跳到主要內容

臺灣博碩士論文加值系統

(44.200.86.95) 您好!臺灣時間:2024/05/30 06:13
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:黃淑珊
研究生(外文):Huang Shu Shan
論文名稱:基於認知診斷模式之診斷測驗與補救教學成效-以概數單元為例
論文名稱(外文):A study on remedial instruction and diagnostic test of using cognitive diagnostic models-an example of Estimation learning area
指導教授:施淑娟施淑娟引用關係
指導教授(外文):Shih- Shu -Chuan
口試委員:施淑娟郭伯臣吳慧珉
口試委員(外文):Shih- Shu- ChuanBor-Chen KuoWu-Huey-Min
口試日期:2013-07-15
學位類別:碩士
校院名稱:國立臺中教育大學
系所名稱:教育測驗統計研究所
學門:教育學門
學類:教育測驗評量學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:100
中文關鍵詞:電腦適性補救教學認知診斷模式概數概念診斷辨識率
外文關鍵詞:computerized adaptive remedial instructioncognitive diagnostic modelsEstimationaverage diagnosis accuracy
相關次數:
  • 被引用被引用:5
  • 點閱點閱:835
  • 評分評分:
  • 下載下載:28
  • 收藏至我的研究室書目清單書目收藏:1
摘要
本研究以四年級概數單元為教學範圍,結合認知診斷模式編製診斷測驗及數位補救教材,並評估此測驗與補救教材以不同教學模式實施之成效。首先以預試作答資料進行DINA、G-DINA和DINO三種認知診斷模式選模評估,比較結果顯示,數據最佳者為「DINA模式」,再以此為基礎,根據DINA模式所能診斷之認知屬性缺失,逐一研發數位補救教材,測驗與教材編製完成後,再以電腦適性補救教學、團班資訊融入補救教學以及傳統檢討考卷三種不同的補救教學模式進行教學實驗與成效評估。
研究方法採用不等組準實驗設計,研究對象為彰化縣與雲林縣兩間國小四年級的學生,其中兩班接受電腦適性補救教學(實驗組一)、兩班接受團班資訊融入補救教學(實驗組二)、兩班接受傳統補救教學(控制組)。實驗組一的有效樣本為50人,實驗組二的有效樣本為55人,控制組的有效樣本為57人。本研究結果摘要如下:
一、 以概數單元內容編製的診斷測驗預試結果Cronbach α值為0.85,平均難度0.636、平均鑑別度0.543,屬良好試題。
二、 比較三種認知診斷模式之平均概念診斷率和模式適配度發現, DINA模型優於G-DINA模型與DINO模型,因此DINA模式為最適用的認知診斷模式。
三、 電腦適性補救教學之實驗組學生,其補救教學後的後測成績優於使用傳統補救教學之控制組學生,顯示此種補救教學模式有助於提升補救成效。
四、 接受電腦適性補救教學的學生以前測成績作為能力分組,分為高、中、低三組,發現電腦適性補救教學成效對中、低能力組的前後測進步成績達顯著影響,表示電腦適性補救教學法能明顯提升中、低能力組學生成績。
五、 使用電腦適性補救教學之不同性別學生在接受電腦適性補救教學後,其學習成效無顯著差異。
六、 不同補救教學模式後之數學概念平均進步率,電腦適性補救教學組為 14.182%、團班資訊融入補救教學組為6.859%、傳統補救教學組為2.808%,整體概念進步率以電腦適性補救教學組成效最佳。
七、 分析接受電腦適性補救教學的學生對電腦適性補救教學意見,研究顯示90.380%.以上的學生對電腦適性補救教學活動有良好的認同。

