18、構方程模式的目的(Reisinger and Turner1999)。所以本研究將於找出顯著因子之後進行結構方程模式的驗證，以確定有找到合適的數位學習認知策略模式。2. 設計因子要設計人性因素與系統整合之環境，必須要觀察出影響學習者內在條件之因子，並建構出人性化的外在條件，這樣才可能提升數位學習之認知績效，因此本節主要目的是在探討與數位學習相關之設計因子文獻，主要分有1.人機介面與人因因子；2.學習風格；3.科技接受；4.自我效能；5.電腦學習背景。2.1人機介面與人因因子人機介面設計在分析與設計階段宜掌握的原則如下(Bailey1995；Preece1998)：第一步驟：先考慮使用者的特性與

19、需求。第二步驟：瞭解使用環境的特性及優缺點，並定義系統功能用途。第三步驟：設計介面。第四步驟：注意介面呈現方式。在介面上必須要有整體的美感規劃，可以在聲音、圖案、動畫、文字、色彩、排版這些方面做整合考量。另外要考慮使用者知覺上的穩定性，減少模式的切換。人機介面設計，要注意與掌握的原則非常多且複雜，總而言之，人機之間要產生良性的互動，並發揮軟體使用性的最大效能，首先要讓使用者滿足對系統簡學易用的訴求才能成功（李青蓉等1998）。以下將針對人機介面實驗來探討相關因子：(1) 溝通介面因子Hillman, Wills and Gunawardena (1994) 等人強調學習者與介面的互動(Lear

20、ner-Interface Interaction)，學習者需要透過與介面的互動才會產生更多的互動。數位學習環境介面提供了視覺溝通以及口語對話管道，周倩、孫春在（1996）的研究顯示出CORAL系統提供了包含口語及非口語訊息視窗，可以促進群體合作與協同學習；Dewey (1992)發現視覺跟口語介面對邏輯思考方面是需要的；因此本研究中將溝通介面納入環境因子，以視覺與口語這兩種溝通介面來討論它們跟學習績效的關係。(2) 資訊複雜度因子Miller(1956)、Sperling(1960)、Wickens(1992)研究結果顯示：資訊接受者的資訊記憶容量最大值約為9個單位，平均值約為4.5個單位，

21、記憶力為7加減2個單位。根據此結果，低背景複雜程度可設定為背景圖示中擁有6個圖示；高背景複雜程度則為背景圖示中擁有12個圖示。(3) 色彩因子高新發和陳姝香(2002)指出色彩的明度會影響視覺判斷，研究中指出人們對黑底黃字的組合是具有最佳注意力，假如顏色的閃動過多，眼睛就會感覺很疲勞，色彩中黑底白字是次佳的選擇，所以本研究中將色彩分為兩種水準，試著從明度與注意力的角度來討論色彩跟學習績效間的關係。(4) 回饋因子Soong等人(2001)指出：回饋在學習過程中是被需要的，教師必須有激勵的技巧和應該適時鼓勵學生使用線上資源，尤其是在設計初期；Wedman and Diggs (2001) 指出會

22、漸漸地影響到成就的因子有：1.知識和技巧；2.激勵和自我觀念；3.績效能力；4.經驗和回饋；5.工具和環境流程；6.獎勵認同和激勵。因此是否有提供回饋在此次實驗中也被納入討論與研究。(5) 認知績效Gagne等人(1992)提出學習成效的五個類別分別為：1.智力技能(Intellectual Skills)；2.認知策略(Cognitive Strategies)；3.語文訊息；4.動作技能；5.態度。認知策略是指個人控制自身學習、記憶與思考的能力。認知策略是一種自我行為的管理，個人在碰到某一個問題時，就會選擇其所適用的認知策略，而這些認知策略通常都是藉由以前各種經驗的累積而產生，此次研究中之

