學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73901
Browse
622 results
Search Results
Item 探討學生數學學習中意動與認知、情意間的交響協作：以奠基活動為例(2025) 吳宗儒; Wu, Tsung-Ju在學生進行數學學習的過程中，認知與情意同時都扮演了相當重要的角色，兩者之間會進行交互作用影響學生的數學學習，因此在研究與實務面向上同時希望兩者都能夠正向發展，然而在國際評比中卻有高成就、低興趣這樣一個現象，這個現象需要且有證據顯示可以被解決，而在臺灣，國立臺灣師範大學數學教育中心在教育部的補助下執行「就是要學好數學(Just Do Math)」計畫，在該計畫中產出許多數學奠基模組以期望學生在該模組的學習過程中能夠對於數學知識有感，且對於數學學習感覺到有趣，而研究中也的確顯示出這樣的結果，除此之外，Yang等人(2022)在覺動理論的理念與思考實驗下也提出任務設計的三個進程。然而較少文獻探討在這樣同時兼顧學生認知與情意正向發展的學習活動中，其學習的推動力為何，而在心理學領域針對認知與情意的交互作用進行探討的過程中早已融入了推進力的觀點，心理學以意動來稱呼這樣的推進力，也因此本研究著重於探討在數學奠基模組這樣同時兼顧學生認知與情意正向發展的數學學習活動中，學生的意動與認知、情意之間是如何進行交響協作，進而協助學生認知與情意的正向發展。在此研究方向上，研究者根據相關理論發展研究架構，包括引起意動的來源分類架構、意動與認知、情意間交響協作結果的架構，接著利用實徵研究法歸納交響協作的來源、型態及結果。意動的來源可以依據「引起意動的脈絡」與「學而不足的狀態」這兩個維度進行分類，「引起意動的脈絡」包含學生本身、任務以及社會互動三個面向；「學而不足的狀態」則包含偏認知方面的懸缺性、不確定性與不一致性以及偏情意方面的情意狀態與情意特質這幾個面向。當來源引起學生意動與認知、情意的交響協作之後，根據覺動理論，學生的學習是目標導向的，據此可以發現到當交響協作被引起之後，交響協作結果的部分則可以依據「目標」與「型態」這兩個維度進行分類，「目標」包含求理解的目標、求表現的目標以及社會性的目標；「型態」包含沒有認知、情緒或行為產生；純粹產生行為；透過表徵的操弄與形成產生行為；產生控制與評估產生行為或是產生新的意動來源；產生控制、評估與直接調整，調整後產生行為這五種。在此便可以呈現出本研究在探討意動與認知、情意之間的交響協作時，會以意動的來源、型態與結果作為對象進行探討，進而呈現出學生在這樣的環境下對數學學習感覺到有趣以及對於數學知識有感的原因及其機制。本研究的研究對象為六位國小四年級學生，在這六位學生中分別有高、中、低成就表現的學生各兩位。本研究採用質性研究法，希望能夠透過分析學生在進行數學奠基模組的學習過程，以了解學生意動與認知、情意之間的交響協作關係。本研究的資料是來自學生在進行長方形數與三角形密碼這兩個數學奠基模組的過程中所進行的課室錄音錄影，搭配學生的學習單、學生的筆記與紀錄、認知問卷、認識論下的情緒問卷與課後訪談，透過這些資料的搜集與互相校正，進一步呈現出學生在進行學習過程中意動與認知、情意之間的交響協作關係。研究結果的部分首先呈現出學生在數學奠基模組的學習歷程中，其意動與認知、情意間的交響協作共有四十種來源，接著指出學生在學習過程中意動與認知、情意間交響協作共有五種型態，這五種交響協作型態之間會有串連與並聯兩種互動模式。最後，對於型態間的互動進行歸因，進一步形成了學生在數學奠基模組學習過程中，意動與認知、情意間交響協作的機制。本研究在理論上的貢獻是透過連結本研究的實證研究結果與Yang等人針對數學奠基模組所提出的活動設計理論，進一步呈現出在學生進行學習的過程中，學生之所以會對於欲學習的數學知識有感是因為透過具體物的操作以及表徵間的轉譯，進而讓學生在學習過程中覺察不足，並且持續讓學生進行隱喻推理與體現思考，藉此協助學生連結源域與目標域，讓學生對於欲學習的數學知識有感；而學生之所以會對於數學學習感覺到有趣是因為學生在此過程中因成功所產生正向情緒的累積、滿足了學生好奇與想探索的態度或是因為學生贏得遊戲所經歷的正向情緒等，因此讓學生感覺到有趣。