昨天留下的待驗項之一是「有追蹤設計的研究」,今天找到一篇中文的追蹤研究:Ding、Li 與 Wu 2020 年發在 Frontiers in Psychology 的論文,123 位山西小學生,測的是「手寫流暢度」與「聽寫拼字正確率」兩者誰預測誰。結論是雙向都顯著:四年級的抄寫流暢度對五年級的聽寫有路徑係數 0.17(p 小於 0.05),四年級的聽寫對五年級的抄寫流暢度有 0.23(p 小於 0.01)。我把全文與圖 1 都讀過並逐項重算,結果是:表 2 與表 3 內部一致,但模型配適的 RMSEA 我算出 0.085、論文寫 0.07,兩條交叉路徑的差距也小到無法判斷哪個方向較強,而且這篇追蹤的不是輸入法,所以「拼音打字是否造成提筆忘字」的追蹤證據仍然沒有。

資料來源分級:Ding 等人 2020 的全文(PMC 頁面 HTML)與圖 1(圖檔)是我自己下載、抽出文字與讀圖的,屬一手;Zhou 等人 2020 的 npj Science of Learning 論文同樣是下載 PMC 頁面後讀全文,屬一手;紐約大學校報那篇是 WebFetch 的摘要擷取,屬轉述;成人字遺忘的搜尋結果只讀到搜尋摘要。「自算」一律是我用論文報告的數字重算,沒有原始資料。今天我沒有拿筆寫任何字,下面的流程是從這篇論文的測量方式改出來的外推,沒有人在成人或繁體中文上測過。

📖 學

一、對帳:前幾天的待驗項

待驗項今天的結果狀態
有追蹤設計的研究找到 Ding 等人 2020(四年級到五年級,123 人),但它追蹤的是抄寫流暢度對聽寫拼字,不是拼音打字對字形記憶;輸入法那條線仍只有橫斷面(Zhou 等人 2020 為 45 位兒童的橫斷面,見第六節)部分解:有追蹤、但不是輸入法追蹤,輸入法追蹤仍待驗
成人繁體中文的練習研究搜尋只看到成人的 fNIRS 提筆忘字研究(23 位講廣東話的成人,觀察腦區活化)與提筆忘字的大規模盤點,都不是練習介入;只讀到搜尋摘要未解,仍待驗
台灣注音對倉頡今天沒有新資料待驗,不動
10 月 27 日 30 題自測重測還有 3 天待驗
10 月 29 日 40 詞聽寫還有 5 天待驗
真人快慢錄音、接觸判定演算法、7 字抄寫、10 月 7 日墨膜實驗今天沒有新資料待驗,不動

二、Ding 等人 2020 的設計

這篇論文的標題是「The Reciprocal Relationship Between Handwriting Fluency and Spelling Accuracy in Chinese: A Longitudinal Study」,作者 Yuan Ding、Liping Li、Xinchun Wu,Frontiers in Psychology 第 11 卷 620 號文章,摘要稱「兩年追蹤、三到五年級」。細看方法段,「兩年」指的是整個設計,核心兩個變項其實只量了兩個時間點。

時間點年級量了什麼
T0一年級秋季非語文智力(瑞文)
T1三年級秋季音韻覺識(音素刪除)、快速唸數字(RAN)
T2四年級秋季手寫流暢度(兩項抄寫)、拼字正確率(兩組聽寫)
T3五年級同上,手寫流暢度用同樣的兩項,聽寫換了另一批字

樣本是從山西兩所小學整群抽樣的 136 人,13 人因轉學退出,剩 123 人(男 62、女 61)。退出率論文寫 9%,我自算 13 除以 136 是 9.6%,四捨五入會是 10%,這是小誤差。T2 與 T3 的間隔論文沒明講,只寫 T3 是「五年級」;我推測是相隔約一年,但全文沒有確認。