The research is focusing on the learning area of Estimation for fourth-grade,
combined the cognitive diagnostic model to create a diagnostic test and digital remedial materals,then assess the effect of this test and remedial teaching materials in different teaching mode . First of all, a comparison of three cognitive diagnosis models, including DINA, G-DINA, and DINO was conducted using the pretest results. The comparison suggested DINA model fitted the data best. Later, based on the deficiencies in cognitive attributes diagnosed by the DINA model, the digital remedial learning materials and tests were developed. Finally, the effectiveness of the developed learning materials in three different models of remedial instruction, including computer-based adaptive remedial instruction, information-integrated group instruction, and traditional test review instruction, was evaluated through an experiment.
The methology of this study is the non-equivalent quasi-experimentation design. The subjects are 4th grade students chosen from two elementary schools in Changhua and Yunlin County. There are six classes randomly chosen from eleven classes. The first experimental group consists of two classes in which students receive computerized adaptive remedial instruction; the second experimental group consists of two classes in which students receive information technology integrated into instruction. The final group is the control group, which consists of two classes in which students receive traditional remedial instruction. After the experiment is completed, there are 50 effective samples in the first experimental group, 55 in the second experimental group, and 57 in the control group. The results are summarized as follows:
1. The Cronbach α value is 0.850, the average difficulty value is 0.636 and the average discrimination value is 0.543, indicating the test is of good quality.
2. Comparing the average diagnosis accuracy of the math concepts and test-level model fit test, the DINA model is better than both the G-DINA model and the DINO model. Therefore, the DINA model was used to analyze the math concepts.
3. The conceptual progress rate of students in the first experiment group is significantly higher than that of the control group. It obviously shows the computerized adaptive remedial teaching method can enhance the remedial result.
4. The pre-test scores of students in the first experiment group were used to divide students into high competency, medium competency, and low competency classes. The difference in the remedial instruction effectiveness in the low and medium competency class are significant. It shows that the effectiveness of computerized adaptive remedial instruction in the low and medium competency class are higher than that in the high competency classes.
5. In experimental group 1, there is no significant effect of gender on learning effectiveness of computerized adaptive remedial teaching.
6. After different remedial instruction, the average progress rate of math concepts of experimental group 1 is 14.182%, 6.859% for experimental group 2, and 2.808% for the control group. The computerized adaptive remedial instruction is the best of the whole set.
7. In the analysis of students’ comments on the computerized adaptive remedial instruction, more than 90.380% students recognize to a large extent the computerized adaptive remedial instruction. Moreover, the questionnaire has high reliability.

摘要……………………………………………………………………………………I
Abstract………………………………………………………………………………III
表目錄………………………………………………………………………………VII
圖目錄………………………………………………………………………………IX

第一章 緒論…………………………………………………………………………1
第一節 研究動機與目的………………………………………………………1
第二節 待答問題………………………………………………………………4
第三節 名詞解釋………………………………………………………………5
第四節 研究範圍與限制………………………………………………………6
第二章 文獻探討……………………………………………………………………8
第一節 認知診斷模式…………………………………………………………8
第二節 概數教材……………………………………………………………16
第三節 適性補救教學………………………………………………………21
第三章 研究方法……………………………………………………………………27
第一節 研究對象……………………………………………………………27
第二節 研究流程……………………………………………………………27
第三節 實驗設計……………………………………………………………30
第四節 研究工具……………………………………………………………31
第五節 資料處理與分析……………………………………………………53
第四章 研究結果……………………………………………………………………56
第一節不同診斷模式之辨識率比較與試題層次適配度分析………………56
第二節 不同補救方式之學習成效差異………………………………………58
第三節 學生之認知診斷結果變化情形分析………………………………62
第四節 電腦適性補救教學對不同性別學生之補救成效……………………64
第五節 實驗組一學生對電腦適性補救教學之意見…………………………66
第五章 結論與建議…………………………………………………………………67
第一節 結論…………………………………………………………………67
第二節 建議…………………………………………………………………68
參考文獻…………………………………………………………………………69
中文部份………………………………………………………………………68
外文部份………………………………………………………………………72
附錄一 預試試卷內容………………………………………………………………74
附錄二 對電腦適性補救教學之意見問卷………………………………………76
附錄三 前後測個別組型屬性改變情形……………………………………………77
附錄四 數位補救教材範例…………………………………………………………83


