跳到主要內容

臺灣博碩士論文加值系統

(44.222.64.76) 您好!臺灣時間:2024/06/14 04:31
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:賀育民
研究生(外文):Ho Yu-Min
論文名稱:高爾夫揮桿動作電腦化學習系統雛形之建構
論文名稱(外文):A preliminary model of the computer-based instructional system for the golf swing
指導教授:陳祥和陳祥和引用關係江青芬
指導教授(外文):Chen Hsiang-HoJiang Ching-Feng
學位類別:碩士
校院名稱:義守大學
系所名稱:工業工程與管理學系
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2003
畢業學年度:91
語文別:中文
論文頁數:89
中文關鍵詞:高爾夫動作分析類神經網路電腦輔助學習3D動畫
外文關鍵詞:GolfMotion AnalysisArtificial Neural NetworkComputer-Assisted Instruction3D Animation
相關次數:
  • 被引用被引用:16
  • 點閱點閱:865
  • 評分評分:
  • 下載下載:48
  • 收藏至我的研究室書目清單書目收藏:5
摘  要
高爾夫球運動近年來在世界各地已經發展成為熱門的休閒活動,已有許多針對基本揮桿知識及單一選手揮桿動作之研究。為提供一科學性的訓練方式,使學習者的動作能協調正確。因此本研究希望發展一高爾夫電腦輔助學習系統之雛形,以類神經網路為理論基礎,在不同的球桿、桿速與人體計測值條件下,預測各關節之角度。最後設計一介面,使初學者能透過此介面輸入自身的變數,預測自己的關節角度與搜尋最佳的揮桿學習策略,強化其認知學習效果。在運動傷害方面,生疏與錯誤的揮桿技術是造成運動傷害的主因之一,若收集高爾夫球專家揮桿動作的運動學與動力學資料,可用於修正初學者不當之姿勢,應可降低運動傷害之發生。
針對十七位中華民國職業高爾夫球協會認證之選手,本研究以動作擷取系統成功收集在1、4、7號桿與挖起桿的揮桿動作。為以有限之資料取代複雜的揮桿過程資料,選取揮桿過程中最重要的兩個時間點 (擊球點與上桿頂點)之運動學資料來作為動作調整的依據。而經統計相關性分析後發現、研究中共收集桿號、桿速、人體計測值,等12個自變數,每一個皆至少與一依變數(各關節角度)有顯著相關性 ,因此均納入類神經網路訓練中。利用類神經網路分別針對上桿頂點與擊球點之運動學資料作訓練。在上桿頂點網路的訓練中,當隱藏層有25個節點,學習速率0.2,慣性因子0.4,訓練達2820次時,測試樣本之均方誤差為最小(0.00441),即網路有最佳權重關係;而在擊球點網路的訓練中,當隱藏層有25個節點,學習速率0.4,慣性因子0.4,訓練達2680次時,測試樣本之均方誤差為最小(0.00338)。在揮桿動作教學系統中,類神經網路的最佳權重關係可預測初學者之全身關節角度,測試樣本中預測值與目標值相關係數達0.9以上。本教學系統包含導覽模式與學習模式,導覽模式詳細介紹系統之緣由、理論架構、高爾夫揮桿動作要領與本系統使用方法,使學習者對系統與高爾夫動作要領有初步認知;而在學習模式中學習者只要透過介面上所要求輸入相關變數,系統便透過類神頸網路運算模式預測一組關節角度並提供一最符合的專家動畫。
關鍵字:高爾夫、動作分析、類神經網路、電腦輔助學習、3D動畫
Abstract
Over the years, golf has been a popular competitive sports and recreational pastime in the world. As aspects of the game developed through years, concurrent developments in technologies have contributed immensely to the performance of professional golfers. In order to provide a scientific training method to help beginners correct their swing posture, this study develop a neural network-based preliminary model of golf swing. This model tried to use some useful parameters, including golf club, club speed and anthropometric data, to predict joint angles. Then, an instructional system was created, by which beginners can predict their own joint angles and seek the optimal learning strategy. Regarding golf injuries, one of main causing factors is incorrect posture or bad skill. These injuries might be reduced because swing postures of beginners were corrected by following the motion pattern of professional golfers.
