111 年 國立成功大學教育研究所《社會科學研究法》

本題主要在測驗研究者對於不同研究設計類型的辨識能力。

題幹描述的研究情境是針對「完全相同的一群受試者」在「不同時間點」進行觀察或調查。這正是縱貫研究（Longitudinal Study）的一種，而縱貫研究又可以細分為多種類型。

(a) 固定樣本追蹤（Fixed-sample longitudinal study）：這是指對同一組特定的樣本進行長時間的追蹤觀察。這與題幹的描述完全吻合。
(b) 集群樣本調查（Cluster sampling）：這是一種抽樣方法，將母體分成若干個稱為「集群」的次群體，然後隨機抽取若干集群進行調查。這與題幹描述的研究設計無關。

本題在測試測量層次（Levels of Measurement）的知識，這是統計學與研究法中的基礎概念。

測量層次依序為：類別（Nominal）、次序（Ordinal）、等距（Interval）和比率（Ratio）。

(a) 類別層次：變項的數值僅代表類別，無法排序，例如性別（1=男，2=女）或血型（A, B, AB, O）。
(b) 次序層次：變項的數值可以排序，但相鄰數值之間的差距沒有意義，例如教育程度（1=國小，2=國中，3=高中）或滿意度（1=非常不滿意, 2=不滿意, 3=普通, 4=滿意, 5=非常滿意）。
(c) 等距層次：變項的數值不僅可以排序，相鄰數值之間的差距具有意義且相等，但沒有絕對的零點，例如攝氏或華氏溫度。

本題在探討不同學術研究方法論（Epistemology/Paradigm）的特徵，特別是其推理方式。

研究方法論主要涉及我們如何認識世界、知識的來源與性質。常見的研究方法論包括實證主義、詮釋學、批判理論和現象學等。推理方式則主要分為演繹（Deduction）和歸納（Induction）。

(a) 實證主義（Positivism）：實證主義強調科學知識應基於可觀察的、可測量的經驗事實，並追求客觀性。它通常採用演繹推理（Deductive Reasoning），即從一般原理（理論）出發，推導出具體的假設，然後透過觀察和實驗來驗證這些假設。簡單來說，就是「由理論到事實」。
(b) 詮釋學派（Interpretivism/Hermeneutics）：詮釋學派認為，社會現象的意義是透過人們的主觀理解和互動來建構的。

本題考查研究方法中關於測量工具「信度」（Reliability）的知識，特別是不同信度測量方法的適用情境。

信度是指測量工具在重複測量時，結果的一致性或穩定性程度。題幹中提到「穩定」測量程度，並詢問瞭解「評量項目上的穩定」程度，這暗示了需要評估測驗本身是否穩定。

(a) 代表性信度（Representativeness Reliability）：這不是一個標準的信度測量指標。信度通常評估的是測量工具本身的一致性，而非樣本的代表性。
(b) 折半信度（Split-half Reliability）：這種方法將測驗分成兩半（例如奇偶數題），然後計算這兩半分數之間的相關係數。它用於評估測驗內部一致性，即測驗的不同部分是否測量了相同的構念。這與題幹中「評量項目上的穩定」有關，因為它評估了測驗內部的穩定性。
(c) 再測信度（Test-retest Reliability）：這種方法是指對同一批受試者在不同時間點重複施測同一份測驗，然後計算兩次測驗分數之間的相關係數。它主要用來評估測驗在時間上的穩定性，即測驗結果是否會因為時間的流逝而產生劇烈變動。這也是衡量「穩定」的一種方式。
(d) 評分者信度（Inter-rater Reliability）：這種方法用於評估不同評分者對同一份測驗或行為的一致性程度。它主要用於主觀評分或觀察研究，以確保評分標準的統一。這與題幹中「成就測驗」的「評量項目」穩定性關聯較小，除非該成就測驗的評分是主觀的。

