正手快帶技術測驗

研究目的是編製桌球甲組選手快帶技術測驗，研究對象桌球甲組選手106名。研究初步丈量受試者快帶右半區落點，依據Rasch模式合理類別的比率，設定類別的距離範圍，將球檯分成三個區域。測驗方法用多球單練方式，測試者發下旋短球到受試者反手區，搓回測試者正手區拉前衝弧圈球至受試者正手區快帶，試做20個球，採Winsteps軟體估計，得到結果： (1) 模式測量估計得到試做和受試者都適合模式，兩者的平均估計標準誤0.03，顯示估計很精確。 (2) 受試者資料校準適合 Rasch測量模式。 (3) 試做測量都適合模式，證明正手快帶技術測驗具有效度。 (4) 類別的校準有效，也證明測驗效度。 (5) 建立正手快帶技術測驗常模。由結果得到結論：能夠編製適合 Rasch測量模式的桌球甲組選手快帶技術測驗。

競技太極裁判評分研究

目的：分析太極拳和太極劍比賽的裁判評分。對象：2009年亞運選拔賽，太極拳、太極劍各6人 (p)，裁判有八位和一位裁判長，規則分為動作質量、演練水平、難度分數等三項(I) 評分，每項各有三位裁判 (R) 評分。方法：採概化理論的 p × (R:I) 混合設計，線性模式為： 。結果：全域分數太極拳0.00619 (佔0.177%) 較太極劍0.00068 (佔0.012%) 高。太極拳和太極劍的項目變異成份分別占78%、86% 是最重要的，表示規則規定的項目良好。裁判巢串在評分項目(R:I) 的變異成份分別占21%、14% 是次要的，它導致可靠性指數 (Φ係數) 極低。太極拳和太極劍的概化係數 (G係數)，當太極拳裁判2人時，達到0.9以上；太極劍則須裁判7人才有0.9以上。結論：太極拳比賽有良好的信度，太極劍須增加裁判人數才有良好的信度。

0612體育測驗編製工作坊--編製測驗程序

1、整個編製測驗總加評分量表的程序共有五大步驟：界定架構、設計量尺、初步研究、施測和試題分析、分析效度和建立常模。目前有許多自編的測驗總加評分量表在第一和第五步驟沒做好，因為「界定架構」和「分析效度和建立常模」最難。

2、當你決定要編製測驗總加評分量表時，首先要清晰且明確的界定架構，然後就架構設計量尺，決定量尺的格式和類別後，接著編寫試題；完成的量表必須經過「初步研究」，目的在於修正不明確、混淆的試題，使評分量表符合實際的需求，才能進一步施測和試題分析，至少須要有一百至兩百個樣本，並計算α信度，淘汰不良的試題和再修改有問題試題。最後呈現效度和建立常模，效度包括效標相關效度、區別和聚殮效度、因素分析等三種，以呈現量尺企圖測量構念的特質，它是理論上假設的構念；常模則是描述母群在量尺分配的特質，用以說明個人在母群中的位置，所以須要大量的樣本，才能用以推估母群。

0612體育測驗編製工作坊

一、計畫緣由

體育運動的人文社會領域中經常使用問卷調查作為研究的工具，姚漢禱 (1998) 分析「體育學報」第20至23輯(1996和1997年)使用測驗總加評分量表的論文數量，共有28篇、佔22﹪，單就人文社會科學計算則高達33﹪。林本源 (2008) 再針對2004至2006年「體育學報」和「大專體育學刊」等兩份體育學術界代表性刊物進行相關調查發現，在人文社會科學領域的論文中使用問卷或是量表作為研究工具的論文數中，大專體育學刊（6卷1期到8卷3期）占60.8％；體育學報（36輯到39卷3期）占50％。因此在體育運動的人文社會科學領域而言，問卷調查工具的使用是日益頻繁而且重要的。

二、教案設計

工作坊名稱: 體育測驗編製工作坊
目的：理論和實際同步，研習測驗編製並進行操作分析。
時間：課程內容的安排以一天為限，盡量排在週五或週六。
地點：國立台灣體育大學。
師資：聘請校內外對測驗編製有研究的學者。
對象：大學教師或研究所的研究生。
名額：35人(歡迎各系所踴躍參加，開放校外名額5人)。
計畫連絡人：運動技術研究所(03-3283201#2502、2504)。

