臺灣博碩士論文加值系統

本研究旨在分析比較傳統問卷與模糊語意問卷之信效度及其相關特性，包括信度、效度、兩者之間的計分差異、語意反應及眾數之比較。
一般傳統問卷常用李克特量尺（Likert Scale）的方式，來衡量填答者的感受。此種「非此即彼」的二分法填答方式和等距整數之量化，有明確、應用方便之優點，但由於人類的思維具模糊性和不確定性，用此來規範填答方式和量化人的複雜思維和認知狀態時，卻過於簡化而不適當。因此，探究適合人類模糊思維特性的問卷設計和量化方式，有其必要和價值。基於此，本研究以「教師信念量表」為實證案例，基於模糊理論的觀點，首先設計模糊加權量化的問卷，此問卷稱為模糊語意問卷(fuzzy linguistic questionnaire)。在進行實證問卷調查後，比較傳統問卷與模糊語意問卷之信效度、計分差異、語意反應及眾數之特性。
在逐步完成各項分析比較後，得到以下結論：
一、傳統問卷整份量表信度為0.8892，模糊語意問卷整份量表信度為0.9028，顯示模糊語意問卷信度比傳統問卷高。
二、就效度而言，傳統問卷累積解釋量為52.16%，模糊語意問卷為55.92%，顯示模糊語意問卷效度也比傳統問卷高。
三、利用t-test 分析，發現傳統問卷與模糊語意問卷在回答反應計分上有所不同，就平均數來看，模糊語意問卷得分比傳統問卷低，此現象之原因亦值得後續進一步深入探討。
四、模糊語意問卷在填答者之語意表現上，有重疊的現象，此重疊的現象應是人類思維認知特性及題目語意模糊性所形成。
五、有些問卷題目中，模糊眾數（fuzzy modes）在設定 顯著隸屬水準下，選擇該項的人數多於傳統問卷所決定的人數，表示模糊眾數能彈性地呈現填答者之共識（consensus）。
綜合上述論述，模糊語意問卷具有多項優於傳統問卷的特點，使用模糊語意問卷亦能減少一些傳統問卷之資料解釋偏頗，且填答者很難以二分法來決定填答選項之問題。所以，模糊語意問卷能真實地進行察覺測量（perception measurement）。另一方面，未來有關問卷設計的方法上，可利用模糊語意問卷方式，俾能更貼近地量化描繪出人類心理思維和感受。

The purpose of this research is to compare the difference of traditional questionnaire with the fuzzy linguistic questionnaire, including reliability, validity, score difference, linguistic, and modes comparision.
The traditional questionnaire often uses Likert Scale to judge writer’s feeling. The dichotomy and the same interval integer is clear-cut. Owing to the fuzziness of human thinking, it is not adequate and simple to rule writer’s way and measure human complex thinking and cognition. Hence, it is necessary to design adequate questionnaire. Based on this assumption, THE TEACHER FAITH SCALE is an example. According to fuzzy theory and fuzzy weighted, the questionnaire is called the fuzzy linguistic questionnaire.
After we finish these researches step by step, we get the following conclusions:
1. The traditional questionnaire’s reliability is 0.8892.The fuzzy linguistic questionnaire’s reliability is 0.9028. Obviously, the fuzzy linguistic questionnaire is better than the traditional questionnaire.
2. For validity, the traditional questionnaire accumulation explanation is 52.16%. The fuzzy linguistic questionnaire accumulation explanation is 55.92%. Obviously, the fuzzy linguistic questionnaire is better than the traditional questionnaire.
3. Using t-test, it is different in answering score between the fuzzy linguistic questionnaire and the traditional questionnaire.
4. The linguistic overlapping condition is in form of human thinking and item linguistic fuzziness.
5. There are more people who choice in fuzzy modes than those choose in traditional modes at -cut in some items. The fuzzy modes shows writer’s consensus elasticity.
In a word, the fuzzy linguistic questionnaire is better than the traditional questionnaire in some aspects. Using the fuzzy linguistic questionnaire minimize the prejudice. So the fuzzy linguistic questionnaire can carry out perception measurement truthly. On the other hand, the method that design the questionnaire can use fuzzy linguistic concept. It is clearer to depict the human mental thinking and feeling.

