University of Macau / Faculty of Education

本研究之主要目的在於探討高智商（學業性向）低成就國中學生及與其智力（性向 ）相當的成就生在學習信念、學習態度與學業行為上的差異情形。並探討學習信念 學習態度與學業行為和國中學生之學業成就的相關情形。 本研究主要分為兩部份，第一部份為編選及發展適合國中學生使用之學習信念、學 習態度與學業行為量表。第二部份則分析高智商（學業性向）低成就國中學生及與 其智力（性向）相當的成就生在學習信念、學習態度與學業行為等三個量表與其分 量表上得分的情形。研究樣本取自民生、螢橋、大同、木柵、南港與三民等六所學 校，以百分等級的方法甄選高智商低成就學生，再選取人數相當的高智商成就生為 對照組受試，計得低成就受試２００人與對照組成就生２０３人。研究資料以電腦 SPSS/PC+套裝統計軟體處理，統計方法包括ｔ考驗、積差相關、多元逐步迴歸分析 以及區別分析。 研究結果如下： 一、就高智商成就生與低成就生在「學習信念」、「學習態度」與「學業行為」上 的差異情形而言： １．高智商成就生無論在「學習信念」、「學習態度」與「學業行為」上均顯 著的優於高智商低成就學生。 ２．在「學習信念」各分量表方面，高智商成就生之「自我效能」與「無習得 無助」顯著優於低成就學生，在「控制信念」的方面則二者差異未達顯著 。 ３．在「學習態度」各分量表方面，僅「對讀書之態度」一分量表上出現高智 商成就生顯著優於高智商成就學生之現象，在其餘各分量表上則差異的情 形不顯著。 ４．在「學習行為」各分量表方面，高智商成就生在「時間管理」、「專心程 度」、「學習策略」、「考驗經驗」、「資源運用」等分量表上均顯著高 智商低成就學生。 二、就影響英語科學業成就的主要預測變項而言： １．影響英語科學業成就的主要預測變項為「學習行為」。 ２．影響英語科學習的次要預測變項為「學習信念」。 ３．「學習態度」對於學習者英語科的學業成就預測力未達顯著。 ４．各分量表中，進入迴歸方程式的預測變項依次為：「自我效能」、「對課 程之態度」、以及「時間管理」。 三、就影響數學科學業成就的主要預測變項而言： １．影響數學科學業成就的主要預測變項為「學習信念」。 ２．「學習態度」與「學習行為」對數學科學業成就之預測力均未達顯著水準 。 ３．各分量表中，進入迴歸方程式的預測變項依次為：「自我效能」、「無習 得無助」、以及「制握信念」。 四、就「學習信念」、「學習態度」、與「學業行為」對於學業成就的區別程度而 言： １．「學習信念」、「學習態度」與「學業行為」均能有效區別高智商成就生 與高智商低成就生。其中，以「學習行為」的區別力最大，其次為「學習 信念」，「學習態度」的區別力則較低。 ２．以「學習信念」、「學習態度」與「學業行為」三變項區別高智商成就生 與高智商低成就生，可以有效預測學習者的學業成就，預測的正確率為 62.58 ﹪。 研究者根據以上之研究結果，提出建議。

University of Macau / Faculty of Education

因應電子化交易興起而進行的一系列人機互動研究顯示, 縱使人類會透過學習而改善其表現, 電腦化的交易程式獲利能力還是遠勝於真人交易者之表現。本研究遂以遺傳規劃演算法作為學習型交易者之代表, 與一系列電腦化交易策略相競爭, 以探討學習的功效及其限制。 本研究採用離散型雙方喊價機制, 摒除了計算能力所造成之決策時間差異所會帶來的影響, 亦排除掉人類情緒、預期、相關知識不足等可能因子, 在計算能力對等的情況下, 單純地來評估學習與理性設計策略的結果。並且首次嘗試將影響學習至鉅的智商因子帶入模型之中, 實驗結果顯示學習具有相當的能力, 即使是在對環境缺乏認識的情況下, 隨著時間的經過其表現最終可凌駕理性設計的策略之上, 然而學習所需的時間是學習型交易者的一大弱點。同時, 本研究也顯示對於以遺傳規劃建構的學習型交易者而言, 其虛擬智商的參數愈高, 學習的效果也愈佳。此研究因此可作為未來在代理人基經濟學模型中, 更深入地探討智商水準不同所造成之行為差異的基礎。 / The study of a series of human-agent interactions as well as computerized trading tournaments in double auction markets has exhibited a general superiority of computerized trading strategies over learning agents. The ineffectiveness of learning motivates the study of learning versus designed trading agents in this research. We therefore initiates a series of experiments to test the capability of learning GP agents and rationally-designed trading strategies. The results shows that with the cost of time, eventually learning agents can beat all other trading strategies. At the same time, the notion of intelligence is introduced into the model to investigate the influence of individual intelligence on learning ability. We utilize the population size of the GP trader as the proxy variable of IQ which is a measure of general intelligence. The results show that individuals with higher intelligence can perform better than those with lower intelligence, which manifests its importance discovered in Psychological research.