多層面的線性模式與分數效果

二層面概化理論設計

當測驗除受試者 (p) 外，還有試題 (i) 和評分者 (r) 層面。
1.p × i × r 設計
2.p × (i : r) 設計
3. ( i:p ) × r 設計
4. i : (p × r) 設計
5. ( i × r) :p 設計
6.i : r : p 設計

二層面設計效果

受試者 (p) 、試題 (i) 和評分者 (r) 層面。

0515多層面概化理論與應用工作坊

概化理論在體育運動方面的可應用的地方： (1)改善運動競技中主觀評審的制度：例如競技體操的評分誤差變異來源有裁判、試做次數，概化研究有助於檢討目前制度的缺失。 (2)建立良好的運動技能測驗品質：例如測驗應試做次數、成功標準、分界分數、試做時間如何訂定﹖ (3)多變項概化理論的應用：對量表或問卷具有多個向度時，信度的問題、權重和多重變異來源的認識等很有用。
體育測驗研究發展中心在舉辦「概化理論入門與簡單應用研習會」之後，進一步推出「多層面概化理論與應用工作坊」，滿足研究者更多的需求，能夠更全面的應用在估計多種測量誤差來源，提供各種層面的概化信度係數，利於研究者對於研究條件做最適當的決斷。再度歡迎各位來參加體育測驗研究發展中心的「多層面概化理論與應用工作坊」，擴大上次研習的效果，更熟悉概化理論與實例應用，不再為測驗的信度、實驗的誤差、評分者人數和試做次數等問題煩惱。

概化理論入門與簡單應用研習會-4

(四) GENOVA的操作說明
1、GENOVA 是一個概化變異數分析系統，Crick 和 Brennan 1983年為美國大學測驗服務中心所寫的程式，主要分為兩部份，第一部份描述如何使用 GENOVA 進行概化研究並解釋輸出的結果，第二部份描述如何使用 GENOVA 進行決斷研究和如何解釋結果。
2、執行時在DOS 下鍵入 GENOVA 和控制卡檔名，當檔案載入RAM 後，它會要求輸入結果的輸出檔名，確定後便開始執行。結果檔首先是GENOVA封面，接著第一頁是控制卡程式，第二頁是推估主要和交互作用效果分析表，第三頁是列出輸入的前、後十筆記錄和平均數，第四頁是變異數分析摘要表，第五頁是概化研究的結果，第六頁是期望均方值計算公式，第七頁是估計變異成份的變異數─共變數矩陣；如果有決斷研究，第八頁是決斷研究控制卡程式，第九頁起是每一個設定的決斷研究結果，最後一頁是全部決斷研究結果的摘要表。
3、GENOVA 程式有幾項特色：(1) 程式所佔的空間小(僅250656 位元)，很容易在個人電腦上執行。(2)有能力處理很大的資料集(3500個觀察體)且速度快效率高。(3)程式的控制卡操作簡便，使用者參考手冊就能達成。(4)概化研究和決斷研究一次完成，有許多輸出(變異成份、標準誤....等)。(5)輸入期望均方值或變異成份也能運算。

概化理論入門與簡單應用研習會-3

(三) 決斷研究(D-Study) 和實例
1、決斷研究(D-Study)：決斷研究則運用概化研究的結果，擇取最小誤差和最大信度 (概化係數) 的設計。所以概化研究是一些估計的過程，而決斷研究是屬應用的程序。
2、相對和絕對的決斷：相對的決斷是指基於「相對的標準」或「個人的排名」時的決斷，絕對的決斷則是說明測驗分數的絕對水準。不同的用途使用不同的概化係數，相對決斷使用概化係數，絕對決斷時稱為可靠性指標或φ係數。
3、決斷研究實例：Yau, H.D. (1995). Applications of generalizability theory to decide the goodness of fit trials for fixed length tests in the psychomotor test. Paper presented in The FISU/CESU Congress, The 18th Universiade 1995 Fukuoka.

