114 年 國立嘉義大學輔導與諮商學系碩士班乙：諮商心理組《諮商心理學基礎》

本題主要在探討 Albert Bandura 的社會認知理論中，關於「人類能動性」(human agency)的核心概念。考生需要定義此概念，闡述其構成要素，並將其應用於特定諮商情境。

核心觀念：
人類能動性是 Bandura 社會認知理論的基石，強調個體並非被動地受環境影響，而是能夠主動地影響自身經驗和生活。它涉及個體對自身行為、環境和結果的影響力。

詳解：

1. 定義「人類能動性」(human agency)：
人類能動性指的是個體運用其認知能力，對自己的生活和周遭環境進行有目的、有意識的影響與掌控的能力。Bandura 認為，人類是積極的行為者 (active agents)，而非被動的反應者 (reactors)。他們能夠預見未來、設定目標、選擇行為、評估結果，並根據這些經驗來調整未來的行動。

2. 人類能動性的核心要素：
Bandura 提出人類能動性是多面向的，包含以下四個核心要素，這些要素相互關聯且共同作用：

• 意圖性 (Intentionality)： 指個體有意識地規劃、預期和行動的能力。個體能夠設定目標，並為達成這些目標而制定行動計畫。
• 預期性 (Forethought)： 指個體預見未來可能發生的情境，並根據過去的經驗來預測行為的後果。這使得個體能夠在採取行動前，就對其可能產生的影響進行評估和選擇。
• 自我反應性 (Self-reactiveness)： 指個體能夠自我監督、自我評估和自我調整。個體不僅會對外部刺激做出反應，還會對自己的行為和表現進行反思，並根據自我評估來修正未來的行為。這包括自我激勵、自我獎勵和自我懲罰等機制。
• 自我反思性 (Self-reflectiveness)： 指個體能夠反思自身的存在、思想和行為，並評估其合理性與有效性。這是人類能動性最為核心的要素，使個體能夠發展出對自身能力的信念（自我效能感）以及對所處環境的理解。

3. 應用於以獨居老人為對象的輔導諮商工作：
在輔導獨居老人時，應用人類能動性的觀點，可以從以下幾個層面著手：

本題要求考生闡述 Carol Ryff 的心理幸福感模型，比較其與主觀幸福感的差異，並說明幸福感治療的理論基礎與特色。

核心觀念：
Carol Ryff 的心理幸福感模型是探討「什麼使人過得好」的重要理論，與僅關注快樂感的主觀幸福感有所區別。幸福感治療則是在此基礎上發展出的心理治療取向。

詳解：

1. Carol Ryff 提出的心理幸福感 (psychological well-being) 理論模型的主要核心觀點：
Ryff 的理論認為，心理幸福感並非僅是負面情緒的缺乏，而是一個更為豐富、多面向的建構，包含了個人成長、目標導向、以及對生活意義的追求。她提出了心理幸福感的六個主要面向：

• 自我接納 (Self-acceptance)： 對自己持有積極的態度，包括接納自己的優點與缺點。
• 正向的關係 (Positive relations with others)： 擁有溫暖、信任且支持性的親密關係。
• 自主性 (Autonomy)： 能夠獨立思考與行動，不受社會壓力影響，並能抵抗誘惑。
• 環境掌握 (Environmental mastery)： 能夠有效地管理生活、選擇合適的環境，並能應對生活中的挑戰。
• 生命的意義 (Purpose in life)： 感覺生活有目標、有方向，並對生命有意義的認知。
• 個人成長 (Personal growth)： 感覺持續成長、發展潛能，並對新的經驗持開放態度。

Ryff 的模型強調，這些面向並非孤立存在，而是相互關聯，共同構成個體的心理健康與幸福感。她也指出，這些面向會隨著人生階段而有所變化，但其重要性始終存在。

2. 與主觀幸福感 (subjective well-being) 之間的差異：
主觀幸福感 (SWB) 是由 Ed Diener 等人發展的概念，通常包含兩個主要成分：
a. 認知評估 (Cognitive evaluation)：對生活整體滿意度的評估。
b. 情感成分 (Affective component)：積極情緒的頻率與強度，以及消極情緒的頻率與強度。

兩者之間的差異主要體現在：

• 範疇： 心理幸福感 (PWB) 的範疇較廣泛，它不僅包含情感和認知層面，更強調個人在人生中的成長、目標、意義和社會關係等「功能性」面向。主觀幸福感 (SWB) 則更側重於個體對自身生活的主觀感受，即「快樂」與「滿意」。
• 關注點： SWB 主要關注個體「感覺如何」(how people feel)，即快樂、愉悅和滿意。而 PWB 則更關注個體「活得如何」(how people are living)，強調個人是否在特定領域（如成長、關係、意義）有所發展與成就。
• 理論基礎： SWB 更多源於享樂主義 (hedonic) 的傳統，關注快樂的追求和痛苦的避免。PWB 則更多源於尤德摩尼亞 (eudaimonic) 的傳統，強調個人潛能的實現、意義的追尋和價值觀的實踐。
• 測量方式： SWB 通常透過問卷來測量個體對生活滿意度和情緒狀態的報告。PWB 則透過測量其六個面向的得分來評估。