中文部分
王文卿(2010)。DINA模式與G-DINA模式參數估計比較。國立臺中教育大學教育測驗統計研究所碩士論文,未出版,臺中市。
王秀惠(2004)。國小高年級學童估算能力之試題編製與分析之研究。國立臺中師範學院數學教育系碩士論文,未出版,臺中市。
尹玫君(1993)。練習式及指導式電腦輔助教學軟體之探討。國立台南師範學院
初等教育學報,6,117-130。
尤仁聰(2010)。遊戲式電腦加減估算自我調整評量之研發。國立臺中教育大學數學教育學系國小教師在職進修教學碩士班碩士論文,未出版,臺中市。
尤怡雯(2011)。結合二階段測驗之電腦適性補救教學設計與應用成效-以縮圖、放大圖與比例尺為例。國立臺中教育大學數學教育學系國小教師在職進修教學碩士班碩士論文,未出版,臺中市。
吳玫君(2008)。國小五年級數學領域概數與估算單元數位元個別指導模式之研發。亞洲大學資訊工程學系研究所碩士論文,未出版,臺中市。
李曉嵐(2012)。部分參數已知於DINA模式之實證資料估計成效探討。國立台中教育大學教育測驗統計研究所碩士論文,未出版,台中市。
洪昭榮、劉明洲(1996)。電腦輔助教學設計原理與應用。台北市:師大書苑。
陳亭宇(2010)。探討DINA模式與G-DINA模式參數不變性。國立臺中教育大學教育測驗統計研究所碩士論文,未出版,臺中市。
陳秀潔(1988)。電腦輔助英文寫作教學:方法與展望。中華民國第五屆英語文
教學研討會,高雄師範大學。
陳惠敏(2010)。美國《沒有任何孩子落後法》之評析及其對我國中小學教育之
啟示-批判教學論觀點。國立中正大學教育學研究所碩士論文(未出版)。
林立敏、白曉珊、郭伯臣、劉育隆(2007)。數位個別指導教材研發與適性補救教學模式之研究-以國小五年級數學「因數與倍數」單元為例。「TANET2006台灣網際網路」研討會,花蓮市。
林汝霏(2012)。DINA模式之信度研究。國立台中教育大學教育測驗統計研究所碩士論文,未出版,台中市。
卓淑瑜(2011)。不同認知診斷適性測驗演算法結合知識結構之成效比較。國立臺中教育大學教育測驗統計研究所碩士論文,未出版,臺中市。
許珊珊(2012)。不同Q矩陣設計對於DINA模型概念診斷成效之影響。國立臺中教育大學教育測驗統計研究所碩士論文,未出版,臺中市。
張育蓁(2012)。不同Q矩陣設計在DINA模式估計成效探討-以國小五年級因數與倍數單元為例。國立臺中教育大學教育測驗統計研究所碩士論文,未出版,臺中市。
張詩亞、楊智為、郭伯臣、陳俊華(2011)。應用DINO模型於錯誤類型診斷探究-
以自然科「水的流動」單元為例。2011年中國測驗學會年會暨心理與教育測驗學術研討會。臺北市:國立臺灣師範大學。
郭蔚文(2007)。ITEDⅢ-探究以估算教學提升國小六年級學童數感能力之行動研究。國立臺南大學數學教育學系碩士論文,未出版,台南市。
郭伯臣、曾彥鈞、陳俊華(2012)。認知診斷適性測驗系統,未出版之工具。國
立臺中教育大學。
蔡昆穎( 2004)。國小數學領域電腦化適性診斷測驗及補救教學系統之內容開發及試用─以「擴分、約分」單元為例)。國立台中師範學院測驗統計研究所碩士論文,未出版,台中市。
蔣威廉(2012)。試題層次與測驗層次之認知診斷模型適合度分析-以國小四年級面積單元診斷測驗為例。國立台中教育大學教育測驗統計研究所碩士論文,未出版,台中市。
劉燕玲(2012)。監督式貝氏網路與非監督式DINA、G-DINA模式應用於國小四年級時間概念診斷成效之探究。國立台中教育大學教育測驗統計研究所碩士論文,未出版,台中市。
歐陽惠萍(2012)。DINA 模式與G-DINA 模式估計成效之探討—以線對稱單元為例。國立台中教育大學教育測驗統計研究所碩士論文,未出版,台中市。
盧明君(2005)。國小六年級學童解概數文字題考量真實情境表現之研究。國立臺南大學教育經營與管理研究所數學科教學碩士班碩士論文,未出版,台南市。
羅興南(2012)。DINA與DINO模式於國小自然科電腦化診斷之應用,以五年級「水
溶液」單元為例。亞洲大學資訊工程學系碩士在職專班論文,未出版,臺中
市。
康軒文教事業股份有限公司(2012)。國民小學數學教師手冊第八冊。臺北:康軒出版社。
南一書局企業股份有限公司(2012)。國民小學數學備課指引第八冊。臺北:南一書局。
翰林事業股份有限公司(2012)。國民小學數學備課用書第八冊。臺北:翰林出版社。
外文部分
Akaike. H. (1973). Information theory and an extension of the maximum likelihood principle. 2nd International Symposium on Information Theory, 267-281.
Akaike. H. (1978). A Bayesian Analysis of the minimum AIC procedure. Annals of the Institute of Statistical Mathematics, 30, Part A, 9-14.
Bozdogan, H. (1987). Model selection and Akaike’s information criterion(AIC): The general theory and its analytical extensions. Psychometrika, 52(3), 345–370
Catherine Nyambura Close(2012). An Exploratory Technique for Finding the Q-matrix for the DINA Model in Cognitive Diagnostic Assessment: Combining Theory with Data. MINNESOTA University.
de la Torre, J. & Douglas, J. (2004). Higher-order latent trait models for cognitive diagnosis. Psychometrika, 69(3), 333-353.
de la Torre, J. & Douglas, J. (2008). Model evalution and multiple strategies incognitive diagnosis: An analysis of fraction subtraction data. Psychometrika,73(4),595-624.
de la Torre, J. (2009a). A cognitive diagnosis model for cognitively based multiple-choice options.Applied Psychological Measurement, 33(3), 163-183.
de la Torre, J. (2009b). DINA model and parameter estimation: A Didactic. Journal of Educational and Behavioral Statistics, 34(1), 115-130.
de la Torre (2013). Application of the DINA Model Framework to Enhance Assessment and Learning, Self-directed Learning Oriented Assessments in the Asia-Pacific (pp. 87-103). New Jersey :Springer Netherlands.
Gierl, M., Cui, Y., & Zhou, J. (2009). Reliability and attribute-based scoring in cognitive diagnostic assessment. Journal of Educational Measurement, 46 (3),293-313.
Henson, R., & Douglas, J. (2005). Test construction for cognitive diagnosis. Applied Psychological Measurement, 29, 262-277.


