在大數據世代中，人們每天接觸的訊息數以萬計，如何使學習者不僅僅是接觸訊息，而是更進一步將其轉化為個人知識，則需看教學者如何協助他們進行知識創造。
	資訊技術應用於教與學已是全球趨勢，學習環境也愈趨數位化，對於程序性的學習內容更需借助多元資源，其中影片式教學涵蓋眾多優勢，廣受教學者與學習者喜愛，且相較於其他多媒體，影片更適合用以呈現程序性教學內容。然而，影片帶來的大量圖像與聲音可能對學習者產生過重的認知負荷，而學習者在影片中加註標籤(Tag)的行為可舒緩此問題。
標籤(Tag)不僅能讓學習者對影片教材作筆記，也能讓教學者對影片進行更詳細的說明，而這兩者之中，何者更能協助學習者創造知識，即為本研究欲探討之重點。因此，本研究將受測者分為「學生自行Tag組」及「教師Tag組」，透過實地實驗法來觀察兩種教學模式對學習者的認知負荷、知識創造及學習成效是否會產生不同程度的影響。本研究結果如下：
一.	本研究的教材呈現方式能有效降低學習者的外在認知負荷。
二.	加註Tag能協助學習者進行學習活動。
三.	若學生的Tag學習活動進行的較差，教師的Tag說明更能協助學生創造知識；若學生的Tag學習活動進行的較好，由學生自行加註Tag更有利於他們創造知識。

In the big data generation, people are exposed in ten thousands of messages every day. How to make learners not only to touch the message, but to further transform it into personal knowledge depends on how the educators can help them create knowledge.
The application of technology to teaching and learning has become a global trend, and the learning environment has become digital. For procedural learning content, more resources are needed. The video teaching covers many advantages and is widely loved by educators and learners. Compared to other multimedia, videos are more suitable for procedural teaching. However, the large amount of images and sounds brought by the video may cause a heavy cognitive load on the learner, and the behavior of the learner in tagging the video can alleviate this problem.
Tag not only allows the learner to take notes on the video material, but also allows the teacher to explain the videos in more detail. Which of them is more helpful for the learners to create knowledge is the focus of this research. Therefore, this study divides the test subjects into "tag-by-student group" and " tag-by-teacher group". Through field experiments to observe whether the two teaching modes have different degrees of cognitive load, knowledge creation and learning effect on learners. The research findings are following:
1.	The teaching materials presented in this study can effectively reduce learners' extraneous cognitive load.
2.	Tagging can assist learners in their learning activities.
3.	If the student's tag learning activities are performed poorly, the teacher's tag description can help the students to create knowledge; if the student's tag learning activities are performed well, it is more conducive for the students to add tags by themselves.

目錄
第一章	緒論	1
1.1	研究背影與動機	1
1.2	研究目的	2
1.3	研究流程	4
第二章	文獻探討	5
2.1	知識創造	5
2.2	標籤(Tag)技術Tagging	8
2.3	影片式教學	8
2.4	認知負荷	9
2.5	認知負荷的測量	10
第三章	研究架構	12
3.1	研究架構	12
3.2	研究假設	12
3.3.1	標籤技術	13
3.3.2	認知負荷	14
3.3.3	知識創造	14
3.3.3	學習成效	15
3.4	研究工具	15
3.4.1	認知負荷量表	15
3.4.3	學習成效量表	16
3.4.4	實驗教材	16
第四章	研究方法	19
4.1	研究方法的選擇	19
4.2	研究環境與實驗對象	20
4.3	實驗流程	20
第五章	資料分析與結果	22
5.1	資料分析方法	22
5.2	敘述性統計	23
5.3	項目分析及效度、信度分析	23
5.3.1	項目分析	23
5.3.2	效度分析	24
5.3.3	信度分析	28
5.3.4	常態分配檢定	29
5.4	假設檢驗	29
5.4.1	H1：學生的認知負荷量會對知識創造產生負影響。	30
5.4.2	H2：學生的認知負荷量會對學習成效產生負影響。	32
5.4.3	H3：學生的知識創造程度會對學習成效產生正影響。	34
5.4.4	H4：認知負荷對知識創造的影響，會根據加註Tag的對象而有所不同。	36
5.4.5	H5：認知負荷對學習成效的影響，會根據加註Tag的對象而有所不同。	38
5.4.6	H6：知識創造對學習成效的影響，會根據加註Tag的對象而有所不同。	40
第六章	結論與建議	48
參考文獻	50
附錄	55
附錄（一）：認知負荷量表－教師Tag組	55
附錄（二）：認知負荷量表－學生自行Tag組	56
附錄（三）：知識創造量表－教師Tag組	57
附錄（四）：知識創造量表－學生自行Tag組	58
附錄（五）：學習成效量表	59