目 錄
第一章 緒論……………………………………1
第一節 研究動機與目的……………………………………..1
第二節 研究問題……………………………………………..2
第三節 名詞釋義……………………………………………..2
第二章 文獻探討……………………………….6
第一節 問卷型式……………………………………………...6
第二節 模糊理論…………………………….………………..9
第三節 模糊理論的應用…………………………………….14
第三章 研究方法………………….…………..19
第一節 研究對象………………………….………………..19
第二節 研究工具…………………………….……………..19
第三節 資料處理…………………………………………...20
第四節 研究架構…………………………………………...22
第四章 研究結果……………………………...24
第一節 「傳統問卷」與「模糊語意問卷」之信度分析…24
第二節 「傳統問卷」與「模糊語意問卷」之效度分析…27
第三節 「傳統問卷」與「模糊語意問卷」回答反應差異之比較………….…...……………...………..……..30
第四節 「傳統問卷」與「模糊語意問卷」在語意反應上之比較...……………………………………..……..31
第五節 「傳統問卷」與「模糊語意問卷」眾數之比較.…32
第五章 結論與建議……………….…………..35
第一節 結論……………………………….………………..35
第二節 建議………………………………….……………..36
參考文獻………………………….……………..38
壹、中文文獻…………………………………………………38
貳、英文文獻……..…………………………………………..42
附錄 ……………………………….…………..45
附錄一 傳統問卷與模糊語意問卷計分反應之分布情形...45
附錄二 傳統計分與模糊計分區間值…………….………..50
附錄三 原「教師信念量表」之折半信度……… ……...52
附錄四 原「教師信念量表」樣本因素分析斜交轉軸組型矩陣…………………………………..……………….53
附錄五 原「教師信念量表」預試之十個分量表之相關...54
附錄六 同意書……………………………………………...55
表 目 錄
表4-1-1 樣本之基本資料…….…………………………….24
表4-1-2 模糊語意問卷與傳統問卷之信度摘要表….…….25
表4-1-3 模糊語意問卷各分量表之相關係數…….……….26
表4-1-4 傳統問卷各分量表之相關係數………………..…27
表4-2-1 傳統問卷之因素分析轉軸成份矩陣.…………….28
表4-2-2 模糊語意問卷之因素分析轉軸成份矩陣.……….28
表4-2-3 模糊語意問卷與傳統問卷因素負荷量表….…….29
表4-3-1 模糊語意問卷與傳統問卷在各分量表之t-考驗摘
要表………….……….…………..………….…….31
表4-4-1 傳統問卷與模糊語意問卷計分反應之分布情形..45
表4-4-2 傳統計分與模糊計分區間值………………….…..50
表4-5-1 傳統問卷之傳統眾數與模糊語意問卷之模糊眾數
之比較…………………………......………...…….33
圖 目 錄
圖3-4-1 研究架構…………….…………………………….23

壹、中文部份
王元仁 (民89)：以模糊理論建構以技職為導向知之課程單元評估模式。教育研究資訊，8(3)，1-12。
王景南、王金城(民89)：籃球教練與團隊配適性之模糊統計分析。國立編譯館館刊，29（2），319-338。
王文俊(民86)：認識fuzzy。台北市：全球科技圖書股份有限公司。
王朝茂(民85)：教師信念量表。台北市：心理出版社有限公司。
王嘉寧、翁儷禎(民90)：量尺點數與分配型態對因素負荷量估計的影響。第五屆華人社會心理與教育測驗學術研討會論文。台北市：國立台灣師範大學。
王鵬華、吳昭彥(民85)：模糊多準則決策應用在高等教育之選擇。高雄工學院學報，3，295-304。
甘兆欽(民88)：模糊數對不同人格特質管理者的策略研擬之應用：以高雄國賓飯店為例。中山管理評論，7（3），907-929。
何榮桂、籃如玉(民90)：乏晰語意辨別在職業認知輔導之應用。第五屆華人社會心理與教育測驗學術研討會論文。台北市：國立台灣師範大學。
何偉雲 (民84)：學生學習成就的模糊統計分析。國立屏東師範學院屏東師院學報，8，167-180。
吳柏林 (民83)：模糊統計分析─問卷調查研究之新方向。國立政治大學研究通訊，2，65-80。
吳柏林 (民85)：社會科學研究中的模糊邏輯與模糊統計分析。中國統計通訊，7(11)，14-30。
吳毓瑩(民85)：量表奇偶點數的效度議題。台北市：第一屆調查研究方法與應用學術研討會。
吳柏林、楊文山 (民86)：社會科學計量方法發展與應用─模糊統計在社會調查分析的應用。台北市：中央研究院中山人文社會科學研究所。
吳政達（民84）：階層分析法（AHP）與模糊評估法（FEM）在學前教育指標系統之應用。國立政治大學教育研究所碩士論文。
吳政達（民88）：國民小學教師評鑑指標體系建構之研究：模糊德菲法、模糊層級分析法與模糊綜合評估法之應用。國立政治大學教育研究所博士論文。
吳珮菁 (民88)：模糊統計分析在選情預測之應用。國立政治大學統計研究所碩士論文。
阮亨中、吳柏林(民89)：模糊數學與統計應用。台北市：俊傑書局。
林信成、彭啟峰(民83)：OH! Fuzzy模糊理論剖析。台北市：第三波文化事業股份有限公司。