Seventeen PGA golfers in Taiwan were invited to participate this study and collect their motion data by a motion capture system. Five trials of swings were collected with a driver, 4-iron, 7-iron and pitching wedge respectively. Because motion data during swing are very complicated, data at top phase of backswing and impact phase were selected to represent the checkpoints for the entire motion. The Pearson’s correlation analysis was used to verify the importance of variables chosen. The correlation analysis revealed that all of kinematic variables significantly depended on more than one of the anthropometric and club variables. Therefore, all variables were included in the training network. In the top phase, the learning rate and the momentum were chosen as 0.2 and 0.4, respectively. Then, its minimum mean square error approached the minimum 0.00441 by using 25 hidden nodes and 2820 training epochs. In the impact phase, the learning rate and the momentum were chosen as 0.4 and 0.4, respectively. Its mean square error approached the minimum 0.00338 by using 25 hidden nodes and 2680 training epochs. This optimal weighting network constituted the decision center of the instruction system to predict joint angles in two phases. This instruction system includes an introductory mode and a learning mode. For the introductory mode, it describes the system’s background, theoretic bases, key points of the golf swing and the user’s manual. It helps beginners have an initial understanding about this system and golf swing. For the learning mode, the system provides a set of predicted joint angles and an optimal expert animation displaying for user’s learning.
Keyword: Golf, Motion Analysis, Artificial Neural Network, Computer-Assisted Instruction, 3D Animation
目  錄
目錄……………………………………………………………………I
表目錄……………………………………………………………….III
圖目錄……………………………………………………………….IV
第一章 緒論………………………………………………………………… 1
第一節 研究背景…………………………………………………………. 1
第二節 研究動機…………………………………………………………. 2
第三節 研究目的…………………………………………………………. 3
第四節 研究架構與流程……………………………………………….… 4
第五節 研究範圍與限制……………………………………………….… 5
第二章 文獻探討…………………………………………………………... 7
第一節 人體動作分析……………………………………………………. 7
第二節 高爾夫運動分析…………………………………………………. 9
2.2.1 高爾夫全揮桿動作.………………………………………………….. 9
2.2.2 揮桿動作關節座標系統之簡述..…………………..……………….... 14
2.2.3 步態分析與高爾夫相關研究…..…...………………..…………….... 14
第三節 高爾夫運動傷害探討…………………………………………... 19
2.3.1 造成運動傷害的原因………………………………………….……. 19
2.3.2 高爾夫運動傷害的種類與主要受傷部位…………………………….. 19
第四節 人體動力學……………….…………………………………...... 20
第五節 類神經網路資料處理模式.……………...……………………... 22
2.5.1 類神經網路簡介……...……………………………………….……. 22
2.5.2 倒傳遞網路…………………………….………………………….. 25
第六節 電腦輔助學習…………….……………………………...……... 27
第三章 研究方法與步驟..……………………………………………....30
第一節 研究對象………………………………………………………... 30
第二節 實驗設備………………………………………………………... 31
3.2.1 硬體設備…………….……………………………………….……. 31
3.2.2 軟體設備……………………………….………………………….. 32
第三節 實驗流程與步驟………………………………………………... 33
第四節 類神經網路架構與參數設定…………………………………... 38
3.4.1 倒傳遞網路演算法…...……………………………………….……. 38