表目錄
表2 - 1：SECI模型說明	5
表2 - 2：拓展週期的七個步驟	6
表2 - 3：知識建構的12項原則	7

表3 - 1：認知負荷構面說明	14
表3 - 2：知識創造構面說明	14
表3 - 3：學習成效構面說明	15
表3 - 4：認知負荷量表各構面對應題號	16
表3 - 5：知識創造量表各構面對應題號	16
表3 - 6：知識創造量表各構面對應題號	16

表5 - 1：樣本基本資料表	23
表5 - 2：量表各構面平均得分	23
表5 - 3：項目分析結果	24
表5 - 4：KMO統計量數之判斷準則	25
表5 - 5：認知負荷KMO值與Bartlett球形檢定	25
表5 - 6：認知負荷之轉軸後的成份矩陣	25
表5 - 7：知識創造KMO值與Bartlett球形檢定	26
表5 - 8：知識創造之轉軸後的成份矩陣	26
表5 - 9：學習成效之KMO值與Bartlett球形檢定	27
表5 - 10：學習成效轉軸後的成份矩陣	27
表5 - 11：區別效度分析表	27
表5 - 12：認知負荷量表各構面與總構面信度值	28
表5 - 13：知識創造量表各構面與總構面信度值	28
表5 - 14：學習成效量表各構面與總構面信度值	28
表5 - 15：常態檢定之顯著性	29
表5 - 16：認知負荷與知識創造的Pearson相關分析表	30
表5 - 17：變異數分析	31
表5 - 18：逐步多元迴歸分析摘要表	31
表5 - 19：認知負荷與學習成效的Pearson相關分析表	32
表5 - 20：變異數分析	32
表5 - 21：逐步多元迴歸分析摘要表	32
表5 - 22：變異數分析	33
表5 - 23：逐步多元迴歸分析摘要表	33
表5 - 24：知識創造與學習成效、學習成績的Pearson相關分析表	34
表5 - 25：變異數分析	34
表5 - 26：逐步多元迴歸分析摘要表	35
表5 - 27：變異數分析	35
表5 - 28：逐步多元迴歸分析摘要表	36
表5 - 29：Tag、外在認知負荷對知識創造的獨立樣本雙因子變異數分析	37
表5 - 30：Tag、增生認知負荷對知識創造的獨立樣本雙因子變異數分析	37
表5 - 31：Tag、外在認知負荷對學習成效的獨立樣本雙因子變異數分析	38
表5 - 32：Tag、外在認知負荷對學習成績的獨立樣本雙因子變異數分析	38
表5 - 33：Tag、增生認知負荷對學習成效的獨立樣本雙因子變異數分析	39
表5 - 34：Tag、增生認知負荷對學習成績的獨立樣本雙因子變異數分析	39
表5 - 35：Tag、觀念性知識對學習成效的獨立樣本雙因子變異數分析	40
表5 - 36：Tag、觀念性知識對學習成績的獨立樣本雙因子變異數分析	41
表5 - 37：Tag、外化知識對學習成效的獨立樣本雙因子變異數分析	41
表5 - 38：Tag、外化知識對學習成績的獨立樣本雙因子變異數分析	42
表5 - 39：Tag、系統化知識對學習成效的獨立樣本雙因子變異數分析	43
表5 - 40：Tag、系統化知識對學習成績的獨立樣本雙因子變異數分析	43
表5 - 41：Tag、操作性知識對學習成效的獨立樣本雙因子變異數分析	44
表5 - 42：Tag、操作性知識對學習成績的獨立樣本雙因子變異數分析	45
表5 - 43：研究假說彙整表	46