林清平(民87)：模糊理論與藝術作品評價。國教月刊，45(1)，7-16。
林原宏(民90a)：模糊語意變數量表計分之信度模擬分析。測驗統計年刊，9，193-219。
林原宏(民90b)：模糊多準則決策模式─教學評量與教材評選的應用。落實九年一貫課程數理教學及師資培育研討會。彰化市：國立彰化師範大學。
林原宏(民90c)：模糊理論取向的認知結構分析。九十學年度師範學院教育學術研討會。台中市：國立台中師範學院。
林基興(民83)：模糊思考─模糊邏輯的新科學。台北市：全華科技圖書股份有限公司。
唐麗英、謝昆霖(民89)：應用模糊理論於等級類別變數之參數最佳化。Journal of the Chinese Institute Engineers，17（4），423-435。
張有恆、何成章(民84)：應用模糊理論於捷運系統服務水準評估之研究。運輸計劃季刊，24（1），15-38。
徐村和、朱國明、詹惠君 (民88)：廣告業服務接觸與顧客行為意圖關係之研究─模糊語意尺度之應用。東吳經濟商學學報，26，1-25。
張國恩、林水成、潘宏明、陳世旺(民87)：屬性化概念圖的模糊評量。科學教育學刊，6（1），81-94。
張鈿富、孫慶珉 (民82)：學習成就評量與模糊模式之分析。國立政治大學學報(社會科學類上冊)，67，57-73。
連經宇、陳彥仲(民88)：模糊語意變數法應用於住宅消費決策行為之初探研究。住宅學報，8，69-90。
陳昭宏(民87)：以fuzzy演算法分析評量用詞對問卷調查之影響。東方工商學報，21，76-82。
陳昭宏(民89)：應用模糊多準則方法評選BOT專案財務評估準則之研究-以交通建設計劃案為例。公營事業評論，2（2），107-129。
陳亭羽、曾國雄(民89)：模糊測度應用於多屬性決策時之資訊需求量簡化研究。管理學報，17(3)，483-514。
陳振東(民87)：考量決策者樂觀態度傾向的模糊多準則決策方法之研究。管理與系統，7（3），379-394。
陳淑賢(民86)：群體決策在多項方案排序之探討。台中商專學報，29，33-46。
曾煥雯(民86)：建立植基於模糊理論之技能評量模式，國立台灣師範大學工業教育研究所博士論文。
張兆旭(民83)：Fuzzy淺談。台北市：松崗電腦圖書資料股份有限公司。
陳振東 (民89)：考量決策者樂觀態度傾向的模糊多準則決策方法之研究。管理與系統，7(3)，379-394。
廖述見 (民90)：模糊統計分析及其在社會調查之應用。國立政治大學統計研究所碩士論文。
鄭景俗、楊國隆 (民87)：模糊集合論在教育評分等級系統之應用。模糊系統學刊，4(2)，81-89。
鄭勝元 (民87)：模糊統計在社會調查之應用。國立政治大學統計研究所碩士論文。
闕頌廉(民81)：應用模糊數學。台北市：科技圖書股份有限公司。
藎壚(民80)：實用模糊數學。台北市：亞東書局。
貳、英文部份
Shiarella, A. H., Mccarthy, A. M. & Tucker, M. L. (2000). Development and construct validity of scores on the community service attitudes scale. Educational and Psychological Measurement, 60(2), 286-300.
Bollen, K. A., & K. H. Brab (1981). Person’s R and Coarsely Categorized Measures. American Sociological Review, 46, 232-239.
Bradly, R. A., Katti, S. K. & Coons, I. J. (1962). Optimal Scaling for Ordered Categories. Psychometrika, 27, 355-374.
Chen, C. T., (2001). A fuzzy approach to select the location of the distribution center. Fuzzy Sets and Systems, 118, 65-73.
Chen, Y. H.,Wang, W. J., ＆ Chiu, C. H., (2000). New estimation method for the membership values in fuzzy sets. Fuzzy Sets and Systems, 112, 521-525.
Chen, S. J., & Hwang, C. L. (1992). Fuzzy Multiple Attribute Decision Making Methods and Applications. Berlin :Springer-Verlag
Carlsson, C. ＆Fuller, F. (2000). Benchmarking in linguistic importance weighted aggregations. Fuzzy Sets and Systems, 114, 35-41.
Costs, C. S. L., Maranon, P. P., ＆ Cabrera, J. A. H. (1994). Application of diffuse measurement to the evaluation of psychological structures. Quality and Quanty, 28, 305-313.