3.4.2 網路參數設計………………………….………………………….. 40
3.4.3 統計分析與資料前處理…...…………….………………………….. 43
第四節 資料與動畫搜尋………………………………………………... 44
第六節 系統建構簡述…………………………………………………...44
第四章 分析與結果….………………………………………………….. 46
第一節 揮桿之運動學分析……………………………………………... 46
第二節 揮桿表現之差異分析…………………………………………... 51
4.2.1 桿次間差異……….....……………………………………….……. 51
4.2.2 選手間差異…………………………….………………………….. 53
4.2.3 統計分析與資料前處理之結果………….………………………….. 54
第三節 網路訓練結果…………………………………………………... 56
第五章 教學系統雛形建構與整合……...…………………………….. 63
第一節 動畫製作………………………………………………………... 63
第二節 系統建立………………………………………………………... 69
第三節 系統評估………………………………………………………... 77
第六章 討論………... …………………………………………………….. 79
第七章 結論………... …………………………………………………….. 83
第一節 研究成果………………………………………………………... 83
第二節 未來研究建議………….……………………………………….. 84
參考文獻……………………………………………………………………... 86
附錄一………….…………………………………………..….….91
附錄二……….…………………………………………....….…. 94
表 目 錄
表2.1 各主要關節之活動度…………………………………………...…… 15
表2.2 高爾夫相關文獻整理表…………………...………………………… 18
表2.3 高爾夫運動傷害種類表……...……………………………………… 20
表3.1 受試者基本資料表…...……………………………………………… 30
表3.2 標記名稱與貼附位置表……...……………………………………… 35
表3.3 輸入與輸出變數定義表…...………………………………………… 43
表4.1 上桿頂點網路有相關性之輸出變數個數表……...………………… 54
表4.2 擊球點網路有相關性之輸出變數個數表……...………………….... 55
表4.3 上桿頂點網路參數變化對預測結果之影響…...…………………… 56
表4.4 Top — Net測試樣本誤差分析表……………………………..……… 58
表4.5 擊球點網路參數變化對預測結果之影響……...…………………… 60
表4.6 Impact — Net測試樣本誤差分析表…………...……………..……… 61
圖 目 錄
圖1.1  運動技能學習流程圖…..……………………..……………...... 2
圖1.2  研究流程圖…….…….………………………..……………….. 4
圖2.1(a) 重疊式握桿法….….………………………………………...... 10
圖2.1(b) 互鎖式握桿法……...…………………………………………. 10
圖2.1(c) 棒球式握桿法…...………………………………………….....10
圖2.2(a) 站姿點正面圖…...……………………………………………. 11
圖2.2(b) 站姿點側面圖…...……………………………………………. 11
圖2.3(a) 起桿點正面圖…...……………………………………………. 11
圖2.3(b) 起桿點側面圖…...……………………………………………. 11
圖2.4(a) 上桿期間正面圖…………………...…………………………. 12
圖2.4(b) 上桿期間側面圖……………………...………………………. 12
圖2.4(c) 上桿頂點正面圖…...…………………………………………. 12
圖2.4(d) 上桿頂點側面圖…...…………………………………………. 12
圖2.5(a) 下桿期間正面圖…………………...…………………………. 12
圖2.5(b) 下桿期間側面圖……………………...………………………. 12
圖2.6(a) 擊球點正面圖…...……………………………………………. 13
圖2.6(b) 擊球點側面圖…...……………………………………………. 13
圖2.7(a) 送桿期間正面圖….……….…………………………………. 13
圖2.7(b) 送桿期間側面圖…...…………………………………………. 13
圖2.7(c) 收桿點正面圖…...……………………………………………. 13
圖2.7(d) 收桿點側面圖…...……………………………………………. 13
圖2.8(a) 人體各解剖平面示意圖…...…………………………………. 17
圖2.8(b) 膝關節解剖平面與其軸向力…...……………………………. 17
圖2.9(a) 肩部與肘部受力關係圖….……….………………….………. 21
圖2.9(b) 肘部相關外力關係圖…...……………………………………. 21
圖2.9(c) 全身關節位置受力關係圖…...………………………………. 22
圖2.9(d) 動態情況下之前備受力關係圖…,,,…………………………. 22
圖2.10  生物神經元構造…...……………………………………….… 23
圖2.11  人工神經元構造…...……………………………………….… 24
圖2.12  單一隱藏層之神經網路…...……………………………….… 26
圖3.1   六部紅外線攝影機與力板所構成之3維座標系統…...….… 31
圖3.2   動作擷取區域圖………………………………………...….… 31
圖3.3   已貼附反光標記之選手正反面圖……………………...….… 32
圖3.4   反光標記名稱與其貼附位置圖……………….………..….… 34
圖3.5   各選手揮桿情形……………………………….………..….… 36
圖3.6(a) Workstation中初始空間座標資料……………………..……. 36
圖3.6(b) Marker經定義後所成之棒狀圖……………..………………. 36
圖3.6(c) 補各Marker之軌跡路徑………………...…………………... 36
圖3.7   動作擷取實驗流程圖………………………….………..….… 37
圖3.8   倒傳替網路訓練循環示意圖………………….………..….… 40