圖目錄
圖1 - 1：研究流程圖	4

圖3 - 1：研究架構圖	12
圖3 - 2：顏佩如等人(2016)修改之Kirkpatrick四層次評鑑定義	15
圖3 - 3教材截圖	17
圖3 - 4教材截圖-教師Tag組	18
圖3 - 5教材截圖-學生自行Tag組	18

圖4 - 1：實驗流程圖	20

圖5 - 1：知識創造標準化殘差分佈圖	31
圖5 - 2：學習成效標準化殘差分佈圖	33
圖5 - 3：學習成績標準化殘差分佈圖	34
圖5 - 4：學習成效標準化殘差分佈圖	35
圖5 - 5：學習成績標準化殘差分佈圖	36
圖5 - 6：Tag、外在認知負荷對知識創造之影響	37
圖5 - 7：tag、增生認知負荷對知識創造之影響	38
圖5 - 8：Tag、外在認知負荷對學習成績之影響	39
圖5 - 9：Tag、增生認知負荷對學習成績之影響	40
圖5 - 10：Tag、觀念性知識對學習成效之影響	40
圖5 - 11：Tag、觀念性知識對學習成績之影響	41
圖5 - 12：Tag、外化知識對學習成效之影響	42
圖5 - 13：Tag、外化知識對學習成績之影響	42
圖5 - 14：Tag、系統化知識對學習成效之影響	43
圖5 - 15：Tag、系統化知識對學習成績之影響	44
圖5 - 16：Tag、操作性知識對學習成效之影響	44
圖5 - 17：Tag、操作性知識對學習成績之影響	45

