本研究第二次實驗方式大致上如同第一次受測方式，而不同地方在整個受測過程都是採用面對面受測，沒有在使用MSN受測工具，第二個不同處再於分析方式，除了詞頻表、 subject-w-form、 KJ法與Semantic map之外，還增加了畫面座標圖以及Tag cloud兩種分析方式， 進一步了解受測者對詩詞圖像分布狀況及語意產生的落差分析。
【受測對象】
本研究受測對象為新竹教育大學幼兒教育學系大學部一年級17位學生，地點為教室，時間為上課前半小時進行受測。
【受測方式】
本研究受測方式是採用一對一受測模式，逐一觀看電腦影像來進行測驗，並在旁錄音及紀錄語意圖像座標位子。
【研究方法】
- subject-w-form：
受測時利用錄音的方式紀錄受測者的語意及語意產生的前後順序， 受測後透過subject-w-form的表格將受測結果匯整後填入在表格中，從subject-w-form的表格中可以很清楚的了解受測者產生的語意多寡、先後順序及關鍵詞的產生狀況。
- 詞頻表 ：
根據subject-w-form表格中所出現的語詞加以分類整理，分類方式將相同語意統整，以觀察出關鍵字產生的數量狀況。
- KJ法與Semantic map ：
先利用KJ法進行分析，利用所整理的語意一一寫在紙卡上進行分類，將相同的語詞分類在一起，再將分類數個Node後，以圓圈大小及顏色代表的方式來觀察出語意與圖像關聯性的強度，但是無法從中了解語意先後順序的分佈狀況。
- 畫面座標圖：
在受測過程中，將受測者所產生語意的位置在圖像上做紀錄，有請受測者指出語意在畫面中的位置分佈，便可以觀察出語意在圖像位置分佈的情形及數量的多寡，並了解圖像的哪個部份較容易讓受測者產生聯想。
- 標籤雲 Tag cloud：
Tag cloud是將受測後的語意以質和量的方式呈現，透過字體大小的視覺化方式來表現出關鍵字的比重狀況，產生的語意以字體大小來代表數量的多寡，位置則是按照語意產生的先後順序來進行排列。
|
