111 高普考高考三級 教育行政 教育測驗與統計 考古題詳解

核心觀念

本題考查「統計圖表的特性、選擇與批判性解讀」（Graphical Presentation and Data Literacy），屬於教育統計學中資料視覺化與測驗結果呈現的核心課題。主要涉及的理論與定義包括：

1. 雷達圖（Radar Chart，又稱蜘蛛網圖 Spider Chart、星狀圖 Star Chart）：由同一中心點向外輻射出多條等角軸線（Spokes），每一軸線代表一個定量變量，各變量之觀測值標註於相應軸線上，並將相鄰頂點以線段連接成封閉多邊形的二維統計圖。
2. 多變量輪廓分析（Multivariate Profile Analysis）：用於展示受試者或群體在多個不同構念、向度（如各學科能力、核心素養指標）上的表現結構。
3. 幾何面積扭曲與認知知覺偏差（Geometric Area Distortion & Visual Perception Bias）：雷達圖圍成之多邊形面積與各變數相鄰關係相關，容易造成視覺評估與實際統計數值總和脫節。

---

解題方法

本題為標準的 25 分申論題，答題策略應採「結構對稱、論據具體、結合教育實務」的方式推進：

1. 第一子題（適用時機，12 分）：從「資料結構特性（多維度定量資料）」、「分析與評量目的（輪廓診斷、少數組別基準比較、平衡度檢視）」與「計量尺度要求（量尺同質或經標準化）」三個層次切入，並佐以教育評鑑或測驗診斷（如學科能力指標評量）實例。
2. 第二子題（解讀陷阱，13 分）：從「數學幾何本質（多邊形面積計算偏差）」、「軸線排列效應（順序任意性）」、「視覺感知假象（假性連續性、群組過載）」及「量尺基準問題（零點設定與刻度差異）」深入剖析，點出圖形可能傳遞的虛假訊息。

---

選項分析

本題為申論題，非選擇題，故無個別選項需要辨析。考生在應考時，應以條列化小標題清楚回應題幹所要求的兩大子題，避免籠統描述。

---

解題技巧

1. 口訣記憶法：

• 適用時機掌握「多、比、衡、同」：多維度資料、少數組別比較、發展均衡診斷、量尺同質標準化。
• 解讀陷阱掌握「面、序、連、尺、擠」：面積放大、軸序任意、假連續性、量尺偏誤、線條擁擠。

2. 拿分亮點（展現統計專業度）：在說明解讀陷阱時，明確指出雷達圖多邊形面積計算公式中「相鄰軸相乘效應」，證明圖形面積不等於各項得分之總和，能大幅拉開與一般考生的分數差距。

---

【答案】

一、以雷達圖繪製統計圖表的適用時機（12 分）

雷達圖適合於展示與比較多元變量在二維平面上的相對結構，其具體適用時機如下：

1. 呈現單一個體或群體的多維度能力輪廓（Profile Analysis）： 當評量資料包含 3 至 8 個相互獨立但同屬一個核心構念的向度時，雷達圖能直觀展現個體在各項指標上的高低起伏。例如：學生在「十二年國教核心素養」各向度之表現、或是個別學生在國、英、數、社、自五大領域之學習成就診斷圖。

核心觀念

本題評量多變量統計中「第三變項（控制變項／共變項）」對雙變項線性關係之影響，為教育統計學在探討相關與迴歸分析時的核心考點。主要涵蓋以下定義與公式：

1. 虛假相關（Spurious Correlation）：兩變項 $X$ 與 $Y$ 之間表面上存在顯著的相關係數（$r_{XY} \neq 0$），但此關聯並非真正的因果或實質關聯，而是由於受到一個共同的外在第三變項 $Z$ 的同時影響所致。當控制變項 $Z$ 之後，兩者的相關便會降為零或微不足道（即 $r_{XY \cdot Z} \approx 0$）。
2. 淨相關（Partial Correlation，又稱偏相關）：在排除或控制第三變項 $Z$ 對變項 $X$ 與變項 $Y$ 的「共同影響」後，$X$ 與 $Y$ 兩者之間的純粹線性相關程度。數學上等同於先分別以 $Z$ 預測 $X$ 與 $Y$ 得到各自的殘差（residuals $e_X$ 與 $e_Y$），再計算此兩組殘差間的皮爾森積差相關。一階淨相關公式為： $r_{XY \cdot Z} = \frac{r_{XY} - r_{XZ}r_{YZ}}{\sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)}}$
3. 部分相關（Part Correlation，又稱半偏相關 Semipartial Correlation）：僅排除或控制第三變項 $Z$ 對自變項 $X$ 的影響，而「保留」依變項 $Y$ 原始變異不予剔除，計算淨化後的 $X$（即殘差 $e_X$）與原始 $Y$ 之間的線性相關程度。其平方值代表自變項 $X$ 在控制 $Z$ 後，對依變項 $Y$ 的「獨特變異解釋量增量」（$\Delta R^2$）。一階部分相關公式為： $r_{Y(X \cdot Z)} = \frac{r_{XY} - r_{XZ}r_{YZ}}{\sqrt{1 - r_{XZ}^2}}$