1.	Al‐Qahtani, A. A., & Higgins, S. E. (2013). Effects of traditional, blended and e‐learning on students' achievement in higher education. Journal of Computer Assisted Learning, 29(3), 220-234.
2.	Aparicio, M., Bacao, F., & Oliveira, T. (2016). An e-learning theoretical framework. An E-Learning Theoretical Framework, (1), 292-307.
3.	Baddeley, A. (1992). Working memory. Science (New York, N.Y.), 255(5044), 556-559.
4.	Barak, J., “As ‘process’ as it can get: Students’ understanding of biological processes”, International Journal of Science Education, 21(12),1281-1292, 1999.
5.	Bell, B. S., & Federman, J. E. (2013). E-learning in postsecondary education. The Future of Children, , 165-185.
6.	Bonk, C. J., Kirkley, J., Hara, N., & Dennen, V. (2000). Advances in pedagogy: Finding the instructor in post-secondary online learning. Paper presented at the Annual Meeting of the American Educational Research Association, New Orleans, LA
7.	Cao, Y., Kovachev, D., Klamma, R., Jarke, M., & Lau, R. W. (2015). Tagging diversity in personal learning environments. Journal of Computers in Education, 2(1), 93-121.
8.	Cheung, C. F., Lee, W. B., & Wang, Y., “A multi-facet taxonomy system with applications in unstructured knowledge management”, Journal of Knowledge Management, 9(6), pp. 76–91, 2005.
9.	Doush, I. A., Alkhateeb, F., Maghayreh, E. A., Alsmadi, I., & Samarah, S. (2012). Annotations, collaborative tagging, and searching mathematics in e-learning. arXiv Preprint arXiv:1211.1780
10.	Gopher, D., & Braune, R. (1984). On the psychophysics of workload: Why bother with subjective measures? Human Factors, 26(5), 519-532. 
11.	Gorissen, P., p.gorissen@fontys.nl, van Bruggen, J., & Jochems, W. (2015). Does tagging improve the navigation of online recorded lectures by students? British Journal of Educational Technology, 46(1), 45-57. doi:10.1111/bjet.12121
12.	Kardan, A., Sani, M. R. F., & Hosseini, R. (2012). TagAssessment: Using tagging technology for learner assessment. Paper presented at the 6th National and 3rd International Conference of E-Learning and E-Teaching, 34-39.
13.	Large, A., Beheshti, J., Breuleux, A., & Renaud, A. (1995). Multimedia and comprehension: The relationship among text, animation, and captions. Journal of the American Society for Information Science, 46(5), 340-347. 
14.	Leppink, J., Paas, F., Van der Vleuten, Cees PM, Van Gog, T., & Van Merriënboer, J. J. (2013). Development of an instrument for measuring different types of cognitive load. Behavior Research Methods, 45(4), 1058-1072. 
15.	Mabbott, A. & Bull, S., “Alternative Views on Knowledge: Presentation of Open Learner Models”, Intelligent Tutoring Systems, pp. 689-698, 2004.
16.	Mayer, R. E. (2002). Multimedia learning. Psychology of learning and motivation (pp. 85-139) Elsevier.
17.	Nonaka, I. (1991). The knowledge-creating company: The best japanese companies offer a guide to the organizational roles, structures, and practices that produce continuous innovation. S. 96-104. Harvard Business Review.
18.	Paas, F., Tuovinen, J. E., Tabbers, H., & Van Gerven, P. W. (2003). Cognitive load measurement as a means to advance cognitive load theory. Educational Psychologist, 38(1), 63-71.
19.	Penney, C. G. (1989). Modality effects and the structure of short-term verbal memory. Memory & Cognition, 17(4), 398-422. 
20.	Rosaen, C., & Zhao, Y. (2004). Exploring IVAN: Interactive video access neighborhood. Paper presented at the Society for Information Technology & Teacher Education International Conference, 3637-3641. 
