基于有序多分類Logistic模型的大學生學習效果影響因素分析

麥繼芳

(嶺南師范學院 數學與統(tǒng)計學院，廣東 湛江 524048)

百年大計，教育為本。教育是一個國家的靈魂，一個民族的希望。大學生作為我國建設特色社會主義的主力軍，直接關乎國家的命運發(fā)展。日前，國內很多高校逐漸形成一種趨勢——重視科研成果的產出，忽視教學工作，這與高校的辦學初衷相違背。OBE教育理念的提出對現(xiàn)代教育影響重大。在OBE理念中，強調一切教學組織和考核方式應以學生的學習效果為導向，大學生的學習效果的界定應以教學目標來確定[1]。然而，只有找出影響大學生學習效果的因素，才能對癥下藥，從而做到精準、快速提升大學生的學習效果。

目前，我國學者針對學生學習效果影響因素分析的研究成果不多，尚且存在一些不足。主要表現(xiàn)如下：1.在研究對象上，針對大學生的學習效果相關問題研究稀少；2.在變量研究范圍上，尚未有學者同時結合學生自身信息和教師的學歷、職稱、教齡、是否參與教材改編及學生期望的課堂模式等視角出發(fā)，量化研究影響大學生學習效果的主要因素[2]-[6]；3.在研究方法上，目前的研究方法主要是基于簡單的統(tǒng)計分析[7][8]、方差分析[9]、相關分析[10]、列聯(lián)表分析[11]等基礎方法分析，而運用模型定量分析的研究成果尚稀少；4.在研究層次上，關于大學生學習效果的研究成果基本停留在理論研究或是現(xiàn)狀分析層面，尚缺乏實證分析。

本文根據學術界關于大學生學習效果業(yè)已研究的成果及結合作者一線的教學實踐經驗，選擇可能影響大學生學習效果的變量。本文選擇廣東省3所高校，著重從教師基本信息、學生對教師的評價信息、學生的基本信息以及學生期望的課堂模式四個大方面展開調查。使用相關分析法對變量進行初步篩選；為避免變量間存在多重共線性，再使用因子分析方法對變量進行整合；針對整合出來的特征因子建立有序多分類Logistic回歸模型進行分析，找出影響大學生學習效果的主要因素。最后，鑒于結果分析，給出相應對策，以期為高校提高大學生學習效果提供有益的建議。

一、數據來源及樣本結構

(一)數據來源

為了深入研究大學生的學習情況，了解影響大學生學習效果的主要影響因素。根據學術界關于學生學習效果業(yè)已研究的成果及結合作者一線的教學實踐經驗，本文初步選擇20個可能影響大學生學習效果的特征因子，選取廣東省3所高?！陡怕收撆c數理統(tǒng)計》這門課程的相關信息展開調查，其中一本類院校2所，二本類院校1所，涵蓋經濟學、管理學、地理學、工學、理學、教育學等學科共10個專業(yè)。本文采用問卷調查法和行政記錄法相結合，筆者于2018年3月至2019年3月共發(fā)放問卷1000份，回收問卷973份，并收集相應行政記錄信息。檢查收集數據發(fā)現(xiàn)，共有29個樣本存在關鍵信息缺失現(xiàn)象，占比很小，故直接剔除缺失關鍵信息的數據，最后獲得944條有效樣本數據，有效率達94.4%。

本文收集的信息包括教師信息和學生信息兩大塊。其中，教師信息包括兩大類：教師自身基本信息和學生對教師的評價信息；學生信息也分兩大類：學生自身基本信息和學生期望的課堂模式信息。教師自身基本信息涉及性別、職稱、年齡、學歷、參與教材改編、該學期課時量；學生對教師的評價信息涉及教學態(tài)度、教學內容、教學方法、教學技能；學生自身基本信息包括性別、類別、數學基礎、課前預習情況、課余預習情況和學習目的等；學生期望的課堂模式包括課堂交流討論、課堂探索時長、課堂練習時長和課堂練習形式。

(二)樣本結構

在教師信息方面，女教師占比較小，占比為36.38%；中年教師占大多數，高達52.43%；其次，教授占比較小，講師和副教授占比最高，高達76.39%；該門課程所有任課教師的學歷均為碩士以上，其中，博士和博士后占比為61.76%。