透過本研究的實證研究結果與Yang等人所提出的活動設計理論進行連結，進一步呈現出數學奠基模組學習環境下如何讓學生的認知與情意正向發展。Item 國中八年級學生在分類思考素養中的數學創造力表現-以金額分類任務為例(2025) 吳嵐婷; Wu, Lan-Ting本研究欲從兩個面向探討國八學生在貼近實際生活情境的分類素養任務中所展現的創造思考表現，其一為PISA所提出之三數學過程（形成、應用以及詮釋和評鑑），其二為創造思考指標（流暢性、變通性與獨創性）。研究樣本採立意抽樣，由4所臺灣國中共32個8年級班級中隨機抽出229位學生參與研究。研究方法為問卷調查法，設計融合素養導向情境的開放式問題，分析學生答案的數量與特質，據以評估其創造思考表現。研究結果顯示，當題目情境設計貼近學生生活，且提問能激發學生創造思考，學生能提出多個適當答案，且其創造思考可能同時連結生活情境脈絡與數學概念兩個方向。研究亦發現，當題目條件或涉及的數學物件增加時，學生的作答表現明顯受限，顯示任務複雜度對創造思考表現具有一定影響。整體而言，在本研究工具所對應的各數學過程任務中，我們發現學生表現皆以流暢性最高、變通性次之，獨創性則相對較低。進一步分析顯示，於流暢性思考，詮釋與形成階段表現最佳，針對變通性思考是詮釋階段最好，針對獨創性思考則是形成階段表現突出。本研究透過LPA將學生依創造思考表現加以分群，進一步分析各群學生的創造思考表現特徵。同時發現，不論是在整體樣本或是分群學生中，男女性別對學生的創造思考表現皆無顯著影響。Item 探索教師對數學推理為本的STEM任務之覺知與教學推理(2025) Siska Nopa Br Tambunan; Tambunan, Siska Nopa BrItem Item Item 高二學生三角函數相關概念心像之探究-以正弦函數為例(2025) 陳俊宇; Chen, Jyu-Yu本研究旨在探討不同程度與性別的高中生對於「弧度」與「正弦函數」之相關概念的概念心像概念心像。本研究以問卷調查蒐集資料，取樣採立意取樣，研究樣本為六個班級共198位學生。當中兩個班級來自台北一所高程度學校共72位女生，四個班級來自台南一所中程度學校共72位男生及54位女生。因未能順利找到能夠協助配合施測的教師，因此未收集到高程度男學生的樣本，故後續在性別上的比較僅限於中程度學生之間；而在程度上則僅針對女性學生進行比較。本研究發現對於「弧度」的概念，多數學生能喚起「弧度是角度表示方式」的概念心像，但部分學生對弧度的本質有所混淆，誤將弧度理解為弧長或圓的彎曲程度。在「正弦函數」部分，學生普遍對定義域較不熟悉，值域則相對清楚。而正弦函數圖形方面，中程度學生不論性別多以逐點描圖為主，或憑記憶描繪圖形，僅有少數高程度女生能以單位圓理解圖形變化。另外對於平移與伸縮概念方面，中程度男生和高程度女生掌握皆優於中程度女生。Item 楊氏斐波那契表上的符號不平衡問題(2025) 吳章貴; Wu, Zhang-GuiItem 應用最優質量傳輸、深度學習分割與影像組學於腦腫瘤 CDKN2A/B 純合缺失分類(2025) 林鋐洋; Lin, Hung-Yang本研究針對類別不平衡的動態對比增強磁振造影（Dynamic Contrast Enhanced Magnetic Resonance Imaging, DCE-MRI）醫學影像資料進行不同的影像預處理，並從中提取影像組學特徵。之後訓練了多個分類模型用於預測腦腫瘤的 CDKN2A/B 純合缺失。在影像預處理的部分，首先使用最優質量傳輸（Optimal Mass Transport, OMT）方法將原始 DCE-MRI 影像從 256 × 220 × 176 壓縮至 128 × 128 × 128，以降低計算成本與儲存需求，有利於後續的分析。