Lawrence(2012). Recognizing Uncertainty in the Q-Matrix via a Bayesian Extension of the DINA Model. Applied Psychological Measurement September 2012 vol. 36 no. 6 447-468
Lihong Song.(2012).Comparing two classification methods based on the attribute hierarchy method and the DINA model. Consumer Electronics, Communications and Networks (CECNet), 938 - 941
Mcglohen&Chang(2008).Combining computer adaptive testing technology with cognitively diagnostic assessment. Behavior Research Methods , Volume 40, Issue 3, pp 808-821
Nichols,P.D.(1994).A framework for developing cognitively diagnostic assessment .Review of Educational Research,64,575-603.
P Chen, T Xin, C Wang, HH Chang (2012). Online Calibration Methods for the DINA Model with Independent Attributes in CD-CAT. The Psychometric Society 201210.1007/s11336-012-9255-7.
Rupp & Templin.(2008).Effects of Q-Matrix Misspecification on Parameter Estimates and Classification.accuracy in the DINA Model. Educational and Psychological Measurement vol,68 no(1).78-96
Sheehan, K. M. (1997). A tree-based approach to proficiency scaling and diagnostic assessment. Journal of EducationalMeasurement, 34, 333-352.
Sowder, J.T.(1992). Estimation and number sense. In Grouws, D.A.(Ed), Handbook
of research on teaching and learning. New York: Macmillan.
Tastsuoka, K. K. (1985). A probabilitic model for diagnosing misconceptions by the pattern classification approach.Journal of Education Statistics, 10, 55-73.
Templin, J. L. Henson, R. A. (2006). Measurement of psychological disorders using cognitive diagnosis models. Psychological Methods, 11(3), 287-305.
Xu, X, Chang, H., & Douglas, J. (2003). A simulation study to compare CAT
strategies for cognitive diagnosis. Paper presented at the annual meeting of the American Educational Research Association, Chicago.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top