隨著AI技術的熱潮興起，世界各國提出各式AI相關教育政策，網路教學資源更是琳瑯滿目。然而AI人才仍舊嚴重不足，因此針對大多數人學生生涯的最後一哩路──大學之中，應如何提升教學品質與學習效率，激起更多學生對AI的理解及興趣是為一大重點。
　　本研究針對大學部資訊管理系共80人，以準實驗室實驗法探討自我學習方式與傳統教學方式之於學習成績的差異，並以問卷法就網路使用頻率、運算思維能力、自我學習準備度及學習動機為變數，探討是否對不同教學方式之學習成績有所影響。研究結果顯示，在自我學習與傳統教學模式下，學生的學習成績進步程度並無差異，但是自我學習讓學習更具自主性，因此建議教學者可適度讓學生自學，降低人力與時間成本以利規劃更完善的課程。

With the upsurge of AI technology, countries around the world have proposed various AI-related education policies. Online teaching resources are even more dazzling. However, there is still a serious shortage of AI talents. Therefore, for most students, the last mile of their students' careers-in universities, how to improve the quality of teaching and learning efficiency and arouse more students' understanding and interest in AI is a major focus.
    This research is aimed at 80 people in the Department of Information Management of the University Department, using a quasi-laboratory experiment method to explore the difference in academic performance between self-learning methods and traditional teaching methods.
　The questionnaire method is used to investigate the frequency of internet use, computational thinking ability, self-learning readiness and learning motivation as variables to explore whether it has an impact on the academic performance of different teaching methods.
　The research results show that there is no difference in the degree of progress of students' academic performance under self-learning and traditional teaching models, but self-learning makes learning more autonomous. Therefore, it is recommended that teachers allow students to teach themselves appropriately to reduce manpower and time costs. Plan a more complete course.

第一章 緒論	1
1.1 研究背景	1
1.2 研究目的	2
第二章 文獻探討	3
2.1 人工智慧教育發展	3
2.1.1 發展	3
2.1.2 自然語言處理之教材	4
2.2 運算思維與程式設計能力	4
2.3 自我導向學習能力	5
2.4 學習動機	7
第三章 研究方法	9
3.1 研究架構	9
3.2 實驗設計	10
3.2.1 問卷準備階段	10
3.2.2 課程及教材設計階段	13
第四章 研究結果	17
4.1 基本資料分析	17
4.2 AI課程測驗分析	17
4.2.1 前測	18
4.2.2 後測	19
4.3 問卷分析	19
4.3.1 Bebras國際運算思維挑戰	19
4.3.2 自我導向準備評量	20
4.3.3 學習動機量表	21
4.4 假說檢定	22
4.4.1 不同教學學習法之AI學習成績	22
4.4.2 網路使用頻率分析	22
4.4.3 運算思維能力之於不同教學組之AI學習成績	25
4.4.4 自我學習能力之於不同教學法之AI學習成績	25
4.4.5 學習動機之於不同教學法之AI學習成績	26
第五章 討論	28
5.1 假設與討論	28
5.2 探討H3之實驗與討論	29
5.3 探討H4及H5之實驗與討論	30
第六章 結論與建議	31
6.1 結論	31
6.2 管理意涵	32
6.3 研究限制與建議	32
參考文獻	33
附錄	36
附錄一、教學組之簡報教材	36
1.1	介紹	36
1.2 內容	37
附錄二、Bebras 運算能力測驗問卷	39