23、績效評估是以認知策略之記憶為主，因此會以同校不同科系之學生來進行實驗。2.2 學習風格Swisher(1994) 的研究指出學習風格會影響學習者之學習，教學環境若能針對不同學習風格的學習者來設計發展，將有助於學習的效率與效果。Keefe(1988)將學習風格(Leaning Styles)定義為一個學習者與其學習環境交互影響之知覺中，培養出一種具有相當穩定的反應方式，它通常包括個人之認知型態、情意特徵與生理習慣之特性，也就是指學習者對學習過程的一種偏好方式。Clariana and Smith(1988)的研究指出學習風格決定了學習者的學習類型，不同學習風格的學習者具有不同的學習方式，因為學習

24、特性有異，因此具有不同的專長，得以在各種學習領域發揮。Bostrom 等人(1990)利用Kolb之學習風格理論對個人之學習風格與訓練方式之交互作用進行研究，結果顯示不同學習風格的受訓者其學習效果各有不同。李青蓉（2000）認為應篩選適合和預備好網路學習的人，以減少網路班的中途輟學率，而學員本身的學習習慣也要做調整，適合習慣主動學習的學生，數位學習的表現比較好。Rasmusse等人（1998）以大三學生為研究對象，探討在超媒體學習環境下學習者的學習風格與不同程度的學習者控制對學習成效之影響，研究發現適度的學習者控制有較好的學習成效，且抽象經驗的學習者學習成效優於具體經驗者。Chou (2001

25、)研究中發現性別與學習風格會影響學習績效。所以學習風格可以反應出學生的學習態度與興趣，是本文要深入探究的因子。本次研究中我們使用了Soloman和Felder (2005)編輯的學習風格問卷來蒐集此因子之數據。2.3 科技接受模型Davis等人（1989b）的科技接受模型 (Technology Acceptance Model, TAM) 中對科技認知上的有用性（Perceived Usefulness）及認知上的易用性（Perceived Ease of Use）等變數，探討影響數位學習績效的顯著性。TAM 是由Davis 在其博士論文中將使用者對資訊系統的接受度模式化而來。TAM 的目標

26、是為使用者電腦接受度的決定因素提供一般性的解釋，並且能夠跨越終端使用者運算技術和使用者族群的界限以解釋使用者的行為，同時兼顧最簡化及理論依據(Davis et al.1989b)。最理想的是，不只希望用模式去預測，而且還能夠得到解釋，以便研究者可以確認某一特定的系統為何不被接受，並且進行適當的矯正措施。TAM 模式的主要目的之一是希望提供一個基礎，使研究者能夠瞭解個人在使用科技時，影響其內在信念、態度及意向的外在因素。TAM 假定認知上的有用性和易用性與電腦接受行為最有關係。認知上的有用性是指在組織的環境中，使用者對於使用特定的應用系統將會提高其工作績效表現的期望主觀機率。認知上的易用性是指使

27、用者認為系統的使用不需太費心思的預期程度。系統設計的特性會直接影響使用者在使用系統時的認知有用性（Benbasat and Dexter，1986）。根據理論，認知上的易用性也由外在變數所決定。比方說，系統的特徵、訓練、使用說明文件及系統支援等都是影響認知易用性的外在因素。2.4 自我效能自我效能主要是強調完成特定任務的能力（Ability）而非技能（Skill）。Bandura（1984）以開車的自我效能為例來區別能力與技能的差別：控制方向盤、煞車、打方向燈等動作是屬於開車的技能；能夠在高速公路或是在崎嶇的山路上開車則是指開車的能力。同樣的，電腦自我效能（Computer Self-Effi

28、cacy）是代表個人對於自己能使用電腦去完成一特定任務(如：使用套裝軟體去分析資料)的認知，並非指一項簡單的技能(如：開機、格式化磁片) (Murphy et al.1989; Compeau and Higgins1995)。Igbaria 與Iivari（1995a）曾經對450 位芬蘭的微電腦使用者做一研究調查，結果顯示自我效能對於電腦的使用並無直接的顯著影響，但是透過對電腦易用性與有用性的認知而間接影響電腦的使用。另外，自我效能同時也與電腦焦慮（Computer Anxiety）有負相關，與電腦易用性的認知有正相關。Compeau 與Higgins（1995）利用郵寄問卷的方式對加拿大