接著利用基於 BraTS2023 資料集訓練的 nnU-Net 模型對腦腫瘤進行自動分割，標註目標腫瘤區域。從標記的全腫瘤 (Whole Tumor, WT) 區域提取影像組學特徵（radiomic features），並結合獨立樣本 t 檢定 與 LASSO 回歸 進行特徵篩選與降維，以提升分類模型的性能。隨後建構支援向量機（Support Vector Machine, SVM） 及邏輯回歸（Logistic Regression） 進行分類，並以 ROC-AUC、召回率（Recall） 等指標評估模型效能。最後透過 SHapley Additive exPlanations (SHAP) 計算特徵對模型決策的貢獻，以解釋模型的預測結果。Item 初探運用ChatGPT生成學測數學模擬試題(2025) 陳育賢; Chen, Yu-Hsien本研究旨在探索如何應用ChatGPT製作仿108課綱學測數學的模擬試題，為此研究者先了解ChatGPT的解題表現和錯誤形式，並引導ChatGPT分析試題複雜度。將111年至113年學測數學A試題分別截圖給ChatGPT-4o(以下簡稱ChatGPT)進行解題和判斷試題複雜度等級，計算答題結果的各項得分率、複雜度與學測試題難易度的相關性，和分析ChatGPT的錯誤類型及答題對話的互動過程，並利用初步研究資料和客製化ChatGPT模型(簡稱GPTs)設計製作本研究的「命題GPTs」來仿作108課綱學測數學試題的模擬試題，生成仿學測數A考科111年、112年、113年之整卷試題各一份，以及高一範圍、高二範圍之代表試題各一份，總共五份試題進行分析，最後計算生成試題的題目、詳解、答案、單元之正確性比例並提出命題GPTs待修改之處。本研究主要研究結果如下：1. 三年總得分分別落在均標、前標、前標，在學習內容方面，數與量(N)的得分率都較高，資料與不確定性(D)和代數(A)得分率也相對較高，坐標幾何(G)的得分率皆是最低；在易、中、難的程度方面，得分率大致符合程度的趨勢，程度「難」的題目不容易答對；在題目附圖表呈現方面，「題幹無圖形訊息，無附圖表」題目得分率皆是最高，「題幹有圖形訊息，有附圖表」題目的得分率偏低。2. ChatGPT答題的錯誤形式分成：圖形解讀錯誤、題目解讀錯誤、推理不完整。3.複雜度的思考策略指標與難易度等級在Spearman等級相關的相關係數平均約為0.4274，具有中度正相關，可以做為判斷指標。4.本研究之「命題GPTs」有整卷仿作和自訂參數兩種出題模式，可以仿作出學測模擬試題。研究最後提出對於教師使用與未來研究的建議，期許本研究提供現場教師與後續想研究的學者在教學使用ChatGPT解數學題的提問互動參考及設計GPTs來命題的方式。Item 初探運用ChatGPT建置國中會考數學解題家教(2025) 孫裕旻; Sun, Yu-Min本研究以108課綱國中教育會考數學科試題為例，設計能引導學生解題之人工智慧。希望能幫助學生進行課後的自主學習，能在無需教師介入的情況下，完成對試題的練習，經由與人工智慧的對談，加強其對於解題所用到之數學概念的理解。本研究以Polya的解題歷程四部分做為人工智慧進行解題引導的解題架構，並以蘇格拉底詰問法進行對學生的引導對談。為建置此人工智慧，本研究分兩部分，第一部分為探討人工智慧在108課綱國中教育會考數學科試題之解題表現與錯誤類型，第二部分為探討如何建置108課綱國中教育會考數學科解題家教。主要研究結果如下：ㄧ、在未經訓練之情況下，GPTs的國中教育會考數學科成績平均分數為56分，其中各年的得分所對應之等級標示為B或B+。二、GPTs在學生答對率較高、數與量主題類別、代數主題類別、無附圖且與圖形無關等類型之題目能有較高的答對率。三、GPTs在學生答對率較低、空間幾何主題類別、有附圖之圖形問題等類型之題目有較低的答對率。此發現與過往研究指出AI在視覺與空間推理上的限制相符。四、經過訓練後，GPTs能進行解題引導，但仍存在不穩定性，尤其是面對其答對率較低的題目時，較有可能出現錯誤。