對課頭數(shù)與教師個人評教分?jǐn)?shù)關(guān)系的實證分析

張顏江　向智林　袁俊毅

摘要：由于擔(dān)心多課頭會對個人評教分?jǐn)?shù)造成不利影響，教師對于承擔(dān)多門課程往往比較抵觸。對課頭數(shù)與教師個人評教分?jǐn)?shù)的關(guān)系進(jìn)行實證研究，發(fā)現(xiàn)課頭數(shù)對個人評教分?jǐn)?shù)的邊際效應(yīng)與課時量有關(guān)，并且顯著為負(fù)，這為教師的擔(dān)心提供了實證支持。為了提高評教分?jǐn)?shù)的公平性，補償多課頭數(shù)對評教分?jǐn)?shù)的不利影響，基于具體的樣本及實證結(jié)果，提出了相應(yīng)的對于個人評教分?jǐn)?shù)的調(diào)整建議。

關(guān)鍵詞：評教分?jǐn)?shù)；評教制度；課頭數(shù)

doi：10.16083/j.cnki.1671-1580.2018.09.013

中圖分類號：G710 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-1580（2018）09-0042-04

一、引言

學(xué)生評教分?jǐn)?shù)在高校中一直作為教師授課效果的重要評價指標(biāo)，受到各方面高度的重視。在現(xiàn)實中，為綜合考核教師，通常將一名教師所帶多門課程的學(xué)生評教分?jǐn)?shù)依據(jù)課頭數(shù)進(jìn)行再平均，將最后所得分?jǐn)?shù)作為該教師的最終學(xué)生評教分?jǐn)?shù)。然而，這一做法在現(xiàn)實中引起了很多爭議，其中之一就是教師認(rèn)為依據(jù)這一評教分?jǐn)?shù)進(jìn)行考核評價并不公平，因為不同老師所帶的課頭數(shù)不相同，課頭數(shù)多的老師教學(xué)精力被分散，獲得的評價分?jǐn)?shù)很可能低于課頭數(shù)較少的老師。而多課頭的教師為教學(xué)活動投入的總的勞動量并不少，甚至更多，但是教學(xué)質(zhì)量下降的責(zé)任并不能完全由教師承擔(dān)。

本文以某高職所屬二級學(xué)院財經(jīng)類專業(yè)為例，通過建立回歸模型，對課頭數(shù)與教師個人評教分?jǐn)?shù)之間的關(guān)系進(jìn)行實證分析，進(jìn)而提出了對評教制度的改進(jìn)意見。

二、文獻(xiàn)綜述

當(dāng)前，學(xué)術(shù)界對評教制度的研究主要集中在評教的有效性問題，以及有效評教體系構(gòu)建方面。已有研究表明：評教成績的高低受多種因素的影響，很難完全真實、有效地反映教學(xué)質(zhì)量。如潘愛珍、翁妮爾（2005）指出學(xué)生評教受自身評估能力的限制，對在課堂上能說會道，而所講內(nèi)容不一定是和書本相關(guān)的教師會有所偏向的高分。Ⅲ蘇連青等（2014）、劉哲（2014）、韋思明和戴玉英（2014）、張冬梅（2015）等文獻(xiàn)通過數(shù)據(jù)研究指出，在評教中學(xué)生存在打分隨意性較大、目的認(rèn)識不正確等問題，造成了評教分?jǐn)?shù)的不真實。姚長佳、趙亞翔（2015）指出教師的嚴(yán)格程度、學(xué)生的平時學(xué)業(yè)表現(xiàn)及其兩者的交互作用會大大影響學(xué)生評教的分?jǐn)?shù)。邱楷、葉道艷（2016）從時間地點、學(xué)生、課程和教師等四個方面共15個具體指標(biāo)研究學(xué)生評教成績的影響因素，并對學(xué)生評教中非教學(xué)因素的比重進(jìn)行分析，發(fā)現(xiàn)學(xué)生因素對評教成績有著較大的影響，而評教成績中非教學(xué)因素占比接近40%。

針對當(dāng)前評教中出現(xiàn)的有效性不足問題，學(xué)術(shù)界提出了改進(jìn)的思路與建議。潘愛珍、翁妮爾（2005）提出評教要多種方法綜合運用，提高學(xué)生的評教能力并要注意評教結(jié)果的保密性。謝淑海，張冬梅（2015）等文獻(xiàn)提出，應(yīng)從提高評教主體認(rèn)識、嚴(yán)格評教標(biāo)準(zhǔn)制定、學(xué)生評教和學(xué)生得分相互促進(jìn)、完善網(wǎng)絡(luò)評教系統(tǒng)等幾個方面進(jìn)行改進(jìn)。劉哲（2014）提出從規(guī)范評教過程，改進(jìn)評教方法，改進(jìn)學(xué)校的評教指標(biāo)體系設(shè)計等幾方面進(jìn)行完善。秦澎（2015）提出應(yīng)從構(gòu)建學(xué)生與教師雙贏共生，促進(jìn)學(xué)生、教師與高校管理者三方的信息對稱，篤行以評促改的教學(xué)管理機(jī)制等三方面著手規(guī)范評教工作。姚長佳、趙亞翔（2015）提出應(yīng)從學(xué)生評價指標(biāo)體系的設(shè)計、原始評分?jǐn)?shù)據(jù)的統(tǒng)計處理、學(xué)生評教的定量與定性相結(jié)合等三方面進(jìn)行改進(jìn)。