本題主要在測試考生對統計學中假設檢定基本概念的理解，特別是第一型錯誤、第二型錯誤及其相關機率的定義與關係。

核心觀念：
假設檢定中，我們需要決定是否拒絕虛無假設。在這個決策過程中，存在兩種可能的錯誤，其發生的機率分別由 $\alpha$ 和 $\beta$ 表示。

詳解：

統計學上，在進行假設檢定時，我們總是面臨著不確定性，因為我們是基於樣本資料來推論母體。因此，我們可能會做出錯誤的決策。

• 第一類型錯誤 (Type I Error)：
  當虛無假設 (null hypothesis, $H_0$) 為真時，我們卻拒絕了它。

  • 其發生的機率以 $\alpha$ 表示。
  • $\alpha$ 又稱為顯著水準 (Significance Level)。通常，研究者會預先設定 $\alpha$ 的值，常見的有 0.05、0.01 等。若 $\alpha=0.05$，表示我們願意承擔 5% 的風險，在 $H_0$ 為真時錯誤地拒絕它。

• 第二類型錯誤 (Type II Error)：
  當對立假設 (alternative hypothesis, $H_1$) 為真時（也就是虛無假設 $H_0$ 為偽時），我們卻未能拒絕虛無假設。

  • 其發生的機率以 $\beta$ 表示。

• $1-\beta$ 的意義：

  • $1-\beta$ 指的是統計檢力 (Statistical Power)，或稱為檢定力。
  • 統計檢力是指當對立假設 ($H_1$) 為真時，我們能夠正確地拒絕虛無假設 ($H_0$) 的機率。
  • 換言之，它衡量的是檢定方法偵測到真實存在的效應或差異的能力。檢力越高，代表我們越有能力發現真實存在的結果。

$\alpha$、$\beta$ 與 $1-\beta$ 三者間的關係：

這三者是假設檢定中相互關聯的重要機率值：

1. 互斥性與權衡： $\alpha$ 和 $\beta$ 之間存在一種權衡關係 (trade-off)。
   • 當我們試圖降低 $\alpha$ (即提高拒絕虛無假設的門檻，例如從 0.05 降到 0.01)，以減少犯第一類型錯誤的機會時，通常會導致 $\beta$ 增加 (即犯第二類型錯誤的機會增加，檢定力 $1-\beta$ 降低)。反之亦然。
   • 這意味著，在設定顯著水準時，研究者需要根據研究目的和情境，權衡兩種錯誤的代價，做出最合適的選擇。

本題主要在探討測驗編製中的一個重要概念——內容效度，以及其計算方式。

核心觀念：
內容效度是評估測驗是否充分代表欲測量內容範圍的重要指標，尤其在學科成就測驗或能力測驗中尤為關鍵。

詳解：

1. 何謂內容效度 (content validity)？
內容效度是指一個測驗所包含的題目，是否能充分、代表性地涵蓋了欲測量之特定領域或內容的全部範圍。它並非透過統計方法來計算，而是透過專家判斷來評估。

• 重點： 內容效度關注的是測驗題目本身的「內容」，而非測驗結果與其他外部標準的關聯性（這屬於效標關聯效度或結構效度）。
• 適用情境： 主要用於學科成就測驗、能力測驗、診斷工具等，這些測驗的目的在於評估個體在特定知識、技能或行為領域的表現。例如，一份數學成就測驗，其內容效度就取決於其題目是否涵蓋了該數學課程的所有重要單元和概念。
• 評估方式： 通常由該領域的專家（如教師、學者）來審查測驗題目，評估題目是否：
  • 與欲測量的內容範圍相關。
  • 代表了該內容範圍的重要組成部分。
  • 涵蓋了該內容範圍的廣度與深度。
  • 沒有包含不相關或過時的內容。

2. 如何計算內容效度係數 (content validity coefficient)？
傳統上，內容效度被認為是「判斷性」的效度，主要依賴專家判斷，因此並沒有一個標準的、單一的「內容效度係數」可以直接計算得出，就像皮爾遜相關係數那樣。

然而，為了更客觀地評估內容效度，研究者發展出一些量化的方法來輔助判斷，其中較常見的是由專家對題目與內容範圍的「相關性」進行評分，然後計算這些評分的統計量。其中一種被廣泛採用的方法是內容效度比例 (Content Validity Ratio, CVR)，由 Lawshe (1975) 提出，並由 Wilson (2005) 等人進一步發展。

** a. Lawshe 的內容效度比例 (Content Validity Ratio, CVR) 計算方法：**
CVR 是用來衡量特定題目被專家認為與欲測量內容相關的程度。計算步驟如下：

• 步驟一： 邀請一群專家（例如 N 位）評估測驗中的每一個題目。
• 步驟二： 每位專家針對每個題目，判斷其是否「必要」或「高度相關」於欲測量的內容。專家可以給予三種反應：
  • 「必要」(Essential)
  • 「有用但非必要」(Useful but not essential)
  • 「非必要」(Not essential)
• 步驟三： 計算每個題目被認為「必要」的專家比例。