陳 明 溥 國立臺灣師範大學 資訊教育學系 E-mail:mpchen@ice.ntnu.edu.tw 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:mpchen@ice.ntnu.edu.tw.

Presentation on theme: "陳 明 溥 國立臺灣師範大學 資訊教育學系 E-mail:mpchen@ice.ntnu.edu.tw 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:mpchen@ice.ntnu.edu.tw."— Presentation transcript:

1 陳 明 溥 國立臺灣師範大學 資訊教育學系 E-mail:mpchen@ice.ntnu.edu.tw
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

2 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。

3 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)

4 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)

5 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

6 5.資訊處理理論- Dual-coding 雙碼理論(dual-coding theory, DCT)
(Paivio, 1971, 1986; Clark & Paivio, 1991)

7 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)

8 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

9 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。

10 動態遞迴複製模型教學

11 靜態遞迴複製模型教學

12 9.code evaluation之分析 回歸方程式： 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 = YR CS

13

14 10.code generation之分析 交互作用(YRxBCC)達顯著水準
F(1, 143) = , 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:

15

16

17 低程式設計經驗組: 高程式設計經驗組: 電腦先備知識主效果達顯著水準， 回歸方程式： 概念模型類主效果達顯著水準,
Y低程式設計經驗 = BCC 高程式設計經驗組: 概念模型類主效果達顯著水準, Y高程式設計經驗 = GRP

18

19 11.研究結果 程式碼評量(code evaluation): 程式碼產生(code generation):
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。

20 12. 建議 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

21 The End 本研究承蒙國科會科教處專題研究計劃補助 (NSC S )始得以順利完成