圖3.9   對數雙彎取轉移函數………………………….………..….… 41
圖4.1(a) 帶領側踝關節活動角度……………………….………..……. 46
圖4.1(b) 跟隨側踝關節活動角度……….……………..………………. 46
圖4.2(a) 帶領側膝關節活動角度……………………….………..……. 47
圖4.2(b) 跟隨側膝關節活動角度……….……………..………………. 47
圖4.3(a) 帶領側髖關節活動角度……………………….………..……. 47
圖4.3(b) 跟隨側髖關節活動角度……….……………..………………. 47
圖4.4(a) 帶領側肩關節活動角度……………………….………..……. 48
圖4.4(b) 跟隨側肩關節活動角度……….……………..………………. 48
圖4.5  帶領側與跟隨側肘關節活動角度...…………………………. 49
圖4.6(a) 帶領側腕關節活動角度……………………….………..……. 49
圖4.6(b) 跟隨側腕關節活動角度……….……………..………………. 49
圖4.7  骨盆活動角度……………………...…………………………. 50
圖4.8  頸關節活動角度…………………...…………………………. 50
圖4.9(a) 不同桿號下帶領側肘關節活動角度……………………...…. 51
圖4.9(b) 不同桿號下跟隨側肘關節活動角度……….……………..…. 51
圖4.10(a) 不同桿號下帶領側膝關節活動角度……………………...…. 51
圖4.10(b) 不同桿號下跟隨側膝關節活動角度……….…..……………. 51
圖4.11(a) 不同桿號下帶領側踝關節活動角度……………………...…. 52
圖4.11(b) 不同桿號下跟隨側踝關節活動角度……….…..……………. 52
圖4.12(a) 不同桿號下帶領側髖關節活動角度……………………...…. 52
圖4.12(b) 不同桿號下跟隨側髖關節活動角度……….…..……………. 52
圖4.13(a) 不同桿號下帶領側腕關節活動角度……………………...…. 52
圖4.13(b) 不同桿號下跟隨側腕關節活動角度……….…..……………. 52
圖4.14(a) 不同桿號下帶領側肩關節活動角度……………………...…. 53
圖4.14(b) 不同桿號下跟隨側肩關節活動角度……….…..……………. 53
圖4.15 各專家帶領側膝關節彎曲角度…………….…..……………. 53
圖4.16 各專家帶領側腕關節彎曲角度…………….…..……………. 54
圖4.17 Top — Net網路誤差收斂圖……………………..……………. 57
圖4.18 Top - Net目標輸出值與推論輸出值散佈圖.......……………. 58
圖4.19 Impact - Net網路誤差收斂圖………………………..………. 60
圖4.20 Impact - Net目標輸出值與推論輸出值散佈圖..……………. 61
圖5.1(a) c3d檔匯入FilmBox………………………..……………...…. 63
圖5.1(b) 建立一標準人型……….…..…………………………………. 63
圖5.2(a) 人型套入光點之正視圖………………………..……..…...…. 64
圖5.2(b) 人型套入光點之俯視圖………………………..……..…...…. 64
圖5.2(c) 人型套入光點之側視圖………………………..……..…...…. 64
圖5.3(a) 空白Markerset………………………………….……..…...…. 64
圖5.3(b) 已配置光點之Markerset……..………………..……..…...…. 64
圖5.4 動畫前置處理完成圖……….…..……………………………. 65
圖5.5 Actor連續揮桿動作……….…..…..…………………………. 65
圖5.6 角色(Character)創建……….…..…..…………………………. 66
圖5.7 Character階層式架構圖……….…..…..…………………..…. 66
圖5.8 Actor各關節與節點模型目錄……….…..…..…………....…. 67
圖5.9 Fcuver功能曲線編輯器…………..….…..…..…………....…. 67
圖5.10 背景燈光修飾圖…………..….…..…..…………………....…. 68
圖5.11 全揮桿過程動畫影像…………..….…..…..……………....…. 68
圖5.12 教學系統之學習模式概念圖………….…..……………....…. 69
圖5.13 程式進入畫面…………..….…..…………..……………....…. 70
圖5.14 導覽模式首頁…………..….…..…………..……………....…. 71
圖5.15 高爾夫起源網頁………..….…..…………..……………....…. 71
圖5.16 球場禮儀網頁…………..….…..…………..……………....…. 72
圖5.17 高爾夫規則網頁…………..…...…………..……………....…. 72
圖5.18 系統緣由網頁…………..….…..…………..……………....…. 73
圖5.19 高爾夫全揮桿動作教學網頁…………..….…..…………..…. 73
圖5.20 理論架構網頁…………..….…..…………..……………....…. 74
圖5.21 系統使用說明網頁…………..….…..………..…………....…. 74
圖5.22 變數輸入畫面…………..….…..…………..……………....…. 75
圖5.23 權重加載過程…………..….…..…………..……………....…. 76
圖5.24 全身關節角度畫面…………..….…..………..…………....…. 76圖5.25 四視角動畫撥放………..….…..…………..……………....…. 77
參考文獻
一、中文參考文獻
1. 王士華、于濤(1995),IDMT運動捕捉高級教程,北京:北京希望電子出版社。
2. 王建智、楊沛峰、蔣禮帆、相子元(2002),高爾夫肩轉中心與擊球準確的關係,台灣生物力學學會學術研討會,pp.15-16。
3. 吳武政(2001),以誘導式歸納途徑法探討自行車騎乘姿勢,大同大學工業設計研究所碩士論文。
4. 吳育雯(2000),高爾夫揮桿之軀幹旋轉軸運動模式,國立成功大學醫學工程研究所碩士論文。
5. 林煥洲、周崇頌、徐道昌(1994),業餘高爾夫球員肋骨疲勞性骨折,Chinese Medical Journal,54(1),33-37。
6. 林錫波(2000),影響高爾夫推桿表現的因素探討,中華體育期刊,14,129-133。
7. 侯君昱(1995),從影像序列建構虛擬實境中的人體動作,國立台灣工業技術學院電機工程技術研究所碩士論文。
