Page 106 - 幼兒教育義務化

本研究以開放編碼的方式進行焦點座談資料的編碼與分析，研究資料編
碼的意義如表 3-6 所示。
表 3- 6 研究資料編碼管理一覽表
類別 編號方式 代表意義
專題研究報告三
中_1 中區場次編號 1 委員
S_1 利害關係人場次編號 1 委員
幼兒教育義務化 ─ 主要問題及解決對策之研究
各區出席
委員代碼 東_1 東區場次編號 1 委員
委員代碼
南_1 南區場次編號 1 委員
北_1 北區場次編號 1 委員
代表中區_1 委員在空間議題上提出運用公立國
空間_公立_中_1
中小閒置空間的建議方式
代表中區_1 委員在經費議題上提出整合各項補
經費_整合_中_1
助經費的建議方式
代表中區_1 委員在師資議題上提出師資轉銜的
訪談資料 師資_轉銜_中_1
建議方式
分析之意 代表中區_1 委員在幼兒生源議題上提出生源分
義編碼 生源_分流_中_1
流的建議方式 （三）灰預測：灰預測的特色在於將一切不確定的變異量視為某一定範圍內
代表中區_1 委員在幼兒學習時間議題上提出區
學時_K_中_1 之灰色量，而隨機過程則是與時間有關的灰色過程，且預測過程不須使
隔為五歲幼兒義務教育的建議方式
用大樣本，是用數據處理的方法，將雜亂無章的原始數據整理成具規律
代表中區_1 委員在本研究議題外提出其他的討
議題_()_中_1 變數，以發現其內在規律。因此，本研究選用灰色理論的灰預測作為預
論議題()和建議
測的方法。
資料來源：研究團隊自行整理

二、統計分析 在進行灰預測前，一般使用級比  0   k （class ratio）對原始數列進行測

二、統計分析 試，檢測是否滿足累加生成之性質，以作為是否可以建模的依據（鄧聚龍、郭洪，1996；
(一) 描述統計：針對受訪者的基本資料進行描述統計分析，以了解受訪者的
特性。另外針對正式問卷各題項進行描述統計分析，以了解受訪者對幼 江金山等，1998）。
兒教育義務化不同層面問題及解決對策的意見。
( 一 ) 描述統計： x  0 k 1 
級比定義：  0  k  ， k 2（1）
(二) 無母數檢定：本研究利用無母數統計進行資料分析，係因1.資料蒐集採 x 0  k
針對受訪者的基本資料進行描述統計分析，以了解受訪者的特性。
實體問卷及網路問卷兩種方式進行，網路問卷與實體問卷有效回收的比
另外針對正式問卷各題項進行描述統計分析，以了解受訪者對幼兒教
例約4：1，且網路問卷母群體分布情況未明；2.當意見調查出現的類別
育義務化不同層面問題及解決對策的意見。 GM（1,1）之建模方法建模方法如下：
數據，或類別之間形成順序關係（順序數據）則適合用無母數的方式進
n
行檢定。其中Wilcoxon順位和檢定主要分析2組中順序數據之差的檢定； 設有一原始數列 x  0  xk   0   x,1  0  ,2  x ,  0   ,  k  2,1 , n . , N
( 二 ) 無母數檢定：
Kruskal˙Walls順位和檢定：主要分析意見調查回答的結果為順序數
據，如非常不同意<不同意<沒意見<同意<非常同意，即可透過無母數中
本研究利用無母數統計進行資料分析，係因 1. 資料蒐集採實體問 1.對原始數列作一階累加生成
的Kruskal˙Walls檢定求出3組以上組間差異檢定的統計量（石村貞
卷及網路問卷兩種方式進行，網路問卷與實體問卷有效回收的比例約 灰色科統在建模時，需先對原始數列做一階累加生成（first order accumulated
夫，2005）。
4：1，且網路問卷母群體分布情況未明；2. 當意見調查出現的類別數據，
61 generating operation；1-AGO），作為提供建模中間訊息，弱化原隨機數列之隨機性。公
或類別之間形成順序關係（順序數據）則適合用無母數的方式進行檢
式為：
定。其中 Wilcoxon 順位和檢定主要分析 2 組中順序數據之差的檢定；

 1 2 n 
k
x  1    x   0 ,k  x  0 ,k  ,  x  0  （2）
78  1k k 1 k 1 

2.列出灰差分方程式

GM（1,1）模式之一階白微分方程式（影子方程式）為：

dx   1  ax  b
dt （3）

其中t為科統之自變數，a為發展係數，主要用來反映動態過程中之發展態勢。b

為灰色控制變數，代表外加之作用量。a、b為模式之待定參數，需透過灰差分方程
式求出，然後帶回式（3），即為其解。
公式3寫成灰差分方程式為

x   0  k   az   1  bk  , k 2  , 3 , n , （4）

其中  kz  1  x   1  1   kx  1   k, 1  , 3 , 2  n ,
k

63