---

解題方法

本題為高普考典型之「名詞比較與應用舉例」題型，配分達 25 分。作答切入點宜採雙層架構：

1. 第一部分（意義說明，12分）：先定義概念本質，輔以變異量分解概念或統計數學式，展現扎實的學理背景，清楚點出「兩者皆扣（淨相關）」與「只扣一邊（部分相關）」之關鍵差異。
2. 第二部分（應用時機與實例，13分）：針對教育行政與學校實務情境設計實例，具體指出「自變項 $X$」、「依變項 $Y$」以及「控制變項 $Z$」分別為何，並說明實務決策或研究時為何需要採用該統計分析。

---

解題技巧

1. 判斷竅門（分母結構判斷法）：

• 淨相關的分母為 $\sqrt{(1 - r_{XZ}^2)(1 - r_{YZ}^2)}$：代表從 $X$ 扣除 $Z$ 的變異，同時從 $Y$ 扣除 $Z$ 的變異（兩邊都淨化）。
• 部分相關的分母為 $\sqrt{1 - r_{XZ}^2}$：代表僅從 $X$ 扣除 $Z$ 的變異，$Y$ 的變異保持完整（只淨化自變項）。
• 數值大小關係必為：$|r_{Y(X \cdot Z)}| \le |r_{XY \cdot Z}|$（因為部分相關的分母較大）。

2. 常見陷阱：

• 混淆「部分相關」與「淨相關」：切忌只寫出中文名詞而忽略英文對應，部分相關在多元迴歸中常標示為 $sr$（semipartial），其平方即為階層迴歸中的 $\Delta R^2$。
• 舉例不夠具體：若僅寫「研究學生學習時使用」，因未定義出第三變項，無法獲得高分。必須明確列出 $X$、$Y$、$Z$ 三個變項的具體角色。

---

【答案】

一、虛假相關、淨相關及部分相關之意義說明

(一) 虛假相關（Spurious Correlation）

1. 意義：指兩個變項（$X$ 與 $Y$）之間表面上存在高度的統計關聯性，但實際上兩者並無直接因果關係或內在聯繫，該相關完全是因受到一個共同的外在變項（$Z$，即混淆變項或干擾變項）所促成。
2. 統計本質：當未控制 $Z$ 時，$r_{XY}$ 呈現顯著相關；然而一旦以統計方法控制或固定變項 $Z$ 之後，$X$ 與 $Y$ 的關聯性便會瓦解消失，即淨相關 $r_{XY \cdot Z} = 0$。

(二) 淨相關（Partial Correlation，偏相關）

1. 意義：指在排除或剔除第三變項 $Z$ 同時對變項 $X$ 與變項 $Y$ 的線性影響之後，$X$ 與 $Y$ 兩者之間真正的純粹線性關聯程度。
2. 統計本質：概念上等同於「將 $X$ 對 $Z$ 迴歸求得殘差 $e_X$」、「將 $Y$ 對 $Z$ 迴歸求得殘差 $e_Y$」，再計算 $e_X$ 與 $e_Y$ 之間的皮爾森積差相關係數。一階淨相關數學公式為：

核心觀念

本題出自民國 111 年高考三級教育行政類科之「教育測驗與統計」，核心測驗理論基礎為當代效度理論（Unified Validity Theory）與電腦化評量技術（Computer-Based Testing, CBT）之歷程資料分析：

1. AERA、APA、NCME《教育與心理測驗標準》（Standards for Educational and Psychological Testing, 1999, 2014）： 現代效度觀採 Messick（1989）的整合性效度架構，不再將效度截然劃分為內容、效標、建構效度三種獨立類型，而是將效度視為單一整體概念，並提出五大效度證據來源：