21.	Smith, B., & Mader, J. (2014). The power of tagging. The Science Teacher, 81(7), 8. 
22.	Stanciu, I. (2015). Enhancing information processing by user categorization.tagging content in support of learning. Paper presented at the , 3 237-246. Retrieved from Education Database database. Retrieved from https://search-proquest-com.ezproxy.lib.tku.edu.tw/docview/1681285532?accountid=14237
23.	Sweller, J., Van Merrienboer, J. J., & Paas, F. G. (1998). Cognitive architecture and instructional design. Educational Psychology Review, 10(3), 251-296. 
24.	Talebi, H., & Jalali, A. A. Efficient tag clouds for using in E-learning 2.0 and E-commerce.
25.	Tsai, L. C., Tang, K. H., & Hwang, S. L. (2014). A Tag‐Based approach for learning ergonomic concepts. Human Factors and Ergonomics in Manufacturing & Service Industries, 24(5), 574-584. 
26.	Wenger, Win. (1990). Toward a general theory of creativity and genius. Aurora、New York : United Educational Service.
27.	Wierwille, W. W., & Eggemeier, F. T. (1993). Recommendations for mental workload measurement in a test and evaluation environment. Human Factors, 35(2), 263-281. 
28.	Zervas, P., Sampson, D. G., & Aristeidou, M. (2012). Investigating the effect of users' tagging motivation on the digital educational resources metadata descriptions. International Association for Development of the Information Society.
29.	Zhang, D., Zhou, L., Briggs, R. O., & Nunamaker Jr, J. F. (2006). Instructional video in e-learning: Assessing the impact of interactive video on learning effectiveness. Information & Management, 43(1), 15-27. 
30.	方姿詠. (2011). 應用影片語料庫檢索系統促進學習者英語慣用語理解程度之研究. 中央大學網路學習科技研究所學位論文, , 1-69. 
31.	方駿遠. (2015). 教中學之微演示活動設計── 以國小四, 五年級數學為例. 中央大學資訊工程學系學位論文, , 1-131.
32.	王玉珍, 吳清麟, & 李宜玫. (2014). 成人工作家庭優勢量表之發展研究. 中華輔導與諮商學報, (41), 57-91.
33.	朱彩馨, 李慶芳, & 許致嘉. (2014). 知易行難: 以施行理論觀點探索數位學習導入失敗. 中山管理評論, 22(4), 857-900.
34.	何仕仁, & 黃台珠. (2005). 不同教學, 知識創造管理模式對國中生數學學習成效之影響研究. 科學教育學刊, 13(2), 217-239.
35.	吴刚 & 洪建中. (2012). 一种新的学习隐喻: 拓展性学习的研究——基于 “文化-历史” 活动理论视角. 远程教育杂志, 3, 23-30. 
36.	汪瑞芝, & 廖玲珠. (2008). 會計習作課程之學習行為與學習成效. 當代會計, 9(1), 105-130.
37.	林育如. (2011). 行動閱讀之資訊呈現方式對於學習者專注力, 閱讀理解與認知負荷之影響研究. 政治大學圖書資訊與檔案學研究所學位論文, , 1-97. 
38.	林依文, & 孫春在. (2006). 個人知識重整-以記憶模型與標籤技術為基礎.
39.	邱健成. (2012). 探討數位影片註記對於學習成效的影響
40.	姚宗威, 蔣佳玲, & 顏瓊芬. (2015). 效化適用於漢族與廣義賽德克族學生科學調適學習問卷. 科學教育學刊, 23(4), 353-374.
41.	郑燕林, 李卢一, & 王以宁. (2010). Seci 模型视角下移动学习资源设计研究. 遠程教育雜誌, 28(3), 20-24.
42.	韋祿恩. (2008). 企業員工電腦學習態度, 社會支持與數位學習滿意度之關係研究
43.	徐易稜. (2001). 多媒體呈現方式對學習者認知負荷與學習成效之影響研究. 國立中央大學資訊管理研究所, 碩士論文
44.	常雅珍, & 林冠良. (2013). 多元化記憶策略對大學生學習成效之研究. 長庚科技學刊, (19), 53-73.
45.	張容君, 張惠博, & 鄭子善. (2010). [燃燒] 微觀粒子概念之科學史電腦動畫輔助教材促進中學生科學本質觀之研究. 理工研究學報, 44(1), 1-34.
46.	莊雅茹. (1996). Cal 軟體電腦動畫應用與學習成效分析. 視聽教育雙月刊, 
47.	陳忠仁, & 蔡淑茹. (2005). 知識創造來源, 知識管理能力及知識屬性對創新績效影響之研究-組織學習理論觀點. 中山管理評論, 13(2), 389-416.
48.	陳信欽, 賴嘉宏, 蘇彥寧, 簡佑丞, 蘇育正, 黃悅民, & 劉嘉茹. (2013). 影片註記學習系統在機構學課程之應用與評估. 科技與工程教育學刊.
49.	曾文婕, & 柳熙. (2013). 获得· 参与· 知识创造——论人类学习的三大隐喻. 教育研究, 7, 88-97. 
50.	曾椿惠, & 陳明璋. (2009). 激發式動態呈現對學習成效與認知負荷影響之研究-以一元一次方程式為例
51.	湯明哲. (2000). 知識管理.
52.	黃冠捷. (2015). 性別於字幕需求與認知負荷和學習成效干擾效果之研究.
53.	黃馨誼, & 陳又菁. (2013). 學習風格與教材呈現對學習成效與認知負荷影響之研究. Paper presented at the Kc 2013 第九屆知識社群研討會論文集, 261-272.
54.	葉仲超. (2006). 學生知識管理-運用知識螺旋理論探討科技大學學生學習成效. 嘉南學報 (人文類), (32), 527-544.
55.	劉鼎昱. (2007). 網路學習環境之互動性對大學課程學習成效之影響. 嘉南學報 (人文類), (33), 429-446.
56.	歐陽誾. (2007). 職前教師網路資訊問題解決能力發展及影響因素之研究. 教育學刊, (28), 225-249.
57.	鄭谷苑, & 郭俊賢. (2004). 學習原理: 心智, 經驗與學校. 台北: 遠流出版公司.