概化理論入門與簡單應用研習會-2

(二) 概化研究(G-Study) 和實例
1、期望均方值(Expected Mean Squares) ：它是假設變異數的平均值，為計算類似的觀察體群；即從樣本資料算出推估母群的均方值。概化理論中期望均方值為估計變異成份之用。
2、變異成份和總變異的百分比：變異成份表示隨機因素中每一效果對依變項之總變異的貢獻，如果換算為總變異的百分比更清楚各變異來源的權重。
3、概化研究(G-Study)：概化理論可區分為概化研究和決斷研究兩大部份，概化研究是估計測量各種可能誤差的變異來源，包括期望均方值、變異成份和總變異等項。實例：姚漢禱 (1995) 應用概化理論判斷運動技能測驗固定試做的適宜次數。

概化理論入門與簡單應用研習會

(一) 概化理論的基本認識
1、層面(facet) ：因為概化理論是估計多種測量誤差來源，這些誤差來源稱為層面；相當於變異數分析時的因子(factor)。概化理論須先確定測驗的層面，並依測驗的需要找出測量的目標，這個目標的變異數即真實變異數部份，剩下的就是誤差變異數部份，在決斷研究時目標的變異量都不改變，每一個測驗條件的改變只針對誤差的變異量調整。
2、隨機和固定模式：概化理論主要的希望推估母群的情形，所以至少有一個層面的水準假設是抽自母群的隨機樣本，才能做概化的研究，這就是隨機模式。在古典測驗理論中各層面的水準就是母群的全部，稱為固定模式，即測驗的標準化，所以不能進行概化研究。
3、交叉(crossed) 、巢串(nested)和混合(mixed) 設計：概化理論估計變異來源是利用變異數分析法，所以需先了解實驗設計是屬於那一種﹖概化理論的交叉和巢串設計，即變異數分析法的重複和獨立設計(或稱受試者內和受試者間)，而混合設計是包含交叉和巢串兩種。

編製運動教練評鑑量表

研究的目的是編製運動教練評鑑量表。本研究以運動教練為對象，利用測驗的總加評分量表(Summating rating scale)為研究工具，依據「重複測量」和「測量總加」兩個理論為基礎，嚴謹的編製運動教練評鑑量表。整個編製程序共分為五大步驟：界定架構、設計量尺、初步研究、施測和試題分析、分析效度和建立常模。本研究的結論是編製一個精確、有效的運動教練評鑑量表，可以提供評鑑運動教練之用，包括一般學校運動教練、體育運動專業學校運動教練、教育部專任運動教練和職業運動專任運動教練。

編製羽球效標參照組合測驗

本研究的目的是編製羽球效標參照組合測驗。研究對象為全國羽球協會登記在案的甲組和乙組運動員共223名，運用logistic迴歸分析的統計方法，編製羽球效標參照測驗，結果得到組合測驗的估計迴歸公式：logit （p）＝－22.22＋0.05×網前平推球＋0.03×切球＋0.06×立定跳遠＋0.12×肌力。選擇最佳分界分數為0.52（標準），計算組合測驗效度係數（φ相關）0.53，複核效度為0.80。測驗信度的一致性比率0.83、柯恆 Kappa係數0.53和修正 Kappa係數0.65。本研究將可做為「選拔羽球國手」、「大學羽球專項入學考試」和「國家隊集訓和培訓」之用。最後結論為：編製羽球效標參照組合測驗，具有良好的測驗品質。

利用多層面Rasch測量模式編製中等學校運動績優甄審甄試測驗─以壘球打擊測驗為例─

研究的目的是：利用多層面Rasch模式編製中等學校運動績優甄審甄試測驗。二十四位受試者實施壘球打擊成績表現測驗，以FACETS程式估計受試者、組別和試做次數等三個層面的測驗。結果是：測驗資料適合Rasch模式；標準參照評量的分界分數在能力0.41，效度係數0.89，信度的一致性比率0.96、柯恆kappa係數0.89和修正kappa係數0.92。最後結論為：壘球打擊成績表現標準參照評量測驗，可做為中等學校運動績優甄審甄試之用。