29、的商業期刊訂閱戶做調查，共回收1020 份有效問卷。研究結果指出，個人的電腦自我效能分別對電腦的使用、結果的期望、使用電腦的感覺（愛好）及電腦焦慮有顯著的影響。其中與電腦焦慮的關係是呈負向。 Coffin 與MacIntyre（1999）以111 位大學生為研究對象，試圖檢視影響電腦學習成效的因素。研究結果顯示，電腦自我效能的高低的確與電腦課的最後成績有顯著關係存在。Torkzadeh與Koufteros（1994）為了瞭解電腦訓練與電腦自我效能之間的關係，針對224位參與基礎電腦課程的大學生做一調查研究。結果顯示，經過訓練後的個人電腦自我效能確實顯著高於訓練前的電腦自我效能。2.5 電腦學習

30、背景學習是經由練習或憑經驗，使個體的行為產生較持久的改變歷程，而在討論學習歷程時，我們必須注意學習者的知覺、知識以及過去個人的經驗等個人因素（王克先1997）。根據Igbaria與Iivari（1995）對450位微電腦使用者的研究，過去個人的電腦經驗對於自我效能有正面的顯著影響，亦即過去的電腦經驗越多，其電腦自我效能則越高。在一項影響電腦學習成效的因素的研究中，Coffin與MacIntyre（1999）發現對電腦自我效能有顯著影響的因素有：電腦焦慮、過去的電腦經驗、對成功（指學習電腦）的渴望以及內在的目標導向（Intrinsic Goal Orientation）。至於在過去的學習經驗方面

31、，若學習者過去學習或使用電腦的經驗並不愉快，使得他們無法接受電腦、信賴電腦，當被要求學習和使用電腦時，便會表現出不同程度的焦慮與不安，甚至出現排斥電腦的行為，因而造成電腦學習上的困難（蔡淑娥，1984）。電腦學習經驗與學習成效的相關研究發現，電腦經驗有助於提升學習者的電腦學習成效(Fann et al., 1989; Kagan1988)，並且也指出，電腦經驗對於學習成就有很好的預測能力。Dambrot等人（1985）及Shashaani（1993）指出性別會影響學習績效。Hawkins（1997）研究了570個大一、大二學生之電腦表現，發現性別、電腦態度、年級、主修、電腦經驗、家庭經濟會有顯

32、著影響。3.研究方法3.1 研究流程本研究之研究流程（詳見圖1）是先確認研究目的，以Zmud(1979)所提出影響管理資訊系統導入成敗的因素模式為基礎來發展出本研究之架構，模式中認為個人的因素會影響系統之使用與學習，個人因素包括認知能力、人格特質、過去的經驗、使用者態度等因素，所以本研究分為兩大方向來進行，介面設計因子實驗部分可以用來探討介面因子的學習者認知能力之影響，問卷部分則可以用來收集學習風格特質、過去經驗與使用者態度，本研究將從學習風格、科技接受模型、自我效能及電腦學習背景等問卷調查結果來發現影響學習者認知能力之顯著因子，並由介面因子實驗結果與學習個人因子來建構較人性化的數位學習環境，

33、要將顯著因子找出再設計課程，方可能提升數位學習之認知績效。人機介面實驗部份將針對數位教材之溝通介面、資訊複雜度、色彩及回饋等四項因子加以設計，其中四個因子皆為二水準（視覺-聽覺口語、六個物件-十二個物件、黑底黃字-黑底白字、有回饋-無回饋），共有十六種組合，實驗流程採取現場即時合作方式學習與回答，課程學習後再進行邏輯記憶評量，將記憶評量結果作為數位學習之認知績效，之後進行介面因子與學習認知績效之分析。除了實驗之外，還有填答個人學習風格、電腦學習背景、自我效能、科技接受模型等問卷，學習風格是以Soloman and Felder (2005) 編製的學習風格問卷施測，問卷結果將受試者區分為內向或