手寫流暢度的兩項任務各 1 分鐘:數字抄寫是反覆抄「一二三四五六七八九十」,句子抄寫是反覆抄一句含各種筆畫的句子(論文用簡體的「敏捷的棕狐狸跳越懒狗」),計分是「依序抄對的字數」。論文報告的重測信度是數字抄寫 0.78、句子抄寫 0.71,但只寫「四年級與五年級的測驗」,沒說重測間隔。拼字正確率是聽寫雙音節詞中的目標字,簡單題 12 個取自該年級課本,困難題 12 個取自下一年級課本、是低頻字;Cronbach α 簡單題 0.70 與 0.74、困難題 0.72 與 0.77。

變項T2(四年級)T3(五年級)
數字抄寫(1 分鐘字數)49.41 ± 10.1858.12 ± 10.76
句子抄寫(1 分鐘字數)13.75 ± 2.8617.07 ± 2.69
聽寫簡單題(滿分 12)10.25 ± 1.689.81 ± 2.29
聽寫困難題(滿分 12)7.86 ± 2.657.42 ± 2.79

聽寫兩個時間點用的題目不同,所以論文自己說不能比較 T2 與 T3 的拼字分數,簡單題平均從 10.25 降到 9.81 不代表退步。

三、交叉延遲模型的路徑:數字只在圖 1

論文的結果段沒有列出路徑係數表,也沒有標準誤或信賴區間;所有係數只畫在圖 1 裡。我把圖檔下載讀出來,整理如下(標準化係數,星號為論文標示)。

路徑係數
手寫流暢 T2 到手寫流暢 T3(穩定性)0.59,p 小於 0.001
拼字 T2 到拼字 T3(穩定性)0.80,p 小於 0.001
拼字 T2 到手寫流暢 T3(交叉)0.23,p 小於 0.01
手寫流暢 T2 到拼字 T3(交叉)0.17,p 小於 0.05
T2 手寫流暢與拼字的同期相關0.23,p 小於 0.01
T3 兩者的殘差相關0.07,不顯著
控制變項:RAN 到 T2 拼字−0.30,p 小於 0.001
控制變項:RAN 到 T2 手寫流暢−0.22,p 小於 0.05
控制變項:智力到 T2 拼字0.19,p 小於 0.05

測量模型裡,T2 的手寫流暢潛變項由數字抄寫(載荷 0.67)與句子抄寫(0.93)組成,T3 則是數字抄寫載荷 1.00、句子抄寫 0.67;拼字潛變項的載荷在 0.77 到 0.95 之間。T3 的數字抄寫載荷剛好 1.00,代表該指標的殘差變異被估成接近零,這是 SEM 常見的邊界解現象,我的判斷是它提示模型在這一塊可能過度彈性,但全文沒有討論。

四、自算核對

**表 2 與表 3 內部一致。**論文報告兩項抄寫從四年級到五年級的重複測量 F 值:數字抄寫 F(1, 122) = 68.79、句子抄寫 151.66。我用表 2 的平均與標準差、表 3 的兩年相關(數字抄寫 r = 0.38、句子抄寫 r = 0.42)重算配對 t:數字抄寫差 8.71 字、差分的標準差 11.67,t = 8.28、F = 68.5;句子抄寫差 3.32 字、差分標準差 2.99,t = 12.31、F = 151.4。兩個都與論文的 F 吻合,反過來用論文 F 反推相關是 0.382 與 0.421,也對得上表 3。配對效果量 dz 分別是 0.75 與 1.11:四到五年級一年之間,抄寫速度的長進相當大,這是年級發展,不是練習效果。

**模型配適的 RMSEA 對不上。**論文給修正後模型 χ² = 58.19、df = 31,RMSEA = 0.07、CFI = 0.95、TLI = 0.92;χ² 除以 df 是 1.88,小於論文引用的標準 2,吻合。但用標準公式 √((χ² − df) ÷ (df × (N − 1))) 代入 N = 123,RMSEA 是 0.085;改用退出前的 N = 136 是 0.081;兩個都高於論文自己引用的 0.08 門檻、也高於它寫的 0.07。原模型 χ² = 68.51、df = 32 算出 0.097,論文寫 0.09(0.097 會進位成 0.10)。我不知道 Amos 內部用的確切樣本數與參數計算,所以這裡只能說「我重算對不上、不下結論」;CFI 與 TLI 需要基準模型的 χ²,論文沒給,我無法重算。另外,修正後的模型是依修正指標加入「T2 句子抄寫與 T3 數字抄寫相關」才達到門檻,資料導向的修正在 123 人的樣本上容易過度配適(一般論,論文沒有討論)。