8. 游士正(1998),不同協調形式與高爾夫技能表現相關之研究,科技學刊,7(2),207-221。
9. 黃正岳、陳俊忠(1993),高爾夫擊球表現與例行準備動作時間及左、右斜方肌,左手伸、曲腕肌活動程度之探討,國立體育學院論叢,3(2),203-215。
10. 葉怡成(2002),應用類神經網路(三版),台北:儒林圖書。
11. 劉玉仁、周有禮、羅世忠(2000),高爾夫揮桿動作之運動學與動力學分析,體育學報,29,179-188。
12. 羅華強(2001),類神經網路:MATLAB的應用(初版),新竹:清蔚科技。
二、英文參考文獻
1. Aggarwal J. K. and Cai Q. (1997) Human Motion Analysis: A Review, IEEE Proceedings, 90 —102.
2. Akita. K. (1984) Image sequence analysis of real world human motion, Pattern Recognition, 17(1), 73-83.
3. Batt M. E. (1992) A survey of golf injuries in amateur golfers, British Journal of Sports Medicine, 26, 63-65.
4. Batt M. E. (1993) Golfing Injuries: An Overview, Sports Medicine, 16(1), 64-71.
5. Cooper, M.A.J. & Mather, J.S.B. (1994) Categorisation of golf swings, Science and Golf II: Proceedings of the World Scientific Congress of Golf, 65-70.
6. Chaffin, D.B., Andersson, B.J. & Martin, B. J. (1999) Occupational Biomechanics(third edition), Wiley & Sons, New York.
7. Fisher G. H. (1965) The New Form Statistical Tables, University of London Press, London.
8. Fernandes, E.S. et al. (1999) Use of artifical neural network to help the valuation of football referees’ physical fitness, Neural Network, IJCNN ''99. International Joint Conference, pp.3560 —3562.
9. Gatt, C.J., Pavol, M.J., Parker, R.D. and Grabiner, M.D. (1998) Three-dimensional knee joint kinetics during a golf swing, American Journal of Sports Medicine 26(2):285-294.
10. Hafner, B.J., Sanders, J.E., Czerniecki, J. & Fergason, J. (2002) Energy storage and return prostheses: does patient perception correlate with biomechanical analysis, Review, Clinical Biomechanics, 17(5), 325-44.
11. Hopf, C., Scheidecker, M., Steffan, K., Bodem, F. & Eysel, P. (1998) Gait analysis in idiopathic scoliosis before and after surgery: a comparison of the pre- and postoperative muscle activation pattern, European Spine Journal, 7(1), 6-11.
12. Hailey, D. & Tomie, J,A (2000) An assessment of gait analysis in the rehabilitation of children with walking difficulties, Review, Disability & Rehabilitation, 22(6):275-80.
13. Hamill J. & Knutzeng, K.M. (1995) Biomechanical Basis of Human Movement(3rd ed.), Philadelphia: Lippincott Williams & Wilkins.
14. Ho, S. Y., Chang, S. B. & Byung, W. M. (1994) Neural network for golf swing analysis from weight-shift, Neural Networks, 1994. IEEE World Congress on Computational Intelligence., 1994 IEEE International Conference , pp.3083-3087, 27 Jun-2 Jul.
15. Ho, S. Y., Chang, S. B, & Byung, W. M. (1995) Neural Networks using modified initial connection strengths by importance of feature elements, Systems, Man and Cybernetics, 1995. ''Intelligent Systems for the 21st Century''., IEEE International Conference, 22-25, Oct.
16. Johansson G. (1975) Visual motion perception, Sci. American, 232(6), 76-88.
17. Leung M. K. & Yang Y. H. (1995), First sight:A human body outline labeling system, IEEE Trans on PAMI, 17(4), 359-277.