34、外向、記憶型學習或創新型學習、視覺型學習或口語型學習、連續型思考或跳躍型思考等八種學習風格；科技接受模型的認知上的有用性、認知上的易用性則以Davis（1989a）設計的問卷加以測量；電腦自我效能採用Murphy等人（1989）發展的量表；電腦學習背景包含有性別、會使用的軟體種類、電腦學習經驗、每天上線時間、高職電腦程度、所屬科系、使用電腦設備等變數。在搜集完實驗與問卷之資料後，將以ANOVA分析、信度分析、逐步迴歸分析來找出影響數位學習認知績效之內外在條件因子，建構個人因子與數位學習認知績效之模式，為了避免逐步迴歸中有垃圾篩選的效果，所以本研究在最後輔以共變異數構造分析來驗證迴歸模式中自變數

35、與依變數之間的適配性，探討被篩選後的顯著因子對數位學習績效之解釋能力與可驗證能力；討論與結論部份則提出本研究之貢獻與建議，給後續研究者當作參考。圖1 研究流程圖3.2實驗對象與因子設計3.2.1實驗對象與平臺本研究在環球技術學院不同學群內各選一班（生活應用學群、商管學群、設計學群）的原則下，以其中一位作者授課之美造（34人）、企管（34人）與視傳（33人）三班新生班學生共101名（男生有46位，女生有55位）做為實驗的對象，為讓全班有共同參與的機會，三班皆以2-3人為一組，進行十六種組合之實驗，由於剛開學圖書館有新生班的圖書資訊推廣教育訓練，因此就利用基礎電腦技能課程來進行此項實驗，數位教材內

36、容為圖書館空間配置導覽，讓學生經由文字、圖形與語音教學後，進行內容記憶之評量。網路學園的學習平臺中建置有教師、管理員及學習者等三大系統，其中學習者的模組有課程內容、課程資訊、課程互動、個人區跟系統區等五項功能，教師可將教材上傳並與學習者進行同步與非同步的線上互動，在課程內容的測驗考試區也可進行線上測驗。介面請詳見圖2。圖2 網路學園介面圖3.2.2因子設計因子設計（詳見表1）分有介面設計4因子、學習風格問卷8因子、科技接受模型12題、自我效能32題、電腦學習背景7因子，共有63個自變項，依變項為邏輯認知測驗之績效。表1自變數因子設計表項目因子介面設計溝通介面、資訊複雜度、色彩及回饋學習風格內向

37、、外向、記憶、創新、視覺、口頭、邏輯、跳躍科技接受模型A1工作時使用電腦能更快完成任務A2使用電腦可以改善工作績效A3使用電腦可以增加生產力A4使用電腦可以增進工作上的效能A5使用電腦可以使工作變得更容易A6電腦對工作是有用的A7學習電腦操作是容易的A8操作電腦去做事是容易的A9與電腦互動是清楚且容易理解的A10與電腦互動是很有彈性的A11熟練地使用電腦對我來說是很容易A12電腦是容易使用的自我效能C1在電腦上工作的信心度C2執行軟體的信心度C3登入大型資訊系統的信心度C4在大型電腦上工作的信心度C5輸入並將資料存檔的信心度C6關閉軟體的信心度C7登出大型電腦系統的信心度C8將資料檔顯示在螢幕

38、上的信心度C9了解有關電腦硬體名詞的信心度C10了解有關電腦軟體名詞的信心度C11正確使用軟碟信心度C12正確使用各種軟體的信心度C13學習指定軟體進階技能的信心度C14從各種選單中做出選擇的信心度C15使用電腦分析數字資料的信心度C16使用印表機將文件列印出來的信心度C17拷貝磁片的信心度C18拷貝檔案的信心度C19從資料檔裡新增和刪除資料的信心度C20在螢幕上移動游標的信心度C21寫簡單電腦程式的信心度C22使用電腦寫一封信或文章的信心度C23描述電腦各種硬體功能（鍵盤、硬碟等）的信心度C24了解資料處理三個階段（輸入、處理、輸出）的信心度C25碰到有關電腦問題時能夠尋求到幫助的信心度C2