在學生信息方面，本次調查的男生占比為62.83%，其中，理工類學生占比為66.14%。大學生課程基礎為一般的學生占比為：36.5%；基礎良好的占比為：53.94%；而基礎差的學生和優(yōu)秀的學生占比都很小，共占9.50%。根據大學生日常學習情況可得知，極少大學生具有課前預習的習慣，僅占1.74%，并且極少大學生具有利用課余時間學習的習慣，其占比僅為2.55%。具體的特征取值如表1所示。

表1 特征取值

二、大學生學習效果影響因素的實證分析

(一)相關性分析

對表1中的20個特征因子進行相關性分析。由相關性分析結果可得知，共有13個特征因子通過相關性檢驗。其中，在教師信息方面，教師的職稱、年齡、教齡、參與教材改輯、教學態(tài)度、教學內容、教學技能這7個因素通過相關性檢；在學生方面，學生的類別、數學基礎、課前預習、課余學習、學習目的、課堂練習時長共6個因素通過相關性檢驗。

(二)因子分析

由于影響大學生學習效果的因素較多且較為復雜，為避免各自變量間可能存在多重共線性問題。因此，使用因子分析方法對通過相關分析的13個特征因子進行因子分析，提取出少數綜合因子，并保證所得的各個綜合因子之間相互獨立。使用SPSS統(tǒng)計軟件求出KMO值為0.82>0.7，說明適合使用因子分析方法進行分析。根據因子分析方法結果可知前6個主成分的特征值較大，且累計方差貢獻率達90.3%，故取前6個主成分。為使得新得到的綜合因子具有更好的實際意義，使用因子旋轉法，得到其旋轉成分矩陣見表2。由表2可知，成分1主要解釋了教師的職稱、教齡、參與教材改編這三個指標，因此將成分1歸類為教師的淵博程度因子；成分2主要解釋了教師的年齡和教學態(tài)度兩個指標，因此將其歸類為教師的教學熱枕程度因子；成分3主要解釋了教師的教學內容和教學技能兩個指標，因此將其歸類為教師的教學能力因子；成分4主要解釋了學生的類別和數學基礎兩個指標，故將其歸類為學生課程基礎因子；成分5主要解釋了課前預習、課余學習、課堂練習時長三個指標，將其歸類為學生學習投入程度因子；成分6主要解釋了學習目的一項指標，因此將其命名為學習驅動因子。

表2 旋轉成分矩陣

將通過相關分析的13個特征因子：教師的職稱、年齡、教齡、參與教材改編、教學態(tài)度、教學內容、教學技能、學生的類別、數學基礎、課前預習、課余學習、學習目的、課堂練習時長分別定義為自變量：x1-x13。由表3可得到6個主要成分的計算公式，其中，成分1的表達式如下：

表3 系數矩陣

F1=0.51x1-0.35x2+0.33x3+0.42x4-0.01x5+0.14x6+0.18x7+0.26x8-0.21x9-0.03x10+0.06x11-0.15x12-0.16x13

其余因子的計算公式同理可得，由于篇幅原因，在此不再列舉。

(三)有序多分類Logistic回歸分析

1.有序多分類Logistic回歸模型的構建

本文以學生考試成績等級為因變量，構建有序多分類Logistic回歸模型。因變量有五個等級，設因變量的取值為：1=“不合格”，2=“合格”，3=“良好”，4=“優(yōu)秀”，5=“非常優(yōu)秀”，且其相應等級的概率為pi，其中1，2，3，4，5.建立有序多分類Logistic回歸模型如下所示：

其中，αi為常數項，βi為偏回歸系數，pi為相應取值水平的概率，i=1，2，3，4，5。

2.有序多分類Logistic回歸分析

使用SPSS統(tǒng)計軟件進行有序多分類Logistic回歸分析，計算結果如表4所示。由模型擬合度看，該模型的-2倍對數似然值為312.44，認為該模型總體上通過檢驗。此外，Cox & Snell R2和Nagelkerke R2分別為0.32和0.38，說明該模型擬合效果較佳。由回歸系數的顯著性水平可發(fā)現(xiàn)，除了教師淵博程度和學習驅動因子之外，其他因子都對大學生的學習效果產生顯著的影響。其中，學生學習投入因子對學生的學習效果影響最大；其次是學生的課程基礎；隨之是教師的教學能力；最后是教師的教學熱枕程度。