Cronbach, L. J. (1951). Coefficient alpha and the interal structure of tests. Psychometrika, 16, 297-334.
Cronbach, L. J. (1988). Internal consistency of tests: analysis old and new. Psychometrika, 53, 63-70.
Dubios, D., ＆ Prade, H. (1983). Ranking fuzzy number in the setting of possibility theory. Information Science, 30, 183-224.
Feldt, L. S., Woodruff, D. J. ＆ Salih, F. A. (1983). Statistical inference for coefficient alpha. Applied Psychological Measurement, 11(1), 93-103.
Herrera, F., Lopez, E., Mendana, C. ＆ Rodriguez, M. A. (2001). A linguistic decision model for personnel management solved with a linguistic biobjective genetic algorithm. Fuzzy Sets and Systems, 118, 47-64.
Goumas, M., ＆ Lygerou, V. (2000). An extension of the PROMETHEE methed for decision making in fuzzy environment: Ranking of alternative energe exploitation projects. European Journal of Operational Research, 123, 606-613.
Halpin, G., ＆ Arbet, S. (1994). Effects of number and type of response choices on internal consistency reliability. Perceptual and Motor Skills, 79(2), 928-930.
Herrera, F., Herrera, V. E., ＆ Verdegay, J. L. (1996). A model of consensus in group decision making under linguistic assessments. Fuzzy Sets and Systems, 78, 73-87.
Hesketh, B., Pryor, R., ＆ Gleitzman, M., ＆ Hesketh, T. (1988). Practical applications and psychometric evaluation of a computerized fuzzy graphic ration scale. In T. Zetenyi(ed.) Fuzzy Sets in Psychology(pp.425-454). New York:North-Holland.
Jenkins, G. D., ＆ Taber, T. D. (1977). A Monte Carlo stude of factors affecting three indices of composite scale reliability. Journal of Applied Psychology, 62(4), 392-398.
Kim, K., ＆ Park, K. S. (1990). Ranking fuzzy number with index of optimism. Fuzzy Sets and Systems, 35, 140-150.
Klir, G. J. & Yuan, B. (1995). Fuzzy Sets and fuzzy logic theory and application.NJ: Prentice-Hall.
Klir, G. J. & Folger, T. A. (1988). Fuzzy Sets, untertainty and information. NJ: Prentice-Hall.
Law, C. K. (1997). A Fuzzy logical model to aggregate several heterogeneous educational grades from a reductionist grading scheme. Proceedings of 8 th international Conference on the Teaching of Mathematical Modeling and Applications.
Law, C. K. (1996). Using fuzzy numbers in educational grading system . Fuzzy Sets and Systems, 83, 311-323.
Lee, E. S. (1996). Fuzzy representation and linguistic computing. 模糊系統學刊, 2(1), 15-22.
Liang, G. S., ＆ Wang, M. R. (1991). A fuzzy multicriteria decision making aa methed for facility site selection. Internation Journal of Production Research, 29(11), 2313-2330.
Liu, N., ＆ Song, N. （2001）. The fuzzy association degree in semantic data aaa models. Fuzzy Sets and Systems, 117, 203-208.
Manton, K. G., Woodbury, M. A., ＆ Tolley, H. D. (1994). Statistical applications using fuzzy sets. New York: John Wiley ＆ Sons,Inc.
Matarazzo, B., ＆ Munda, G. (2001). New approaches for the comparison of L-R fuzzy numbers:a theoretical and operational analysis. Fuzzy Sets and Systems, 118, 407-418.
Olsson, U., Drasgow, F. & Dorans N. J. (1982). The Polyserical Correlation Coefficient. Psychometrika, 47, 337-347.
Pryor, R. G. L., Hesketh, B., ＆ Gleitzman, M. (1989). Making things clearer by making them fuzzy: counseling illustrations of a fuzzy graphic rating scale. The career development quarterly, 38, 136-146.
Voxman, W. (2001). Canonical representations of discrete fuzzy numbers. Fuzzy Sets and Systems, 118, 457-466.
Liu, W. Y. ＆ Song N. (2000). The fuzzy association in semantic data models. Fuzzy Sets and Systems, 117, 203-208.
Yamashita, T. (1997). On a support system for human decision making by the combination of fuzzy reasoning and fuzzy structural modeling. Fuzzy Sets and Systems, 87, 257-263.
Zadeh, L. A. (1975). Discussion: probability theory and fuzzy logic are complementary rather than competitive. Technometrics, 37(3), 271-276.
Zadeh, L. A. (1975). The Concept of a Linguistic Variable and its Application to Approximate Reasoning. Information Sciences, 8, 199-249.
Zimmermann, H. J. (1991). Fuzzy set theory and its application. London:Kluwer Academic Publishers.