39、6正確安裝軟體的信心度C27解釋為什麼軟體可以或者不可以執行的信心度C28使用電腦來組織資料的信心度C29刪除不要檔案的信心度C30組織和管理檔案的信心度C31解決有關電腦問題的信心度C32當需要協助時使用操作手冊的信心度電腦學習背景性別、科系、電腦新舊、會使用的軟體種類、電腦學習經驗、每天上線時間、高職電腦程度 介面設計因子介面設計有四個因子，A為溝通介面、B為資訊複雜度、C為色彩及D為回饋各為二水準，共16種組合(詳見表2)，本研究以探討不同之介面因子對認知績效是否有不同之影響。表2 實驗因子組合表順序ABCD111112111-1311-1-1411-1151-11-161

40、-11171-1-1-181-1-119-111110-111-111-11-1-112-11-1113-1-11-114-1-11115-1-1-1-116-1-1-11介面因子在參考人機介面設計之文獻後，將變數定義如下（詳見表3）：A.溝通介面：視覺-聽覺口語(1).視覺溝通介面：是以文字方式進行作答與溝通。(2).聽覺口語溝通介面：是以耳機麥克風之語音互動B.資訊複雜度：六個物件-十二個物件(1).六個物件：資訊複雜度六是指同一畫面中同時有六個圖像之呈現。(2).十二個物件：資訊複雜度十二是指同一畫面中同時有十二個圖像之呈現。C.色彩：黑底黃字-黑底白字(1).黑底黃字：是指黑色背景黃色

41、文字的組合，若有圖案則以彩色呈現。 (2).黑底白字：是指黑色背景白色文字的組合，若有圖案則以黑白雙色呈現。D.回饋：有回饋-無回饋(1).回饋：是指在學習過程中，介面有互動的畫面，讓受測者再次思考是否直接作答或再播放一次。(2).無回饋：就是學習過程中，介面沒有互動的畫面，受測者須直接作答。表3介面控制因子與水準領域可控制因子編碼Level 1Level 2環境面溝通介面A文字輸入語音輸入作業面資訊複雜度B6個物件12個物件色彩C黑底白字、灰色圖黑底黃字、彩色圖管理面回饋D無介面互動有介面互動 問卷因子(1). 學習風格因子：依Soloman and Felder (2005)

42、之研究將學習風格分為內向或外向、記憶型學習或創新型學習、視覺型學習或口語型學習、連續型思考或跳躍型思考等八種學習風格各三水準。(2). 科技接受模型：根據Davis（1989a）量表分有認知上的有用性、認知上的易用性（A1-A6是認知上的有用性因子，A6-A12是認知上的易用性因子）(詳見表1)，每因子採1-7尺度評分，從非常不贊同到非常贊同。(3). 自我效能：根據Murphy等人（1989）發展的量表(詳見表1)，共考慮32個因子，每因子採1-5尺度評分，從毫無信心到非常有信心。(4). 電腦學習背景：性別（男或女）兩水準、會使用的軟體種類（套裝軟體Office、網頁設計與編輯、寫程式）三

43、水準、電腦學習經驗（1年、2年、3年(含)以上）三水準、每天上線時間（少於30分鐘、約1小時、1小時以上）三水準、高職電腦程度（資訊課程被當、及格、有專業電腦證照）三水準、所屬科系（美造、企管、視傳）三水準、使用電腦設備(舊型：實驗室記憶體容量較少之電腦、新型：實驗室中記憶體容量較大之電腦)兩水準。 依變項因子依變項為邏輯認知測驗之績效，由於Gagne等人(1992)指出認知策略是指個人控制自身學習、記憶與思考的能力，所以將此次實驗設計中對圖書館空間的記憶能力當作認知策略產出的衡量變數。3.3 實驗進行步驟本實驗利用基礎電腦技能課程第一節進行系統操作之說明，第二節再進行數位學習實

44、驗，實驗日期為2006.10/16-20，因為只有在一週內來進行實驗，所以並沒有針對網路學習歷程進行統計分析。 步驟一、主題確認與設計數位內容是圖書資訊推廣教育之圖書館空間導覽，讓新生班學生經由學校圖書館地理配置圖之簡介，了解各個空間配置，有服務臺、書庫、漫畫區、期刊區、視聽多媒體區、還書箱、新書展示區、過期報紙區、影片區、查詢資料區、排行榜、閱覽區等，讓學生去記憶名稱。步驟二、教和學數位教材以環球技術學院之網路學園做為網路平臺，教材部份則利用數位編輯軟體Producer整合簡報、影像、動畫等多媒體編製而成，依照介面設計的影片內容、題型及做答方式將學生分組，讓學習者了解圖書館空間配置及各功能屬