**兩個交叉方向的差距無法分辨。**0.23 與 0.17 差 0.06。論文沒有給標準誤,我只能用星號反推:0.17 的星號代表 p 介於 0.01 與 0.05,標準誤落在 0.066 到 0.087,對應 95% 信賴區間下緣約在 0.00 到 0.04、上緣約 0.30 到 0.34;0.23 的星號代表 p 介於 0.001 與 0.01,標準誤約 0.070 到 0.089。假設兩個估計互相獨立(實際一定有相關,所以這是粗估),兩者差的標準誤至少約 0.096,差距的 z 值最多約 0.62。論文的討論把兩個方向分開談、沒有說誰比較強,也沒有做兩條路徑相等的檢定,所以「雙向」成立、「哪邊較強」不能說。

**檢定力偏低,0.17 這條尤其脆弱。**n = 123 時,單純相關在 80% 檢定力下能偵測的最小 r 約 0.25(自算,Fisher 轉換);若真值是 0.17,檢定力約 47%,真值 0.23 約 73%。上面是零階相關的算法,放進三個控制變項與潛變項後檢定力只會更低(推論)。這代表 0.17 若為真值,有一半以上機會根本測不到;而測到了,在低檢定力下被偵測出的估計傾向高估(「贏家詛咒」,方法學的一般論,不是論文的說法)。

**小瑕疵:退出組比較的統計數字。**論文為了比較留下與退出的孩子,寫「智力 t(123) = −1.24、p = 0.22;性別 χ²(1) = 1.67、p = 0.25」。136 人的兩組比較自由度應是 134,而不是 123;p 值自算 0.217,與 0.22 吻合,但 χ²(1) = 1.67 對應的 p 是 0.196,不是 0.25。結論不變(都不顯著),只是這篇的統計報告有幾處粗糙。

五、這個設計能說與不能說的

**抄寫速度不是從記憶提取字形。**數字抄寫是抄「一」到「十」,筆畫極少;句子抄寫是看著字抄。兩者測的是視覺轉動作的速度,聽寫拼字則要從記憶提取字形。論文的討論提出三個機制(視覺動作整合、字詞表徵精緻化、自動化),但這個設計只量了「抄得快」與「聽寫準」的統計關係,三個機制本身都沒有被檢驗,這是我的判斷。

**訊號主要來自句子抄寫,不是數字抄寫。**表 3 裡,T2 數字抄寫與 T2 聽寫簡單題、困難題的同期相關只有 0.07 與 0.13(n = 123 時,p 小於 0.05 的門檻約 r = 0.177,所以都不顯著);T2 句子抄寫則是 0.31 與 0.28。時間先後也沒有帶來額外相關:T2 句子抄寫與 T3 簡單題、困難題的相關是 0.35 與 0.27,與同期的 0.31 與 0.28 相當,並沒有更大;T2 數字抄寫對 T3 簡單題 0.19、困難題 0.16(後者不顯著)。從這看,「前一年抄得快,一年後聽寫較準」與「同一時間抄得快的人聽寫也準」大致是同一件事,時間先後的證據相當薄,這點是我的讀法,不是作者的結論。

**可能的題目重疊。**T2 的困難題取自「下一年級」課本,也就是五年級;T3 的簡單題取自「現年級」課本,也是五年級。表 3 裡 T2 困難題與 T3 簡單題相關 0.68,比 T2 簡單題與 T3 簡單題的 0.66 稍高。論文沒說兩批題目的字是否重疊,這只是我提出的假設(它會讓拼字穩定性 0.80 偏高),我無法驗證。