本題考查研究方法中關於「效度」（Validity）的知識，特別是不同效度檢測方法的適用情境。

效度是指測量工具實際測量到所欲測量事物（構念）的程度。題幹描述「依據理論的建構，測量一個概念的不同面向」，這直接指向了對抽象概念（構念）的測量。

(a) 分層效度（Stratified Validity）：這不是一個標準的效度檢測方法。
(b) 構念效度（Construct Validity）：構念效度是指測量工具是否能有效地測量出理論上所假設的抽象構念。它特別關注測量工具是否能捕捉到構念的各個面向（dimensions）或特徵。為了評估構念效度，研究者會檢驗測量結果與其他理論上相關的變項的關係，包括收斂效度（Convergent Validity，測量同一構念的不同方法應該高度相關）和區別效度（Discriminant Validity，測量不同構念的方法應該相關性較低）。

本題旨在釐清「連續變項」與「間斷變項」這兩個基本的研究統計概念，並說明其差異。

1. 定義與特徵

• 連續變項 (Continuous Variables)：

  • 定義：指在任何兩個數值之間，都可以無限細分出更多數值的變項。也就是說，其數值可以取任意實數值，其測量結果是無限連續的。
  • 特徵：
    • 理論上可以取無限多個值。
    • 測量時，其精確度受測量工具的限制，但數值本身是連續的。
    • 通常用於描述物理量、時間、距離、重量等。
  • 例子：身高、體重、溫度、時間、收入（雖然收入有時被視為離散，但理論上可以包含小數點，故也可視為連續）。

• 間斷變項 (Discrete Variables)：

  • 定義：指其數值只能是離散的、獨立的特定數值，在兩個數值之間沒有其他可能的數值。
  • 特徵：
    • 數值通常是整數，或只能取有限個數值。
    • 數值之間存在明顯的「跳躍」，沒有連續性。
    • 通常用於計數（Count）的結果。
  • 例子：一個班級的學生人數、家庭的子女數、投擲骰子出現的點數、一天內發生的顧客數量。

2. 差異之處

| 特徵 | 連續變項 (Continuous Variables) | 間斷變項 (Discrete Variables) |

本題旨在釐清「中位數」與「眾數」這兩個描述性統計量（Descriptive Statistics）的意義與用途，並說明其差異。

1. 定義與特徵

• 中位數 (Median)：

  • 定義：是指將一組數據按大小順序排列後，位於最中間的那個數值。
  • 特徵：
    • 它將數據分成兩個相等的部分：一半的數據小於或等於中位數，另一半的數據大於或等於中位數。
    • 計算方法：
      • 若數據個數 n 為奇數，則中位數為排序後第 $(n+1)/2$ 個數。
      • 若數據個數 n 為偶數，則中位數為排序後第 $n/2$ 個數與第 $(n/2)+1$ 個數的平均值。
    • 對極端值（Outliers）的影響較小，穩健性較高。
  • 用途：適用於各種測量層次的數據，特別是當數據分布偏斜（Skewed）或有極端值時，比平均數更能代表數據的集中趨勢。

• 眾數 (Mode)：

  • 定義：是指在一組數據中，出現頻率最高的那個數值。
  • 特徵：
    • 一個數據集可能有一個眾數（單峰）、多個眾數（多峰），或者沒有眾數（所有數值出現頻率相同）。
    • 適用於任何測量層次的數據，特別是類別變項（Nominal Variables）的數據。
    • 可以有多個眾數，或者沒有眾數。
  • 用途：用於識別數據中最常見的類別或數值。

2. 差異之處

| 特徵 | 中位數 (Median) | 眾數 (Mode) |

本題旨在釐清「立意抽樣」與「方便抽樣」這兩種非機率抽樣（Non-probability Sampling）方法的定義、目的與操作方式，並說明其差異。

1. 定義與特徵

• 立意抽樣 (Purposive Sampling)：

  • 定義：研究者根據研究目的與個人判斷，有意識地選擇那些被認為對研究主題具有代表性、或對研究問題能提供豐富資訊的對象進行抽樣。
  • 特徵：
    • 抽樣過程帶有研究者的主觀判斷和目的性。
    • 選擇的對象是經過篩選的，而非隨機產生。
    • 適用於定性研究、案例研究、意見領袖研究等，需要深入了解特定群體或觀點的情況。
    • 抽樣單元是基於研究者的「意圖」來選取的。
  • 例子：研究某項新教學法的成效，研究者選擇那些在該科目上有優異表現或有特殊學習困難的學生；研究某公司管理階層的決策模式，研究者只訪談公司的高階主管。