盡管對評教制度的有效性有著種種爭議，但該制度依然被廣泛認(rèn)為是教學(xué)質(zhì)量評價的必要環(huán)節(jié)，并且被多數(shù)高校所接受。在已有的文獻(xiàn)中，評教分?jǐn)?shù)是與課程相對應(yīng)的，相關(guān)的模型也是建立在課程評教基礎(chǔ)上的。然而，現(xiàn)實中，一名老師經(jīng)常承擔(dān)多門課程，學(xué)期末學(xué)校對教師的考核也是以所承擔(dān)課程的平均學(xué)生評教分?jǐn)?shù)為基礎(chǔ)的，因此會出現(xiàn)某老師雖然所帶的其中一門課評教分?jǐn)?shù)很高，但是所帶另一門課評教分?jǐn)?shù)較低，從而平均評教分?jǐn)?shù)較低的情況，這對該老師的績效會產(chǎn)生不利影響。對這一問題的分析，需要將研究對象從以往的課程評教分?jǐn)?shù)，改為與每名教師所對應(yīng)的所有課程平均學(xué)生評教分?jǐn)?shù)，即教師個人評教分?jǐn)?shù)。

本文以教師個人評教分?jǐn)?shù)為研究對象，從而可以將課頭數(shù)納入模型。研究表明，與預(yù)測一致，課頭數(shù)對教師評教分?jǐn)?shù)有負(fù)向的影響，但影響的大小程度與課時量有關(guān)。據(jù)此，本文對評教制度提出了相關(guān)改進(jìn)意見。本課題研究成果將為制定更科學(xué)、準(zhǔn)確、合理的評教指標(biāo)體系與方式提供依據(jù)。

三、假設(shè)的提出

舉個例子，如果兩個老師課時數(shù)相同，但是一個老師是同一門課，但兩個班，另外一個老師是兩個課頭，分別只一個班。那么在投入精力相同的情況下，兩個課頭的老師平均在每個課上的備課精力較少，因此在其他條件相同時，預(yù)期其平均教學(xué)質(zhì)量較低。據(jù)此，我們有：

假設(shè)1.其他條件相同的情況下，課頭數(shù)越多，個人平均每門課程的教學(xué)質(zhì)量越低。

以個人評教分?jǐn)?shù)衡量教師平均每門課程的教學(xué)質(zhì)量，假設(shè)1意味著課頭數(shù)越多，個人評教分?jǐn)?shù)越低。

如果總課時數(shù)比較少，那么如果增加一個課頭，教師依然可能有精力最大限度保證每門課的備課質(zhì)量不下降，但是如果總的課時比較多，此時增加一個課頭，在總的精力有限的情況下，那么教師將不得不降低每門課投入的精力，從而導(dǎo)致教學(xué)質(zhì)量的較大下降。據(jù)此，我們有：

假設(shè)2.其他條件相同時，課時數(shù)較多情形下，增加課頭數(shù)導(dǎo)致教學(xué)質(zhì)量的下降程度超過課時數(shù)較低情形下的下降程度，即課頭數(shù)與課時數(shù)對于教學(xué)質(zhì)量的影響有負(fù)的交叉效應(yīng)。

以個人平均評教分?jǐn)?shù)衡量教師平均每門課程的教學(xué)質(zhì)量，假設(shè)2意味著課頭數(shù)與總課時數(shù)對個人評教分?jǐn)?shù)有負(fù)的交叉效應(yīng)，或者說課頭數(shù)對個人評教分?jǐn)?shù)的邊際效應(yīng)隨課時數(shù)的增加而增大。

四、模型設(shè)計、樣本選擇與描述統(tǒng)計

（一）模型設(shè)計

以教師個人評教分?jǐn)?shù)衡量教師教學(xué)質(zhì)量，建立基本模型實證如下：

模型中以課頭數(shù)、課頭數(shù)與課時數(shù)交叉項作為教師個人評教成績的解釋變量，以表示職稱中級職稱、副高職稱、正高職稱三個虛擬變量，以及年齡、平方年齡、碩博學(xué)位虛擬變量、課時數(shù)、平方課時數(shù)共八個變量為控制變量。

（二）樣本選擇

本文以某高職院校會計專業(yè)、財務(wù)管理專業(yè)、金融專業(yè)三大財經(jīng)類專業(yè)2013年秋季學(xué)期至2016年春季學(xué)期共三年、六個學(xué)期的教師評教數(shù)據(jù)為研究對象，共包含53名教師的212個教師評教分?jǐn)?shù)的原始樣本。