**一年穩定度遠低於信度。**一年的相關:數字抄寫 0.38、句子抄寫 0.42;論文報告的重測信度 0.78 與 0.71。若信度是同年級短期重測,表示一年之間孩子的個別排名有相當大的重新洗牌;但論文沒寫重測間隔,所以我不確定這個對照成不成立,只當作提醒。

**如果信度是同年級重測,抄寫探測要多大的變化才算「真的變了」。**自算,用 T2 的標準差、套標準測量誤差 SEM = SD × √(1 − 信度),95% 最小可偵測變化 = 1.96 × √2 × SEM(假設論文的信度適用於每次測驗的前後比較,這是假設):

探測T2 平均SD假設信度SEM最小可偵測變化占平均
句子抄寫(1 分鐘)13.752.860.711.54 字4.27 字31%
數字抄寫(1 分鐘)49.4110.180.784.77 字13.2 字27%

也就是說,以這批兒童的信度,單次的兩次抄寫分數要差超過約三成,才可以說不是雜訊。成人的信度我沒有數據,這張表只能當尺度參考。

六、輸入法那條線:Zhou 等人 2020 仍是橫斷面

Zhou、Kwok、Su、Luo 與 Tan 2020 發在 npj Science of Learning 第 5 卷第 3 號文章,45 位四到六年級兒童(平均 10.2 歲,SD 1.0),依「每天用拼音打字是否超過 15 分鐘」分兩組(多的 22 人、少的 23 人),做 fMRI 與結構影像。我讀的是 PMC 全文頁面。行為結果:字詞閱讀流暢度,拼音打字較多的組在單字(t(32) = −2.06、p = 0.048)與雙字詞(t(32) = −3.22、p = 0.003)得分較低,我自算 p 值分別是 0.048 與 0.003,吻合;拼音的流暢度則沒有組間差;掃描儀內的四項任務,正確率與反應時間在組間都沒有顯著差。

這篇值得記的細節是兩組在「每天用筆寫字的時間」與「離線閱讀時間」上沒有差異(p 都大於 0.05),但打字組在 3C 總使用時間、字詞辨識分數上有差(字詞辨識 t(43) = −2.23、p = 0.031)。所以「拼音打字多」與「手寫少」在這個樣本裡沒有重疊,差異可能來自螢幕總時間或其他共變因素;作者做了迴歸控制,但設計仍是橫斷面、只有 45 人、按 15 分鐘切成兩組是人為門檻。

七、證據類型對照:誰撐得住哪一個主張

主張目前最近的證據設計還缺什麼
教手寫比不教好López-Escribano 2022:13 篇真實或準實驗,0.66介入研究統合成人、繁體中文
抄寫流暢度與之後的拼字有關Ding 2020:路徑 0.17,p 小於 0.05觀察式追蹤、兩個時間點、123 人重複、更大樣本、早期年級
拼音打字多與閱讀弱有關Tan 2013、Zhou 2020橫斷面追蹤、台灣注音與倉頡的對比
練習手寫能改善成人的提筆忘字今天沒有無全部

Ding 的研究也許是三種證據裡最接近「時間先後」的,但它沒有操弄任何變項,所以也沒有任何一篇讓我們說「練手寫會讓一般成人拼字變好」。

八、時事背景

紐約大學校報 Washington Square News 10 月 23 日有一篇報導,Colette Yehl 寫校內教師因為生成式 AI 而回頭加重手寫考試與無科技教室,報導引述兩個數字:超過三分之一的學生基本手寫能力有困難、超過三分之一不會讀寫草書。我讀的是 WebFetch 摘要,頁面摘要沒有給這兩個數字的來源,所以這兩個數字待驗,我不採用。這則報導的價值是時事面:手寫考試回頭是對 AI 的制度反應,與今天這些研究要回答的「練習手寫是否真的改善字形記憶」是兩回事,不能互相背書。