45、性。步驟三、學後測驗在播放數位內容後，進行現場記憶測試，針對先前影片導覽回答十項空間名稱。步驟四、績效考核邏輯題目之記憶正確度，計算記憶之題數，針對效能（Effectiveness）來評估學習績效，看是否能正確無誤的達成目標，效能評估的具體評估為有多少物件能正確的被使用者學習記憶到。步驟五、資料分析將所有自變數與測驗分數進行統計ANOVA分析，找出因子主效應與交叉效應。認知績效之產出值則以三班同一實驗的平均值加以計算。3.4 分析工具統計分析方面，本研究以SPSS for Windows 10.0 作為資料分析的工具，資料分析方法則包括：複迴歸分析、變異數分析並且採用AMOS 5.0統計軟體建

46、立結構方程模式，檢定變數的路徑係數，並驗證研究架構之合理性。為了進行迴歸分析，我們將所有變數都轉成量尺類型，例如：男生為1、女生為0，質性之風格變數及電腦學習背景例如創新風格之低、中、高，則用虛擬變數編為：00、01、10。本研究採用複迴歸逐步分析，是因為逐步迴歸分析法是將各變數的解釋力大小作為納入模式中的依據，變數解釋力越高將優先被納入模式中。共變異數分析是結構方程模式的基本統計，其主要目的在瞭解一組複雜變項間相關的型態，並對研究所界定模式的變異性做盡可能的解釋（Kline 1998），整個模式的檢定就是企圖將樣本共變數與理論預測共變數之間的差距最小化。結構方程式模型分析法(Structur

47、al Equation Model, SEM) 是一種以迴歸為基礎(Regression-Based Technique)的多變量技術，並結合徑路分析，它屬於驗證性實證研究的資料分析法，能同時處理多組變項間的關係，其目的在探究變數間的因果關係以驗證理論(MacCallum, Rozmowski, Mar and Reith 1994； Igbaria, Guimaraes and Davis 1995)。SEM 可經由結構模式來同時估計一系列單獨但互依的複迴歸方程式(依變項間的關係)，也由於應能同時處理多組變項之間的關係，它也提供研究者由探索分析(Exploratory Analysis)轉成

48、驗證分析(Confirmatory Analysis)的可能途徑(Reisinger and Turner 1999；Hair, Anderson and Black 1998)。SEM 技術具備兩個特性：1.可估計多個互相關連的相依關係；2.能夠指出在這些相依關係中未觀察的觀念，並解釋在估計過程中的衡量誤差(Hair et al. 1998)。因此，SEM 的優點在於1.SEM因素分析若從不同母體抽樣，是否可導出相同的因素模式；2.可經由結構模式來同時估計一系列單獨但互依的複迴歸方程式；3.SEM可處理迴歸與因素分析皆無法處理之共線性問題；4.SEM可以解釋潛在變數間之因果關連；5.一般而言

49、，量測的信度越低，越難觀察出潛在變項及其它變數間之關係，但SEM可以使用重要性排序，來處理未知的量測信度問題(Reisinger and Turner 1999)。SEM 即是以線性模式來表示這些關係，這部份即迴歸的概念。透過潛在變項的形成和因果關係的存在，建立完整的模式，再利用其觀察變數，來驗證模式的配適性，以解釋其因果關係，即SEM的目的(Reisinger and Turner 1999)。4. 研究結果本研究所使用的分析方法有變異數分析、信度與線性迴歸分析、結構方程模式之共變異數分析。4.1介面設計因子ANOVA分析介面因子與認知績效之ANOVA分析結果如表4所示，因子A為溝通介面，