 
圖目錄
圖 1 研究架構圖	9

 
表目錄
表 1 各組織於運算思維之定義	5
表 2 SDLRS構面整理	6
表 3 基本資料調查題項	10
表 4 Bebras修正項目	10
表 5 SDLRS量表題目	11
表 6 學習動機問卷題目	12
表 7 實驗流程	13
表 8 網路資源清單	14
表 9 課程題目設計	14
表 10 人數與性別資料統計	17
表 11 網路使用頻率統計	17
表 12 鑑別度區間	18
表 13 前測之難易度與鑑別度	18
表 14 兩組課程前測敘述性統計表	18
表 15 兩組課程前測獨立T檢定分析	19
表 16 兩組課程後測之T檢定分析	19
表 17 Bebras計分規則	20
表 18 兩組Bebras測驗之T檢定分析	20
表 19 SDLRS各構面信度分析	20
表 20 SDLRS各構面之平均質與T檢定分析	21
表 21 學習動機量表信度分析	21
表 22 兩組學習動機量表之平均值與T檢定分析	22
表 23 自學組與教學組後測之T檢定分析	22
表 24 網路使用頻率描述性分析	23
表 28 網路使用頻率、教學組別與AI學習成績之雙因子變異數分析	23
表 29 不同教學組別下，網路使用頻率與AI學習成績之ANOVA分析	23
表 30 不同教學組別下，網路使用頻率與AI學習成績之ANOVA分析	24
表 31 不同教學組別下，網路使用頻率與AI學習成績之多重比較	24
表 32 運算思維能力測驗分數分組	25
表 33 運算思維能力、教學組別對AI學習成績之ANOVA分析	25
表 34 自我學習能力與AI學習成績之相關分析	25
表 35 學習動機與AI學習成績之相關分析	27
表 36 假說驗證結果表	28
表 37 探討H3之實驗流程	29
表 38 運算思維能力與AI成績之皮爾森相關性分析	30
表 39 探討H3及H4之實驗流程	30
表 40 SDLRS量表、學習動機量表與AI學習成績之皮爾森相關分析	30

一、中文部分
張春興、林清山(1989)。教育心理學(第二十二版)，台北：東華。
鄧運林(1992)。自我導向學習對成人學生學習行為、學業成績影響之實驗研究。國立政治大學教育研究所博士論文，台北。
張春興(1996)。教育心理學：三化取向的理論與實踐。台北：東華。
朱敬先(2000)。教育心理學。台北：五南。
陳一明(2006)。網路自學模式與傳統自學模式比較研究。國立臺灣師範大學工業科技教育學系碩士論文，台北。
蔡文憲(2011)。國小教師自我導向學習與其參與數位學習效能之研究—兼及建構取向學習觀之探討。國立高雄師範大學教育學系博士論文，高雄。
褚欣慧(2012)。擴增實境學習系統使用者的認知型態、學習動機與電腦態度對認知負荷之影響。國立臺灣師範大學圖文傳播學系碩士論文，台北。
劉曉雯(2014)。自我導向學習、專業發展自我覺察、支持性組織氣候對教師專業發展之影響：階層線性模式分析。國立中央大學企業管理學系博士論文，桃園。
陳思嘉(2015)。台北市高中職學生網路使用行為、人際關係與網路成癮之相關研究。國立台灣師範大學健康促進與衛生教育學系碩士論文，台北。
許子弘(2015)。學生自學、教師教學與學生成就水準對學生數學學習成效、態度及認知負荷之影響－以國中數學圓與角單元為例。國立交通大學理學院科技與數位學習學程論文，新竹。
李勇輝(2017)。學習動機、學習策略與學習成效關係之研究-以數位學習為例。經營管理學刊。14，68-86頁。
賴婉玥(2018)。以聊天機器人實作培養學生運算思維。國立臺灣師範大學資訊教育研究所碩士論文，台北。
陳政佑(2019)。micro:bit程式設計課程教學對於國小五年級兒童運算思維之影響。台北市立大學資訊科學系碩士在職專班碩士論文，台北。
平子航(2019)。以科技接受模式探討技術型高級中等學校學生使用數位學習平台之行為意圖：以自我導向學習為調節變項。國立臺灣師範大學工業教育學系碩士論文，台北。
張嘉倫(2019)。國際運算思維挑戰賽測驗結果與國小五年級學生Scratch程式設計學習成效相關性之研究。萬能科技大學資訊管理研究所在職專班碩士論文，桃園。
林蒧均(2019)。國際與台灣的AI人才培育政策。中華經濟研究院。2020.12.13 取自 https://www.italent.org.tw/ePaperD/9/ePaper20191200004
資訊及科技教育司(2019)。AI教育X教育AI－人工智慧教育及數位先進個人化、適性化學習時代來臨。中華民國教育部。2020.12.13 取自 https://www.edu.tw/News_Content.aspx?n=9E7AC85F1954DDA8&s=D4C4CD32CAE3FF5D
劉晨鐘(2019)。運算思維與程式設計教育浪潮。人文與社會科學簡訊。20(4)，89-92頁。
中小學網路素養與認知(2019)。網路素養。教育部資訊及科技教育司。2021.07.15取自https://eteacher.edu.tw/Package.aspx?id=4
盧玟燕(2020)。導入AI機器學習之天氣預測系統專題課程對高中學生AI學習成績影響之研究。國立高雄師範大學工業科技教育學系碩士論文，高雄。
呂子芸(2020)。情境式程式除錯教學對大學生學習成效與自我效能之影響。國立台北教育大學數學暨資訊教育學系碩士班碩士論文，台北。
鄭培宇(2020)。以學習分析技術探討程式設計學習歷程對於運算思維能力的影響。國立成功大學工程科學系博士論文，台南。
翁昆漢(2021)。桌上遊戲融入毒品防制教育對六年級學生的學習成效與學習興趣影響之研究。台北市立大學教育學系碩士論文，台北。