• 測驗內容證據（Evidence based on test content）
• 回應歷程證據（Evidence based on response processes）（本題核心）
• 內部結構證據（Evidence based on internal structure）
• 與其他變項之關聯證據（Evidence based on relations to other variables）
• 測驗後果證據（Evidence based on testing consequences）

2. 受試者回應歷程（Examinee Response Processes）： 指受試者在面對測驗試題與評量作業時，實際激發與運作的認知歷程、心理機制、解題策略與行為軌跡。

---

解題方法

本題為標準的 25 分申論題，配分比重通常為：意義（約 6～8 分）、資料來源類別（約 8～10 分）、對測驗效度的貢獻（約 7～9 分）。解題架構採「三段式論述」，層次由淺入深：

1. 破題與定義（意義）：對比「傳統結果取向評量（只看得分正誤）」與「當代歷程取向評量（打開認知黑盒子）」，精確定義回應歷程之本質在於「檢驗受試者所運用的心理機制是否吻合欲測量的構念」。
2. 分類架構（資料來源）：結合傳統認知心理學技術與現代數位資訊科技，將資料來源分類為「自陳/口語報告資料」、「數位軌跡/日誌檔（Log Files）資料」、「生理/眼動追蹤資料」及「實體草稿/痕跡資料」，展現跨領域評量知識。
3. 推論延伸（對效度的貢獻）：緊扣 Messick 與 AERA/APA/NCME 之效度論證標準，由「提供歷程效度證據」、「排除構念無關變異（CIV）」、「提升診斷回饋效能」及「確保評量公平性」四個構面論述其價值。

---

選項分析

本題為申論題，無選擇題選項。閱卷評分重點與作答權重配置如下：

• 第一子題：意義（配分約 7 分）
• 評分標準：須明確指出從「結果導向（Product）」跨越至「歷程導向（Process）」的評量轉向，強調受試者內在認知活動與外在行為模式的契合度。
• 第二子題：資料來源類別（配分約 9 分）
• 評分標準：分類體系須嚴謹完整。若僅回答傳統的「放聲思考」，分數落於中下；必須補充電腦化評量時代的「日誌紀錄（Log/Telemetry Data，如反應時間、點擊流）」與「眼動生理資料」，方能獲取高分。
• 第三子題：對測驗效度的貢獻（配分約 9 分）
• 評分標準：切忌僅籠統回答「讓測驗更準確」。必須扣緊效度核心術語——「回應歷程效度證據」、「構念無關變異（Construct-Irrelevant Variance, CIV）」、「構念代表不足（Construct Underrepresentation, CU）」以及「形成性/診斷性效度」。

---

解題技巧

1. 關鍵標竿文獻置入：於引言或論述中帶出 AERA / APA / NCME《教育與心理測驗標準》，能立即向閱卷委員展現扎實的測驗學理論功底。
2. 結構化標題排列：申論題切忌一段到底。善用「一、（一）、1.、（1）」層級條列，並將核心關鍵詞（如：放聲思考、反應時間、構念無關變異）以黑體或引號突出。
3. 避免常見陷阱：

• 誤將「回應歷程」寫成「作答反應理論（IRT）」，IRT 屬於潛在特質分數估計模型，並非回應歷程資料本身。
• 資料來源不可只寫「問卷」或「觀察法」，應使用當代評量專有名詞（如：Log data、Think-aloud protocol、Eye-tracking）。

---

【答案】

受試者回應歷程（examinee response processes）的探究，標誌著現代教育評量由傳統「結果導向（Product-oriented）」邁向「歷程導向（Process-oriented）」之典範轉移。茲就其意義、資料來源類別及對測驗效度之貢獻，分項說明如下：

一、受試者回應歷程之意義

傳統心理與教育測驗多僅記錄受試者的最終作答結果（如選擇題選項、得分高低），將解題心理機制視為不可見的「黑盒子（Black Box）」。

受試者回應歷程係指受試者在面對測驗情境、試題任務及作答介面時，個體內部所激發與調動之認知處理程序、心理表徵、解題策略，以及與作答介面互動所產生的外顯行為軌跡。

核心觀念

本題評量教育測驗與統計中「質性與量化整合研究法」及「態度與人格測量技術」之核心主題——Q 技術（Q-technique / Q-methodology）。

1. 起源與定義：由英國心理學家兼統計學家史蒂芬生（William Stephenson, 1935）所提出，本質為「以人為變項」的倒轉因素分析（Inverted Factor Analysis）。
2. Q 技術與 R 技術之對比：