🧠 記

  • **Ding、Li、Wu 2020(Frontiers in Psychology 第 11 卷 620 號):**123 位小學生,四年級與五年級兩個時間點;手寫流暢到之後拼字 0.17(p 小於 0.05)、拼字到之後手寫流暢 0.23(p 小於 0.01),穩定性 0.59 與 0.80;係數只在圖 1,論文無標準誤。
  • **我的核對:**重複測量 F 吻合(數字抄寫自算 68.5 對 68.79、句子抄寫 151.4 對 151.66);RMSEA 我重算 0.085(N = 123)對論文 0.07;兩個交叉方向的差 z 最多約 0.62,無法分辨強弱;0.17 的檢定力約 47%。
  • **訊號來源:**T2 數字抄寫與聽寫的同期相關 0.07 與 0.13 不顯著,訊號主要來自句子抄寫;時間先後沒有帶來比同期更大的相關。
  • **尺度參考(兒童、自算):**句子抄寫與數字抄寫的 95% 最小可偵測變化各約 4.3 字與 13.2 字,約占平均的 31% 與 27%。
  • **輸入法追蹤仍缺:**Zhou 2020 是 45 位兒童的橫斷面,拼音打字多的組單字與雙字詞閱讀較低;兩組用筆寫字時間沒有差。
  • **成人繁體中文的練習研究:**今天仍沒找到。

**邊界:**Ding 與 Zhou 兩篇我讀了全文與圖,其餘(成人 fNIRS、提筆忘字大規模盤點、NYU 報導)只讀摘要層級;我用星號反推標準誤、用標準公式重算 RMSEA,都沒有原始資料也沒有 Amos 的確切設定;T2 與 T3 間隔、重測信度的間隔、題目是否重疊,論文都沒寫,我的說法是假設;今天沒有實際書寫。

✍️ 實踐

這一輪把 Ding 論文的兩個一分鐘抄寫探測改成「個人日間雜訊的測量」,目的不是練手寫,是先知道自己抄寫速度每天自然會抖多大,之後 10 月 27 日的 30 題自測重測與 10 月 29 日的聽寫才有尺度可以判讀。需要:計時器、稿紙或方格紙、同一支筆,以及兩份固定材料:數字列「一二三四五六七八九十」,和句子「敏捷的棕狐狸跳越懶狗」(取自論文,但改成繁體字)。

**每天做一次,連做 5 天(10 月 24 日到 28 日),固定同一個時段,約 3 分鐘。**先抄句子 1 分鐘,休息 1 分鐘,再抄數字列 1 分鐘。要求是「以平常記筆記的速度、不要刻意求快」,反覆抄寫、排滿一行再下一行。計分用論文的規則:依序抄對的字數;錯字不計分、但不中斷計數(論文沒寫遇到錯字怎麼處理,這是我定的規則,第 1 天先寫在紙上,5 天不變)。每天記句子字數、數字字數、錯字數,不做其他練習。

**第 5 天算。**5 次的平均與 SD,各算兩項。把 SD 當作單次測量的總雜訊(含真正的日間波動與計分誤差,沒有練習趨勢的前提下),兩次測量的差要超過 1.96 × √2 × SD,約 2.77 倍 SD,才算超出雜訊。舉個純屬示意、不是我的資料的例子:若句子字數 5 天是 62、66、64、67、63,平均 64.4、SD 2.07,最小可偵測變化約 5.7 字,約是平均的 9%。比第 1 天和第 5 天:若後者高於前者超過這個值,而且五天大致單向上升,那是探測本身造成的練習效應,先把它視為雜訊來源,不要當作進步。5 個值估出的 SD 本身很不準,95% 信賴區間約是真值的 0.60 到 2.87 倍(卡方分配自算),所以這個尺度要保守看。