• 方便抽樣 (Convenience Sampling)：

  • 定義：研究者選擇那些最容易接觸到、最方便獲取的對象來進行抽樣。
  • 特徵：
    • 抽樣過程最為簡單、省時、省力、省錢。
    • 對象的選擇完全基於便利性，與研究目的或對象的代表性無關。
    • 抽樣結果的推論效度通常較低，不適合進行總體推論。
    • 常在預試研究（Pilot Study）、探索性研究或無法進行機率抽樣時使用。
  • 例子：在校園內隨機訪問路過的學生，詢問他們對某議題的看法；在公車上訪問乘客，了解他們對某項政策的意見。

2. 差異之處

| 特徵 | 立意抽樣 (Purposive Sampling) | 方便抽樣 (Convenience Sampling) |

本題旨在釐清「抑制變項」與「調節變項」這兩個在統計分析與社會科學研究中用來探討變項之間關係的進階概念，並說明其差異。這兩個概念都涉及第三個變項如何影響自變項（IV）與依變項（DV）的關係，但其作用機制不同。

1. 定義與特徵

• 抑制變項 (Suppressor Variable)：

  • 定義：是指一個變項，當它與預測變項（Predictor Variable, 通常是自變項）相關，但與效標變項（Criterion Variable, 通常是依變項）不相關或相關性很弱時，若將其納入迴歸分析中，可以「抑制」掉預測變項中與效標變項無關的部分，從而「增強」預測變項對效標變項的預測力。
  • 作用機制：它透過移除預測變項中與效標變項無關的「噪音」或「無用」成分，使預測變項的「純粹」效標預測成分得以凸顯。換言之，它幫助我們看到預測變項與效標變項之間更真實、更純粹的關係。
  • 數學概念：在多元迴歸中，當預測變項 X1 與效標 Y 相關，但另一變項 X2 與 X1 相關而與 Y 不相關或弱相關時，X2 可以作為 X1 的抑制變項。加入 X2 後，X1 對 Y 的迴歸係數（β）可能會增強。
  • 例子：假設我們想預測學生的學業成績 (Y)。已知某項智力測驗分數 (X1) 與學業成績正相關。但我們發現，學生的「學習態度」（X2）與智力測驗分數 X1 有一些關聯，但與學業成績 Y 的直接關聯性不強。如果我們將「學習態度」加入迴歸模型，發現它能「抑制」掉智力測驗分數中那些與學習態度重疊的部分（可能代表較不努力的聰明學生），從而更精確地預測出真正努力學習的學生的成績。

• 調節變項 (Moderator Variable)：

  • 定義：是指一個變項，它會改變另一變項（自變項）對依變項影響的強度或方向。換句話說，調節變項「調節」了自變項與依變項之間的關係。
  • 作用機制：調節變項的存在，使得自變項與依變項的關係「因調節變項的不同水準而異」。它不是增強預測力，而是改變關係的性質。
  • 數學概念：在迴歸分析中，這通常透過引入自變項與調節變項的交互項（Interaction Term）來檢驗。如果交互項的迴歸係數顯著，則表示存在調節效應。
  • 例子：假設我們想探討「學習方法」（自變項 IV）對「學業成績」（依變項 DV）的影響。如果「學生的學習動機」（調節變項 Moderator）很高，那麼好的學習方法對學業成績的影響就很大；