二、英文部分
Agnesia, R.H. (2010). Features affecting task-motivation in English for academic purposes online learning. Second Language Studies, 29(1), 1-34.
Chou, P.N. (2008). Exploratory Study of the Relationship between Self-Directed Learning and Academic Performance in a Web-Based Learning Environment. Online Journal of Distance Learning Administration, 11(1).
Galanek, J.D., Gierdowski, D.C., and Brooks, D.C. (2018). ECAR Study of Undergraduate Students and Information Technology. Research report. Louisville, CO: ECAR.
Grow, G.O. (1991/1996). Teaching Learners to be Self-Directed. Adult Education Quarterly, 41 (3), 125-149. Expanded version available online at:  http://www.longleaf.net/ggrow.
Guglielmino, L.M. (1977). Development of the self-directed learning readiness scale. Master’s thesis, State University of Georgia, Georgia.
Hambrusch, S., Hoffmann, C., Korb, J.T., Haugan, M., and Hosking, A.L. (2009). A multidisciplinary approach towards computational thinking for science majors Proceedings of the 40th ACM technical symposium on Computer Science Education, SIGCSE '09, March 4-7, 2009, Chattanooga, TN USA (pp. 183-187). New York, NY, USA: ACM.
Knowles, M.S. (1975). Self-directed learning. New York: Association Press.
Kubey, R.W., Lavin, M.J., Barrows, and J.R. (2006). Internet use and collegiate academic performance decrements: early findings. Journal of Communication.  51, 366-382.
Lee, I.C. (2010). The effect of learning motivation, total quality teaching and peer-assisted learning on study achievement: Empirical analysis from vocational universities or colleges’ students in Taiwan. Journal of Human Resource and Adult Learning, 6(2), 56-73.
MIT News Office (2018). MIT reshapes itself to shape the future, Massachusetts Institute of Technology, Retrieved December 13, 2020, from https://news.mit.edu/2018/mit-reshapes-itself-stephen-schwarzman-college-of-computing-1015.
Perrin, A. and Jiang, J. (2018). Almost a Quarter of U.S. Adults Say They Are 'Almost Constantly' Online, Pew Research Center, March 14, 2018.
Pilling-Cormick, J. (1996). Transformative and self-directed learning in practice. San Francisco: Jossey-Bass.
Senthil, V. (2018) Does the more internet usage provide good academic grades?. Educ Inf Technol 23, 2901–2910.
Siriwongs, P. (2015). Developing Students’ Learning Ability by Dint of Self-Directed Learning. Procedia - Social and Behavioral Sciences. 197, 2074-2079.
Tough, A. (1979). Major learning efforts: Recent research and future directions. Adult Education, 4, 250-265.
Truzoli, R., Viganò, C., Galmozzi, P.G., and Reed P. (2019). Problematic internet use and study motivation in higher education. Journal of Computer Assisted Learning.
Wing, J.M. (2006). Computational Thinking. Communications of the ACM, 49(3), 33-35.
Zhang, Y., Qin, X., and Ren, P., (2018). Adolescents' academic engagement mediates the association between Internet addiction and academic achievement: The moderating effect of classroom achievement norm. Computers in Human Behavior, 89, 299-307.