科學視覺素養評估測驗 (SVLAT)
arXiv - Human-Computer InteractionPatrick Phuoc Do, Kaiyuan Tang, Kuangshi Ai, Chaoli Wang
本研究開發並驗證了一套評估公眾科學視覺素養的測驗 SVLAT，旨在衡量其解讀科學視覺化圖表的理解能力。
AI 幫你先抓重點
AI 重點 1
SVLAT 測驗的開發與驗證過程。
滑鼠懸停看 AI 判斷理由
此過程展現了嚴謹的心理測量方法，對於未來開發類似的評估工具具有參考價值，並確保 SVLAT 的可靠性與效度，提升其應用於教育研究的信心。
AI 重點 2
SVLAT 測驗的高可靠性指標。
滑鼠懸停看 AI 判斷理由
高可靠性意味著 SVLAT 能夠穩定地衡量科學視覺素養，降低測量誤差，使研究結果更具說服力，並能有效區分不同個體的素養水平。
核心研究發現
- 1
研究團隊開發了一套包含 49 個題目、基於 18 個科學視覺化圖表的 SVLAT 測驗，涵蓋八種視覺化技術和十一種任務。
- 2
SVLAT 的開發過程遵循嚴謹的心理測量流程，包括構念定義、題目生成、專家審查（內容效度比率平均值為 0.79）以及大規模試驗。
- 3
透過古典測驗理論 (CTT) 和項目反應理論 (IRT) 的分析，SVLAT 展現了高度的可靠性，McDonald's omega_t = 0.82，Cronbach's alpha = 0.81。
- 4
專家審查的過程確保了 SVLAT 題目的內容效度，並針對試驗結果進行了項目分析與修正，提升測驗的整體品質。
- 5
SVLAT 的評估材料已公開提供，方便其他研究者使用與參考，網址為 https://osf.io/hr3nw/。
對教育工作者的啟發
SVLAT 提供了一個可靠的工具，用於評估公眾理解科學視覺化圖表的能力。教育工作者可以利用此測驗，了解學生在科學視覺素養方面的優勢與不足，並據此調整教學策略，強化學生對科學概念的理解。此外，SVLAT 也能幫助課程設計者，設計更有效的視覺化學習材料，提升學習效果。研究者可以利用 SVLAT 進行大規模的科學視覺素養調查，深入了解公眾的科學素養水平，並制定相應的科普教育政策。
原始文獻資訊
- 英文標題：
- SVLAT: Scientific Visualization Literacy Assessment Test
- 作者：
- Patrick Phuoc Do, Kaiyuan Tang, Kuangshi Ai, Chaoli Wang
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。