**接到 10 月 27 日與 29 日。**第 1 到 5 天的抄寫探測是「第一波」;10 月 27 日的 30 題自測重測是「第二波拼字」。但只有一個人、兩個時間點,所以不能做交叉延遲模型,只是把兩波數字並排記下,看「抄寫速度」與「30 題錯字數」有沒有一起變、各自變多少。判讀規則事先寫好:抄寫字數的變化小於你自己算出的最小可偵測變化,結論寫「看不出」;30 題自測的變化按 10 月 20 日算的單次標準誤(約 9 個百分點)判讀。

**這個流程回答不了的事。**它沒有控制組、只有一個人、探測本身就是抄寫練習;Ding 的 0.17 是 123 個孩子的群體統計關係,不能用個人的 5 天資料驗證。若抄寫速度與錯字數在你身上一起變動,也只是記錄,不是因果。成人的重測信度我沒有數據,所以前面兒童的 31% 與 27% 只當對照尺度。

🔗 延伸學習


💬 問 AI

我今天整理了一篇中文手寫追蹤研究,請協助我檢查並設計個人記錄。已知(來自我讀到的論文全文與圖):
1. Ding、Li、Wu 2020(Frontiers in Psychology 第 11 卷 620 號):山西小學生,136 人退出 13 人剩 123 人;T2 四年級、T3 五年級量手寫流暢度(1 分鐘數字抄寫、1 分鐘句子抄寫)與拼字正確率(聽寫簡單題、困難題,兩個年級題目不同)。交叉延遲模型(路徑只在圖 1,無標準誤):手寫流暢 T2 到拼字 T3 為 0.17(p 小於 0.05),拼字 T2 到手寫流暢 T3 為 0.23(p 小於 0.01),穩定性 0.59 與 0.80,T2 同期相關 0.23。修正後模型 χ² = 58.19、df = 31,論文寫 RMSEA = 0.07,我用 N = 123 重算是 0.085。
2. 表 2:數字抄寫 49.41 ± 10.18 到 58.12 ± 10.76,句子抄寫 13.75 ± 2.86 到 17.07 ± 2.69;一年相關 0.38 與 0.42;論文報告的重測信度 0.78 與 0.71(間隔未寫)。T2 數字抄寫與聽寫的同期相關只有 0.07 與 0.13。
3. Zhou 等人 2020(npj Science of Learning):45 位四到六年級兒童,橫斷面,拼音打字每天超過 15 分鐘的組,單字與雙字詞閱讀流暢度較低;兩組用筆寫字時間無差異。
4. 我設計的個人記錄:連 5 天每天做一次 1 分鐘句子抄寫與 1 分鐘數字抄寫,用 5 天 SD 算最小可偵測變化 = 1.96 × √2 × SD,再與 10 月 27 日的 30 題錯字自測重測並排比較。
請逐項回答,嚴格區分三類:(一)上述資料明確寫了的、(二)你能憑訓練資料確定的、(三)純屬推論的,每項標明把握程度(高/中/低);不確定就直說不確定,不要編造文獻、數字或連結。這是學習與方法討論,不要給教育、醫療或人事決策建議。
A. 我用 RMSEA 公式重算與論文對不上,常見的原因有哪些(樣本數定義、Amos 的自由度、修正指標)?這會不會改變「兩條交叉路徑都顯著」的結論?
B. 只有兩個時間點的交叉延遲模型,能不能支持「手寫流暢度預測之後的拼字」這種時間先後的說法?它與同期相關差在哪裡?還有什麼混淆(題目重疊、年級發展、共同的第三變數)?
C. 這篇用「抄寫速度」代表手寫流暢度,而聽寫拼字要從記憶提取字形;這樣的操作化能不能支持論文討論的三個機制?你知道有哪些真實存在的、針對成人中文手寫或提筆忘字的追蹤或練習研究?只列你確定存在的,並說明你讀過全文還是只知道摘要。
D. 我的個人記錄有哪些偏誤(探測本身的練習效應、時段、筆與紙、計分規則)?5 個值估 SD 太不準,怎麼改才更有判斷力?
E. 把所有存疑項目分成三堆:憑訓練資料就能判斷的、必須查一手文獻的、必須用我自己實際資料才能回答的。