課頭數(shù)的頻數(shù)統(tǒng)計如表2所示。其中超過87.14%的樣本課頭數(shù)是1～2門，僅有1.43%的樣本為4個課頭數(shù)。為了避免異常值的影響，我們首先從原始樣本中剔除課頭數(shù)為4的樣本，剩余208個樣本。對于另一個解釋變量KETOU KESHI，采用中位數(shù)士1.5倍四分位距的方法確定上下邊界分別為750與4。進(jìn)一步剔除超過上、下邊界的樣本，最后所得共201個樣本為最終研究對象。

（三）描述統(tǒng)計

表3給出了被解釋變量及解釋變量、控制變量的基本描述統(tǒng)計。從表中可看出，樣本中中級職稱教師超過50%，年齡均值約36歲，碩士以上學(xué)歷接近60%，可見，這是一支以具備碩士以上學(xué)歷、中級以上職稱的中年教師為主的教師隊伍。

五、實證結(jié)果分析

由上文基本模型式（1）出發(fā)，采用逐個代人進(jìn)行最小二乘回歸的方法（標(biāo)準(zhǔn)誤采用White異方差穩(wěn)健估計），建立模型（1）.（3）。其中模型（1）、（2）分別考查了課頭數(shù)以及課頭數(shù)與課時數(shù)交叉項對教師個人評教分?jǐn)?shù)的影響，模型（3）則考查了兩個解釋變量都進(jìn)入模型時的影響，結(jié)果如表4所示。

表4中模型（1）、模型（2）顯示課頭數(shù)，及課頭數(shù)與課時數(shù)的交叉項單獨進(jìn)入回歸時，都在1%水平上顯著，但是模型（3）結(jié)果顯示這兩個變量同時進(jìn)入模型時，課頭數(shù)變量并不顯著，并且符號為正，而交叉項系數(shù)在10%水平上顯著，并且符號為負(fù)，與假設(shè)2預(yù)測相同。因此，假設(shè)1未能通過檢驗，而假設(shè)2可以接受。這意味著課頭數(shù)對教學(xué)質(zhì)量，也即教師個人評教分?jǐn)?shù)的影響，并非直接性的，而是與教師所帶的課時量有關(guān)，具有交叉效應(yīng)，課時數(shù)越多，課頭數(shù)增加帶來的負(fù)面影響越大。

雖然最小二乘回歸系數(shù)估計量是一致估計，但在小樣本下對參數(shù)的標(biāo)準(zhǔn)誤估計依賴于干擾項服從均值為0的獨立同分布的正態(tài)分布。對模型（3）中殘差項作正態(tài)分布JB檢驗，結(jié)果在1%顯著性水平上拒絕正態(tài)分布假設(shè)。因此采用殘差重復(fù)抽樣法（bootstrap residuals）以及中位數(shù)回歸法對基本模型式（1）進(jìn)行非參數(shù)估計，結(jié)果如表5所示。與表4中模型（3）基本一致中，采用兩種非參數(shù)方法進(jìn)行估計所得結(jié)果，交叉項均顯著為負(fù)，假設(shè)2得到支持；但課頭數(shù)變量系數(shù)為正，假設(shè)1并未得到支持。

六、對教師個人評教分?jǐn)?shù)的調(diào)整建議

上文實證分析結(jié)果表明，課頭數(shù)對教師個人評教分?jǐn)?shù)的邊際效應(yīng)與教師所帶的總課時量有關(guān)，課時量越大，課頭數(shù)增加對評教分?jǐn)?shù)的負(fù)向影響越大。現(xiàn)實中，教師個人評教分?jǐn)?shù)經(jīng)常作為個人績效的指標(biāo)，為了不影響個人績效，教師也一般不愿意承擔(dān)多門課程。本文的研究為這一現(xiàn)實情況提供了實證支持。作為教學(xué)主管部門，課程的安排難以做到非常均衡，盡善盡美，而教師的訴求也有其合理性，因此有必要對個人評教評分制度作適當(dāng)調(diào)整，從而體現(xiàn)評教的公平性。

基于本文的樣本及調(diào)整R²最高的回歸模型（2），交叉項KETOU KESHI的系數(shù)為.0.012，這意味著對于課頭數(shù)超過一門的教師，其個人評教分?jǐn)?shù)由于課頭數(shù)增加所帶來的負(fù)向效應(yīng)是.0.012x課時量×（課頭數(shù).1），因此可以按照這一式子對個人評教分?jǐn)?shù)進(jìn)行調(diào)整，即調(diào)整后個人評教分?jǐn)?shù)=原個人評教分?jǐn)?shù)+0.012x課時量×（課頭數(shù).1）。

當(dāng)然，本文對個人評教分?jǐn)?shù)的調(diào)整建議依賴于本文所選擇的樣本，對于不同的學(xué)校不同的專業(yè)而言，需要針對具體的樣本進(jìn)行實證分析得出相應(yīng)的課頭數(shù)對個人評教分?jǐn)?shù)影響的邊際效應(yīng)，然后據(jù)此對評教分?jǐn)?shù)進(jìn)行相應(yīng)調(diào)整。

[責(zé)任編輯：馬妍春]