網路化電腦輔助 程式設計學習之研究

網路化電腦輔助程式設計學習之研究

陳 明 溥國立臺灣師範大學 資訊教育學系E-mail:[email protected]

1. 研究目標

探討全球資訊網學習環境下–概念模型 (conceptual model)

–程式設計經驗 (programming

experiences)

–電腦先備知識 (prior knowledge)

–認知型態 (cognitive style)

對學習遞迴程式設計之影響。

2. 全球資訊網學習環境 特點：

–多元化的資訊–彈性化的知識體系–充分共享的知識庫–自主性的遠距學習環境–具高度互動性的學習環境

問題：–認知超載 (cognition overload)–迷失 (disorientation)

3. “遞迴” 程式設計學習 “遞迴”缺乏生活上的例子 (Andersion, pirolli, kessler)

初學者沒有適當的心智模型 (mental model)

迴圈 (iteration) 遞迴 (recursion)

教學上將遞迴過程與參數傳遞以更具體的方式呈現，則學習效果應該會更好 (Mayer, Er)

4. 遞迴程式設計教學方法

類比模型 (Murnane, 1991)

圖示遞迴結構模型 (Give'on, 1990)

數學推理模型 (Aho & Ullman, 1992; Ford, 1984)

樹狀模型 (Koffman, 1992; Krue, 1982)

複製模型 (Kahney & Eisenstadt, 1982; Kessler &

Anderson, 1989) 等

5. 資訊處理理論 - Dual-coding

雙碼理論 (dual-coding theory, DCT)

(Paivio, 1971, 1986; Clark & Paivio, 1991)

6. 研究設計 研究採性向處理交互作用 (aptitude-treatment-interaction,

ATI) 設計 獨立變數 :

– 概念模型 ( 動態 vs. 靜態 )、– 程式設計經驗 ( 高 vs. 低 )、– 電腦先備知識、及– 認知型態 (cognitive style)

條件變數 (criterion variables): 後測成績– 程式碼評量 , code evaluation

– 程式碼產生 , code generation

多重回歸分析 (multiple regressions)

7. 多重回歸分析之基本模型

Y = b0 + b1 GRP + b2 BCC + b3 YR+ b4 CS

GRP: 概念模型類型 ( 動態複製模型 vs. 靜態複製模型 )

BCC: 電腦先備知識 (prior knowledge)

YR: 程式設計經驗 ( 高 vs. 低 )

CS: 認知型態

8. 研究對象與工具

研究樣本 :153 位高職資料處理科一、二年級學生 本研究所使用之工具有：

– (1) 先備知識測驗– (2) 遞迴成就測驗– (3) 網路化遞迴電腦輔助教學軟體二套 (動態遞迴複製模型 vs.靜態遞迴複製模型 )

– (4) 網路化遞迴程式設計學習態度問卷一份。

動態遞迴複製模型教學

靜態遞迴複製模型教學

9.code evaluation 之分析 交互作用 (GRPxBCC、 GRPxCS、 YRxBCC、 YRxCS) 皆未達顯著水準,

電腦先備知識及複製模型類型未達顯著水準; 程式設計經驗與認知型態達顯著水準， F(1, 144) =

2.278, p = .024 ；及 F(1, 144) = 2.557, p = .012。

回歸方程式：Y 程式碼評量 = 3.679 + 0. 389 YR + 0.05 CS

表五遞迴成就測驗(程式碼評量)之主效果回歸分析摘要

UnstdizedCoefficients

StdizedCoefficients

t Sig.