本題旨在釐清「外在效度」與「內在效度」這兩個在研究設計與結果解釋中極為重要的概念，並說明其差異。這兩者是衡量研究品質的關鍵指標，但關注的面向不同。

1. 定義與特徵

• 內在效度 (Internal Validity)：

  • 定義：是指研究結果能真實反映變項之間因果關係的程度。換句話說，研究者能否確定觀察到的依變項（DV）的變化，確實是由自變項（IV）引起的，而不是由其他潛在的混淆變項（Confounding Variables）所導致。
  • 重要性：是進行因果推論的基礎。若內在效度低，研究結果的因果解釋就不可信。
  • 影響因素：歷史（History）、成熟（Maturation）、測驗（Testing）、工具（Instrumentation）、統計迴歸（Statistical Regression）、選擇偏差（Selection Bias）、實驗耗損（Mortality/Attrition）、選擇-成熟交互作用（Selection-Maturation Interaction）等。
  • 適用情境：實驗研究、準實驗研究等，尤其重視因果關係的確定性。

• 外在效度 (External Validity)：

  • 定義：是指研究結果能夠推論到其他研究對象（Population）、其他時間（Time）、其他情境（Setting）的程度。換句話說，研究結果的普遍性與可類比性。
  • 重要性：決定了研究結果在現實世界中的應用價值。
  • 影響因素：
    • 樣本代表性：樣本是否能代表目標母體。
    • 實驗情境的真實性：實驗室環境是否能類比真實世界。
    • 實驗處理的標準化：處理是否在不同情境下能穩定實施。
    • 測試效應的影響：前測是否影響了受試者對後測的反應。
    • 樣本特徵：樣本的特定屬性可能限制了結果的推論。
  • 適用情境：所有研究，特別是當研究者希望將研究結果應用於更廣泛的範圍時。

2. 差異之處

| 特徵 | 內在效度 (Internal Validity) | 外在效度 (External Validity

本題旨在探討社會行為科學研究中的「客觀性」原則，要求考生闡述其涵義並提出具體維持客觀性的策略。

第一部分：闡述「客觀性」的涵意 (5%)

在社會行為科學研究中，「客觀性」（Objectivity）指的是研究過程與結果不受研究者個人主觀偏見、價值觀、情感、期待或預設立場的影響，能夠真實、準確地反映研究對象的本質與事實。它強調的是一種「如實呈現」的態度與方法。

具體而言，客觀性包含以下幾個層面：

1. 方法上的客觀性：研究者應採用系統化、標準化的研究方法和工具，遵循既定的研究步驟，以確保研究的可驗證性與可重複性。
2. 觀察與記錄的客觀性：研究者在收集資料時，應盡可能地忠實記錄觀察到的現象，避免主觀詮釋或選擇性地記錄符合自己預期的資料。
3. 分析與解釋的客觀性：在分析與解釋數據時，研究者應基於數據本身，運用恰當的統計或質性分析方法，避免將個人價值觀或偏見強加於數據之上。
4. 報告的客觀性：研究報告應誠實呈現研究的發現，包括正面與負面的結果，以及研究的局限性，不誇大、不隱瞞。

總之，客觀性並非要求研究者完全沒有價值觀，而是要求研究者在進行研究的過程中，能夠意識到並盡量排除自身價值觀對研究過程（設計、執行、分析、報告）的干擾，追求對事實的忠實呈現。

第二部分：提出四項維持「客觀性」的策略或方法 (20%)

為了在社會行為科學研究中維持客觀性，研究者可以採取以下四項策略或方法：

1. 採用標準化與系統化的研究方法：

   • 說明：選擇並嚴格遵循公認的、具有科學性的研究方法（如實驗法、問卷調查法、結構化訪談法等）。使用標準化的研究工具（如經過信效度檢驗的量表、操作性定義明確的變項）和程序。
   • 如何維持客觀性：標準化方法能減少研究者在執行過程中的隨機性與主觀判斷，提高研究的可重複性。當其他研究者能夠重複你的研究並獲得相似結果時，便增強了研究結果的客觀性。

2. 實施雙盲法（Double-blind Procedure）或單盲法（Single-blind Procedure）：

   • 說明：在實驗研究中，雙盲法是指研究者（施測者）和受試者都不知道分組（實驗組或對照組）的資訊。單盲法則至少有一方（通常是受試者）不知道分組資訊。