利用多層面單變項概化理論編製上肢運動覺測驗

研究的目的是利用多層面單變項概化理論探討上肢運動覺測驗。研究採三層面的完全設計：受試者（P）r測量角度（A）r試做（T），探討測驗的重要層面，發現測量角度變異成份高達94％，進一步從90°、45°、30°、60°和負30°中選擇最佳測量角度，並利用決斷研究提出合理的測驗。根據結果得到結論為本研究應用多層面單變項概化理論成功的編製上肢運動覺測驗。

體能測驗應用報告

利用「估計潛能」探討成績優異運動員中不適合模式者，分析那些體能須要補強？那些體能是選手的特長？明確提供教練和選手訊息。(姚漢禱，2001)
以某位選手為例：
從高中女子組估計潛能優異者其成績適合檢定，只有五筆資料（參考表一），且情況都不嚴重，某位選手訊息加權均方和偏離反應均方微大，訊息加權均方0.83、偏離反應均方0.79，探查得知民國89年5月測驗成績，其中手球擲遠和握力兩項最差，800公尺、折返跑和坐姿體前彎也不好，特別是折返跑一項，顯示某選手是短跑選手，而敏捷性極待強化。建議：進一步了解選手的比賽成績、現況和訓練計畫。

編製常模參照評量基本體能測驗

基本體能測驗有效1724筆資料分析，由試題反應理論分析，測驗能有效的估計受試者潛在能力，受試者個別信度（PERSON RELIABILITY）的上限是0.80、下限是0.75，試題個別信度（ITEM RELIABILITY）的上限是1.00、下限也是1.00。

運動技能測驗中負Alpha信度係數之研究

在某些情況，Alpha係數負值常會發生，研究的目的是探討負Alpha信度係數問題，並尋求適當的表示運動技能測驗的信度。從測量理論分析Alpha信度係數的背景，再以運動技能重複測量單一項目測驗的實例說明，比較古典測量理論的Alpha係數、組內相關係數和Rasch個別信度係數的誤差，結果發現：在受試者同質性高且重複測量單一項目 (MASI)的運動技能測驗情況下，Alpha係數容易得到負值，而Rasch個別信度係數能有效的估計測驗信度。本研究的結論為：Rasch個別信度係數（separation reliability coefficients）能夠有效的克服負Alpha係數的問題。

發展多層面階層Rasch模式分析淘汰賽的排名

以2002 FIFA 世界盃決賽為例，研究的目的是利用多層面階層Rasch模式估計淘汰賽的成績表現。研究對象是世界足球總會（FIFA）2002年世界盃的第二部分賽程（淘汰賽）。就測量設計而言，淘汰賽是具有層面（facet）和階層（hierarchical）因素，因此，在利用姚漢禱（2004）發展出多層面多階層Rasch多點計分模式，建立淘汰賽參賽者的能力校準，因此逐階估計得到合理的潛能，使測量能力和成績排名一致。根據結果得到結論為本研究成功量化淘汰賽的排名。

利用線性logistic Rasch模式估計排名賽的成績表現

以34屆世界盃棒球賽為例，研究的目的是利用線性logistic Rasch模式估計排名賽的成績表現。研究對象是2001年第三十四屆世界盃棒球錦標賽的複決賽程（排名賽）。透過線性logistic Rasch模式，發展出多層面多階層Rasch多點計分模式，建立排名賽參賽者的能力校準，因此選擇合理的層面和加權指數，使測量能力和成績排名一致。根據結果得到結論為研究成功量化排名賽的排名。（姚漢禱，2004）

以Rasch測量有效的等化分組循環賽的成績表現

研究的目的是利用Rasch測量來等化分組循環賽的成績表現。研究對象為丹鳳國小籃球3對3鬥牛賽（basketball 3 on 3 games）的分組循環賽，透過兩階段Rasch模式等化和單階段垂直等化方法（one-step vertical equating），建立分組循環的所有參賽者的能力校準。結論是Rasch測量的單階段垂直等化方法可以提供分組循環賽所有參賽者精確的校準能力。（姚漢禱，2004）