表4 回歸分析結果

由表4分析結果可得知，在5%的顯著性水平的條件下，高校教師淵博程度的顯著性水平為0.13>0.05，接受原假設，該因子表現(xiàn)不顯著。而常規(guī)思維認為，知識淵博的教師能對知識的理解更加透徹，他們更容易將正確的知識傳輸給學生。然而，本文所得結果與大多數人的理解不相吻合。這可能是存在某些知識淵博程度較高的教師全身心投入科研工作中，而忽視了教學工作，所以導致該因子在此模型中表現(xiàn)不顯著。

高校教師熱枕程度的顯著性水平為0.02<0.05，拒絕原假設，該因子表現(xiàn)顯著，且其對應的偏回歸系數為0.41，呈正向影響。結果表明，教師的教學熱情越高漲，學生的學習效果越佳。其主要原因是教師的教學熱情澎湃，富有感染力，能有效地激發(fā)學生的學習熱情。

高校教師教學能力的顯著性水平接近等于0.00<0.05，該系數表現(xiàn)非常顯著，其對應的偏回歸系數為0.47，呈正向影響。結果表明，教師的教學能力越強，學生的學習效果越好。事實上，教學能力越強的教師，越能靈活運用不同的教學技巧進行教學，學生也越容易吸收教師所傳授的知識點，從而讓學生的學習成績得到有效提高。

高校學生課程基礎的顯著性水平也接近等于0.00<0.05，該系數表現(xiàn)也非常顯著，其對應的偏回歸系數為0.58，同樣呈正向影響。結果表明，學生的課程基礎越扎實，學生的學習效果越好。學生的課程基礎決定學生應對一門課程的輕松程度，最終會影響學生對該門課程的興趣程度。如果學生該門課程的基礎較薄弱，學生會覺得在學習該門課程過程中非常費勁，漸漸地，喪失對該門課程的學習信心和學習熱情，最終導致學生成績下滑。反之，如果學生該門課程基礎較好，學生會發(fā)現(xiàn)對該門課程學習興趣越來越濃烈，自然地，最終會取得較佳的學習成績。

高校學生學習投入因子的顯著性水平為0.05，該系數表現(xiàn)顯著，其對應的偏回歸系數為0.72，也呈正向影響。說明學生學習投入的時間越多，學生的學習成績也會越好。一般地，學生的學習投入時間越多，學生將收獲越多，思路也會越來越清晰，自然會增加對該門課程的學習信心。

學習驅動因子的顯著性水平為0.07，因為0.05<0.07<0.1，故該因子表現(xiàn)不太顯著。這可能是因為現(xiàn)有的手機等電子產品對很多學生極具誘惑力，大部分學生雖具有雄心壯志，卻難以抵制花樣誘惑，學生的學習意志表現(xiàn)不夠堅定，亦或是因為參加比賽活動等其他復雜因素的影響，導致即使她有強烈的學習愿望，卻不能安排足夠的時間學習，從而可能導致該因子表現(xiàn)不太顯著。

三、結論及建議

通過使用相關性分析、因子分析和多分類有序Logistic回歸模型分析，研究高校大學生學習效果的主要影響因素。研究結果表明：教師的教學熱枕程度、教學能力、學生的課程基礎、學習投入因子對大學生的學習效果影響顯著。其中，學生學習投入因子對學生的學習效果影響最大；其次是學生的課程基礎；隨之是教師的教學能力；最后是教師的教學熱枕程度。

基于以上結論反饋，本文認為，高校在進行教學改革過程中，應注意重視以下幾個問題。一要渲染學習氛圍；高校應遵循以學生學習為主，其它校園活動為輔的原則。此外，為渲染濃烈的學習氣氛，高校應提供優(yōu)越的學習環(huán)境，包括提供良好的學習環(huán)境及豐富的圖書條件等，讓學生能夠在校園中專心致志學習。二是在教學過程中，要加強學生專業(yè)課程基礎知識教學，強調基礎知識教學的重要性，為學生打下堅實牢固的學習基礎，如此一來，學生在后續(xù)課程的學習中才能游刃有余；三是要注重教師教學能力的培養(yǎng)。教師的教學能力是教師影響課堂效果的最直接因素，因此，高校教學管理部門應當高度重視教師的教學能力培養(yǎng)，鼓勵教師出去學習深造，為教師教學發(fā)展學習提供支持；四是要注重激發(fā)教師的教學熱情。學校領導人應意識到，科研成果固然重要，但學校是學生學習知識的場所，是培育時代新人的天地，學校的重點任務是為民族偉大復興培育新一代接班人。此外，高?？蓢L試適當減少一些對學生成長影響較小的校園活動，讓學生集中精力投入學習。