Model B Std.Error

Beta

1 (Const) 3.650 .490 7.445 .000 GRP -.232 .170 -.108 -1.365 .174 YR .322 .177 .151 1.814 .072 BCC 7.765E-02 .052 .125 1.492 .138 CS 4.831E-02 .020 .191 2.379 .019

2 (Const) 3.313 .425 7.801 .000 YR .308 .178 .144 1.732 .085 BCC 8.028E-02 .052 .129 1.539 .126 CS 4.706E-02 .020 .186 2.313 .022

3 (Const) 3.679 .354 10.402 .000 YR .389 .171 .182 2.278 .024 CS 5.169E-02 .020 .204 2.557 .012

Dependent Variable: PE (程式碼評量)

10.code generation 之分析

交互作用 (YRxBCC)達顯著水準F(1, 143) = -2.544, p = .012

多重回歸分析之基本模型 (baseline model) 先依程式設計經驗 (高 vs. 低 )分組後再分別分析之 :

表七低程式設計經驗組遞迴成就測驗(程式碼產生)之主效果回歸分析摘要

UnstdizedCoefficients

StdizedCoefficients

t Sig.

Model B Std.Error

Beta

1 (Const) 2.932 .858 3.416 .001GRP -.379 .349 -.126 -1.086 .281BCC .196 .102 .225 1.923 .058

CS 1.693E-02 .041 .049 .410 .6832 (Const) 3.022 .825 3.663 .000

GRP -.355 .342 -.118 -1.038 .303BCC .206 .099 .236 2.078 .041

3 (Const) 2.476 .636 3.891 .000BCC .208 .099 .238 2.095 .040

Dependent Variable: PG (程式碼產生)

表八高程式設計經驗組遞迴成就測驗(程式碼產生)之主要效果回歸分析摘要

UnstdizedCoefficients

StdizedCoefficients

t Sig.

Model B Std.Error

Beta

1 (Const) 7.074 .935 7.568 .000GRP -.794 .300 -.298 -2.650 .010BCC -.145 .096 -.170 -1.510 .135

CS -3.878E-02 .036 -.120 -1.064 .2912 (Const) 6.679 .859 7.778 .000

GRP -.767 .299 -.288 -2.567 .012BCC -.151 .096 -.177 -1.578 .119

3 (Const) 5.563 .492 11.308 .000GRP -.745 .302 -.280 -2.471 .016

Dependent Variable: PG (程式碼產生)

低程式設計經驗組 : 電腦先備知識主效果達顯著水準， 回歸方程式：

Y 低程式設計經驗 = 2.476 + 0.208 BCC

高程式設計經驗組 : 概念模型類主效果達顯著水準 , 回歸方程式：

Y 高程式設計經驗 = 5.563 - 0.745 GRP

表九網路化學習態度問卷分析摘要1. 我知道在學習" 遞迴程式設計 "時，教學的內容是由遠端的伺服器傳送過來的!95% 知道 5% 不知道

2. 我對教學內容的傳送速度較慢的感受是: 67% 滿意 33% 尚可 0% 不滿意3. 我覺得教學內容的傳送速度較慢對我學習上的影響是:

22% 學的更好 58% 沒影響 20% 學的比較差

4. 如果教學內容的傳送速度能更迅速，我覺得我的學習會:50% 更好 45% 沒影響 5% 更差

5. 如果學校有部份課程內容使用" 全球資訊網 "的方式來學習，我會覺得:56% 喜歡 33% 尚可 11% 不喜歡

6. 如果要上網學習部份的課程內容，我最喜歡的上網地點是:29% 從家裡 71% 從學校電腦教室

11. 研究結果 程式碼評量 (code evaluation):電腦先備知識及複製模型類型則無顯著影響程式設計經驗愈好，表現愈好認知型態愈趨向 field independent ，表現愈好

程式碼產生 (code generation):低程式設計經驗 :電腦先備知識愈好，表現愈好高程式設計經驗 :動態概念模型優於靜態模型。

教學上提供有效之概念模型，幫助學習者建立適切之心智模型，使有經驗的程式設計者在網路化學習環境下有更好的學習表現

初學者應先有效補強及建立足夠之電腦先備知識再進行網路化學習

12. 建議

The End

本研究承蒙國科會科教處專題研究計劃補助(NSC 88-2520-S-003-005)始得以順利完成