18. McCarroll J. R. & Goie T. J. (1982) Professional golfers and the price they pay, Physican and Sportsmedicine, 10, 64-70.
19. McCarroll J. R., Rettig A. C. & Shelbourne K. D. (1990) Injuries in the amateur golfer, Physican and Sportsmedicine, 18, 122-126.
20. Morehouse C. A. (1990) The super senior golfer, Cochran Science and golf, pp.14-23, Chapman and Hall, London.
21. Nelson, M. M. & Illingworth W. T. (1991) A practical guide to neural nets.
22. Nesbit, S. M., Cole, J. S., Hartzell, T. A., Oglesby, K. A. & Radich, A.F. (1994) Dynamic model and computer simulation of a golf swing, Science and Golf II: Proceedings of the World Scientific Congress of Golf, 71-76.
23. Pai, Y. C. & Patton, J. (1997) Center of mass velocity-position predictions for balance control, Journal of Biomechanics, 30, 347-354.
24. Pink Marilyn, Perry Jacquelin & Jobe F. W. (1993) Electromyographic Analysis of the Trunk In Golfers, The American Journal of Sports Medicine, 21(3) 358-388.
25. Rietman, J.S., Postema, K. & Geertzen, J.H. (2002) Gait analysis in prosthetics: opinions, ideas and conclusions, Review, Prosthetics & Orthotics, International, 26(1), 50-7.
26. Richards, C.L., Malouin, F. & Dean, C. (1999) Gait in stroke: assessment and rehabilitation, Review, Clinics in Geriatric Medicine, 15(4), 833-55.
27. Reyes, M.G. & Mittendorf, A. (1999) A mathematical swing model for a long-driving champion, Science and Golf III: Proceedings of the World Scientific Congress of Golf, 13-19.
28. Royal and Ancient Golf Club of St Andrews’ Development Panel (1990) The Demand for golf.
29. Sutherland, D.H. (2001) The evolution of clinical gait analysis part I: kinesiological EMG, Gait & Posture, 14(1), 61-70.
30. Sutherland, D.H. (2002) The evolution of clinical gait analysis Part II: kinematics, Gait & Posture, 16(2), 159-79.
31. Woollacott, M. & Shumway-Cook, A. (2002) Attention and the control of posture and gait: a review of an emerging area of research, Review, Gait & Posture, 16(1), 1-14.
Webb J. K. & Aggarwal J. K. (1981) Visually interpreting the motion of objects in space
IEEE computer, 40-46.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 9. 黃正岳、陳俊忠(1993),高爾夫擊球表現與例行準備動作時間及左、右斜方肌,左手伸、曲腕肌活動程度之探討,國立體育學院論叢,3(2),203-215。
2. 蘇育任(1993)。課程與教學-漫談遊戲導向的教學設計。國教輔導,33(2),4-6頁。
3. 劉一民(1999)。以遊戲為鏡--體貼教育的初心,學生輔導,60,32-45頁。
4. 楊榮祥 (1994)。 由國際數理教育評鑑談我國科學教育。科學月刊,25( 6 ),410~425頁。
5. 陳杭生(1993)。視聽媒體與教學正常化。視聽教育雙月刊,34(3),1-10頁。
6. 鍾聖校(1998a)。如何提高師專學生的研究精神。國民教育,24(11),28-33頁。
7. 簡楚瑛(1993)。「遊戲之定義」、理論與發展的文獻探討。新竹師院學報,6,105-133頁。
8. 潘慧玲(1992)。兒童遊戲之意涵及相關因素探討。科學啟蒙學報,81年版,100-119頁。
9. 秦夢群(1992)。高中教師管理心態、學生內外控,與學生學習習慣與態度之關係研究。教育與心理研究。國立政治大學教育心理系。
10. 林振霖(1991)。國中資賦優異學生思考與科學過程技能的研究。彰化師範大學學報,2,335-379。
11. 吳武典(1971)。從心理動力學的觀點談影響學生學習的因素。教育文摘,16(5)。
12. 王富雄(1994)。國小遊戲化教學的探討。國教月刊,40(7、8),18-22頁。
13. 11. 劉玉仁、周有禮、羅世忠(2000),高爾夫揮桿動作之運動學與動力學分析,體育學報,29,179-188。
14. 張瑞村(1994)。高級職業進修補習學校學生學習技巧與學習成績關係之研究。教育與心理研究。國立政治大學教育心理系。
15. 6. 林錫波(2000),影響高爾夫推桿表現的因素探討,中華體育期刊,14,129-133。