Author: Dicky

孫文學校「孫文要聽論壇系列」 — 探討中華民國的發展與課綱改革

孫文學校長期致力於政治、社會與教育議題的討論，透過「孫文要聽論壇系列」，邀請專家學者深入剖析台灣社會的重要議題。 本次論壇的主題為 「中華民國還是中華民國嗎？」，將由 段心儀老師 主講，並由 台灣大學教授黃光國 擔任與談人，共同探討 課綱微調 的影響及台灣教育現狀。論壇將於 民國 106 年 1 月 12 日（2017 年 1 月 12 日）晚上 7 點，在中國國民黨中央黨部一樓中山廳 舉行。 課綱與課本：教育體制的核心爭議 課綱與課本 的概念在台灣社會中一直存在混淆，甚至影響了教育政策的制定與社會輿論。學者 楊照 曾表示：「課綱應該是用來取代課本的，目的是幫助學生從『課本』的知識獨裁中解放出來。」 然而，由於台灣社會對課綱的認識不足，人們往往以 「課本」的概念來理解「課綱」，導致以下現象： 課綱微調是否影響台灣教育？ 由於社會對課綱與課本的界線認識不清，因此當政府進行 課綱微調 時，許多人便將其視為 「課本更換」，認為這會對學習內容產生巨大變動。然而，一綱多本的制度設計，應當保障教育內容的多元性，而不應被誤解為單一制約的課程更動。 課綱微調的核心理念在於： 然而，現今教育討論仍存在代際矛盾： 這種世代間的教育觀念差異，使得台灣社會在教育改革的討論上，宛如處於平行宇宙，缺乏共識與溝通。 論壇資訊：深入探討課綱改革 孫文學校論壇系列 透過本次活動，邀請專家學者一同討論 課綱微調的影響、教育改革方向，以及中華民國的發展趨勢。 📌 活動資訊 參與論壇，了解台灣教育的未來 這場論壇將從歷史、教育政策與社會影響等角度，探討課綱改革如何影響台灣未來發展。無論你是關心教育議題的家長、學生、學者，或是希望了解台灣社會變遷的公民，都歡迎參加！ 📢 立即參與，與我們一同深入討論台灣的教育改革與未來方向！

使用R將預測變數的交互作用以圖形視覺化

當我們想要知道兩個變數之間是否存在交互作用時，可以使用下面函數產生視覺化的圖形加以輔助：interaction.plot(pred1, pred2, resp) pred1和pred2為要進行檢查的兩個變數，而resp則是反應變數。示例如下： interaction.plot(averagebyid$context, averagebyid$order, averagebyid$meanbyid) 從每個人的平均得分來看，在接觸1次的時候，高語境限制性和低語境限制性的得分並沒有太大的差異。 interaction.plot(averagebyword$context, averagebyword$order, averagebyword$meanbyword) 從每個字的平均得分來看，接觸1次、2次和3次新詞的在語境限制性的差異不大。 interaction.plot(averagebyid$order, averagebyid$context, averagebyid$meanbyid) 從每個人平均得分來看，接觸1次時，高語境限制性和低語境限制性的得分並沒有太大的差異。 interaction.plot(averagebyword$order, averagebyword$context, averagebyword$meanbyword) 從每個字平均得分來看，接觸1次時，高語境限制性和低語境限制性的得分並沒有太大的差異。 但是這些圖形只是暗示我們進一步檢定的話，可能存在交互作用。我們後續仍需要進刪統計檢定才可以驗證其顯著性。

在R進行有兩個隨機因子以上的混合線性模式

當我們只有一個隨機因子的時候，我們可以下面公式表示固定效果和隨機效果(以下公式皆使用lme4套件的lmer函數)： correct ~ context + order + (context + order | id)correct ~ context + order + (1 +context + order | id) 上面兩種寫法，傳達相同的意思。兩種寫法中，前半的「context + order」為主要效果；後半的「(context + order | id)」和「(1 +context + order | id)」包含「|」的則是隨機效果。在「|」右邊的是隨機因子(id)，而「|」左邊的則是受到隨機因子的影響，為了固定因子所產生、計算的截矩和斜率。 當我們有兩個隨機因子時，我們則必需先考慮這個因子的關係是交叉或套疊，才能撰寫相對應的公式。 當兩個因子彼此是套疊的時候，例如班級因子(class)套疊於學校因子(school)，我們將兩者的交互作用另立一個欄位(school_class)去計算，如此我們可以有以下公式，下面兩個公式也是同義的公式： correct ~ context + order + (1 | school/class)correct ~ context + order + (1 | school) + […]

交叉因子(crossed factor)和套疊因子(nested factor)的差別

當我們只有一個因子的時候，我們不需要去擔心因子間交叉(crossing)或套疊(nesting)的區別。但當我們有兩個以上的因子時，分辨因子間的關係就非常重要，因為這會影響我們對於資料的分析。 當兩個因子交叉的時候，不論是在A因子中的每一個類別，都可以在B因子中每一個類別同時出現。換句話說，每一種來自兩個因子可能的組合都會出現於我們的觀察值中。 倘若一個因子套疊於(nested within)另一個因子之中，若其出現在第一個因子中，則不會出現在其它因子中。同理，觀察值若出現在第二個因子中，則我們知道會有另一個觀察值出現在第一個因子中。所有的組合不會同時出現。 當兩個因子交叉時，就可以計算交互作用；如果彼此套疊，則會因為沒有同時出現的組合，而無法進行如此動作。 將兩個因子以列聯表(cross tabulation)呈現時，就可以知道彼此的關係是交叉或套疊了。 參考文章

在R進行重覆量數(repeated-measur)ANOVA

我們想知道「語境限制性」(context)和「接觸新詞的次數」(order)是否會影響學習者對於新詞的理解(meanbyid)。我們在R使用以下語法： rmanovaid2<- aov(meanbyid ~  context * order + Error(id/ (context * order)), data = averagebyid) 裡頭的公式「meanbyid ~  context * order + Error(id/ (context * order)」可以分為兩個部分去理解。前半部分「meanbyid ~  context * order」，指的是學習者對於新詞的理解會受到語境限制性和接觸新詞的次數的影響。「*」是「context + order + context:order」的簡化，指的是考慮了語境限制性和接觸次數的主效應(main effect)和語境限制及接觸次數的交互作用(interaction)。後半部分的「Error(id/ (context * order)」，則是我們在可以進行適當的統計檢定不可或缺的要素。 「Error(id/ (context * order)」使得殘差平方和(Residual sum of squares, RSS)的來源，可以分成幾個可預知的部分(error strata)。它是「Error(id + id:context + id:order + id:context:order)」的簡化，指的是我們要將可預知的殘差分為來自「個人因素」、「個人和語境限制性的交互作用」、「個人和接觸次數的交互作用」以及「個人、語境限制性和接觸次數的交互作用」。 summary(rmanovaid2) 將我們一開始使用的語法進行摘要之後，我們得到以下結果： 對於語境限制性的檢定，是基於「個人和語境限制性的交互作用」，顯示在「Error:  […]

三個和「樹」有關的故事

三個和「樹」有關故事。 岸樹井藤樹神度婆羅門永遠有希望的樹(ต้นไม้แห่งความสมหวัง) 「曠野無明路，人走喻凡夫，大象比無常，井喻生死岸。樹根喻於命，二鼠晝夜同，齧根念念衰，四蛇同四大。蜜滴喻五欲，蜂螫比邪思，火同於老病，毒龍方死苦。智者觀斯事，象可厭生津，五欲心無著，方名解脫人。鎮處無明海，常為死王驅，寧知戀聲色，不樂離凡夫。」