• R 技術（傳統測驗統計）：以「測驗/題目/變項」為變項，以「受試者」為樣本。計算題目間之相關，探討群體在特質上的個別差異。
• Q 技術：以「受試者」為變項，以「陳述句/刺激物（Q 樣本）」為樣本。計算人與人之間的相關，探討受試者內在主觀結構（Subjectivity）與態度類型。

3. 測量架構：採用「強迫準常態分配（Forced Quasi-normal Distribution）」的排序歷程（Q-sort），透過個人內在比較（Ipsative measurement），兼具量化統計嚴謹性與質性深度理解。

---

解題方法

本題為標準的 25 分申論題，題幹明確要求兩大核心：「適用時機」與「實施歷程」。解題架構應採「總—分—總」或層次清晰的三段式論述：

1. 前言/核心定義：簡述 Q 技術之理論淵源（Stephenson）、與傳統 R 技術之本質差異，點出其「客觀測量主觀性」之定位。
2. 適用時機（占分比約 10~12 分）：從「研究目的（探索主觀結構/態度分群）」、「個案與小樣本情境」、「縱貫性改變追蹤（如諮商之現實我與理想我）」、「爭議性政策與價值觀評估」等四大維度具體分項列述。
3. 實施歷程（占分比約 12~15 分）：按嚴謹的研究程序，劃分為標準六大階段（母體蒐集 $\rightarrow$ 抽取 Q 樣本 $\rightarrow$ 選取 P 樣本 $\rightarrow$ 實施 Q 分類 $\rightarrow$ Q 因素分析 $\rightarrow$ 因素詮釋與命名），並具體說明「準常態網格設計」與「人與人相關矩陣之統計特性」。
4. 結語：提綱挈領總結 Q 技術在教育行政與輔導研究之價值。

---

解題技巧

1. 比較破題法：開門見山點出「Q 技術 vs. R 技術」的矩陣轉置關係（Data Matrix 的列與行對調），直接展現對測驗統計底層架構的掌握。
2. 圖像化概念呈現：在實施歷程中，務必描繪「強迫準常態對稱排列（例如 $-4$ 到 $+4$、呈倒 U 型網格）」的設計邏輯，說明其如何消除受試者的作答反應風格（Response Sets/Style）。
3. 實例強化說服力：提到適用時機時，務必舉出羅傑斯（Carl Rogers）案主中心治療中「現實我（Real Self）」與「理想我（Ideal Self）」之諮商評估，以及教育政策爭議性立場之分群，此為國考閱卷的核心給分亮點。
4. 常見陷阱：

• 誤以為 Q 樣本是「抽人」：切記「Q 樣本是抽題目/陳述句」，「P 樣本才是選人」。
• 誤將 Q 因素分析寫成一般題目的因素分析：Q 因素分析的相關矩陣維度是 $N \times N$（受試者數 $\times$ 受試者數），抽出的因素代表「受試者類型（Typology）」，而非特質構面。

---

【答案】

一、Q 技術之核心意涵

Q 技術（Q-technique）係由史蒂芬生（W. Stephenson）於 1935 年所創立之研究方法。傳統心理測驗多採 R 技術（以題目為變項、以人為樣本），旨在探討個體間之差異；而 Q 技術 則將資料矩陣之行列轉置（以人為變項、以題目/陳述句為觀察值），旨在透過受試者對一組刺激物（陳述句卡片）進行「強迫準常態排序（Q-sort）」，藉以客觀量化個體內在的主觀經驗、自我概念與價值結構。

---

二、Q 技術的適用時機

Q 技術結合質性研究的深度與量化統計的嚴謹度，主要適用於下列五大時機：

1. 探討個人內在主觀結構與自我概念時 當研究焦點在於個人的自我認知（Self-concept）、價值體系或內在心理基模時極為適用。例如：在諮商與輔導歷程中，羅傑斯（Carl Rogers）應用 Q 技術測量案主之「現實我（Actual Self）」與「理想我（Ideal Self）」，透過兩次排序之相關係數評估心理適應程度與自我統合狀態。
2. 小樣本或個別案例之深入探究時