50、B為資訊複雜度，C為色彩，D為是否回饋。由表4發現資訊複雜度（B）、色彩（C）與介面回饋因子（D）相乘之交叉分析p-value=0.019<0.05，會對邏輯記憶績效有顯著影響。資訊複雜度為六單位、色彩單純黑底-白字-灰圖及不需介面回饋之交互作用下，可以提高數位學習記憶之邏輯績效。表4 實驗因子之ANOVA表TermEffectCoefSE CoefTPConstant8.31250.296128.070.000A0.04170.02080.29610.070.944B-0.3750-0.18750.2961-0.630.531C-0.3750-0.18750.2961-0.630.53

51、1D-0.2083-0.10420.2961-0.350.727A*B-0.4583-0.22920.2961-0.770.445A*C-0.1250-0.06250.2961-0.210.834A*D-0.4583-0.22920.2961-0.770.445B*C0.12500.06250.29610.210.834B*D0.95830.47920.29611.620.115C*D-0.2083-0.10420.2961-0.350.727A*B*C-0.1250-0.06250.2961-0.210.834A*B*D-0.7917-0.39580.2961-1.340.191A*C*D0

52、.04170.02080.29610.070.944B*C*D1.45830.72920.29612.460.019*A*B*C*D0.54170.27080.29610.910.367*表p-value<0.054.2 信度與線性迴歸分析本研究先將科技接受模型與自我效能量表進行信度分析，科技接受模型方面在認知上的有用性（A1-A6）之信度為0.934，在認知上的易用性（A7-A12）之信度為0.942，在自我效能（C1-C32）方面之信度則為0.97，顯示Davis及Murphy等學者發展之量表在現在數位學習認知績效之評量中也是適合採用的。除了介面因子之外，本研究將101位受試者之學習

53、風格、科技接受模型、自我效能、電腦學習背景等問卷蒐集到之數據與邏輯認知績效進行主效應因子之逐步迴歸分析，分析結果發現有十一個因子（詳見表5）之p-value<0.05，對數位學習績效有顯著之影響，包括有科系(Dep1)、性別(Gender)、電腦新舊(PC)、創新風格(Int0)、科技接受模型(A2、A5、A6、A9)、自我效能(C2、C3、C25)等。表5 逐步迴歸主因子表未標準化係數標準化係數t顯著性B 之估計值標準誤Beta 分配(常數)8.794.79911.007.000*DEP1-2.172.338-.522-6.419.000*C2.563.187.3123.005.003

54、*C3-.597.192-.320-3.110.003*A9.627.139.4634.495.000*A2-.426.151-.295-2.818.006*C25-.453.167-.249-2.712.008*A5.587.166.4083.538.001*A6-.478.164-.321-2.910.005*INT0-1.252.486-.182-2.577.012*PC.942.359.2102.624.010*GENDER.626.277.1582.261.026*表p-value<0.05因子編碼如下所列：(1) DEP1：0為美造、企管；1為視傳。(2) C2：執行軟體的信

55、心。(3) C3：登入大型資訊系統的信心。(4) A9：我與電腦的互動是清楚且容易理解的。(5) A2：使用電腦可以改善我的工作績效。(6) C25：碰到有關電腦問題時可以尋求到幫助的信心。(7) A5：使用電腦可以使我的工作變得更容易。(8) A6：我發現電腦對我的工作是有用的。(9) INT0：0為低創新；1為創新風格中等。(10) PC：0為舊電腦；1為新電腦。(11) GENDER：0為女性；1為男性。在十一個變數進行ANOVA分析後，只有C2（執行軟體的信心）、C3（登入一個大型資訊系統的信心）、A9（我與電腦互動是清楚且容易理解的）、Dep1（科系）之p-value有<=0.05（詳見表6），因此就以這四因子進行交叉分析。將十一個顯著因子與篩選出來四個因子進行主效應與交叉效應之逐步迴歸後，得到的結果如公式一及表7所示，調整後的判斷係數R2=0.582。表6顯著因子之ANOVA表來源平方和自由度平均平方和F 檢定顯著性校正後的模式290.894387.6554.708.000*截距405.4411405.441249.357.000*PC4.48014.4802.755.102INT02.87112.8711