基于SPSS的軟件工程專業(yè)教學(xué)效果影響因素分析

孟憲濤,任 時(shí)

(1.沈陽(yáng)師范大學(xué) 數(shù)學(xué)與系統(tǒng)科學(xué)學(xué)院,沈陽(yáng) 110034;2.遼寧省疾病預(yù)防控制中心 營(yíng)養(yǎng)與食品衛(wèi)生所,沈陽(yáng) 110005)

0 引 言

隨著信息與網(wǎng)絡(luò)化的發(fā)展,社會(huì)步入了信息時(shí)代,軟件產(chǎn)業(yè)是信息化產(chǎn)業(yè)的核心,是關(guān)系國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展的基礎(chǔ)性、戰(zhàn)略性產(chǎn)業(yè),是信息化建設(shè)的關(guān)鍵環(huán)節(jié)。軟件工程是2002年國(guó)家教育部新增專業(yè),它以計(jì)算機(jī)科學(xué)與技術(shù)學(xué)科為基礎(chǔ),強(qiáng)調(diào)軟件開發(fā)的工程性,使學(xué)生在掌握計(jì)算機(jī)科學(xué)與技術(shù)方面知識(shí)和技能的基礎(chǔ)上熟練掌握從事軟件需求分析、設(shè)計(jì)、測(cè)試、維護(hù)和項(xiàng)目管理等工作所必需的基礎(chǔ)知識(shí)、基本方法和基本技能,突出對(duì)學(xué)生專業(yè)知識(shí)和專業(yè)技能的培養(yǎng),培養(yǎng)能夠從事軟件開發(fā)、測(cè)試、維護(hù)和軟件項(xiàng)目管理的高級(jí)專門人才[1-2]。

調(diào)查顯示,軟件工程專業(yè)普遍受到學(xué)校、計(jì)算機(jī)類專任教師和學(xué)生的認(rèn)同,但教學(xué)效果卻并不顯著,一些學(xué)校的課程設(shè)置缺乏開設(shè)課程先后順序的綜合考慮,出現(xiàn)一些不應(yīng)該先于軟件工程內(nèi)容課程開設(shè)的課程,以至于學(xué)生并不能很好理解相應(yīng)課程[3];部分高校任課教師教學(xué)方式單一,對(duì)知識(shí)掌握不足,導(dǎo)致學(xué)生接收不到有用信息;高校的軟件工程課程內(nèi)容沒有根據(jù)實(shí)際應(yīng)用的變化及時(shí)調(diào)整,以至于所學(xué)內(nèi)容和實(shí)際發(fā)展出現(xiàn)了較大的脫節(jié)[4];還有很多高校理論重于實(shí)踐,課堂教學(xué)與實(shí)踐教學(xué)之間存在著明顯的差距,導(dǎo)致大部分的學(xué)生動(dòng)手能力極差,達(dá)不到實(shí)際要求[5]。因此,許多學(xué)者對(duì)軟件工程專業(yè)教學(xué)相關(guān)問(wèn)題展開探究?；谏鲜鰡l(fā),本文通過(guò)問(wèn)卷調(diào)查,利用SPSS軟件分析上述幾個(gè)因素對(duì)軟件工程專業(yè)教學(xué)效果的影響并提出合理化建議。

1 數(shù)據(jù)收集與研究方法

1.1 數(shù)據(jù)收集

本文選取沈陽(yáng)市多所高校軟件工程專業(yè)的在校學(xué)生為調(diào)查對(duì)象,采用開放式的問(wèn)卷調(diào)查方法進(jìn)行數(shù)據(jù)采集。共發(fā)放調(diào)查問(wèn)卷 270份,回收251份,回收率為92.3%。根據(jù)研究需要,去除無(wú)效的問(wèn)卷,篩選出 228 份有效問(wèn)卷,有效率為84.4%。本問(wèn)卷共設(shè)計(jì)了6道問(wèn)題,每個(gè)題目都采用Likert 5賦分原則[10]。問(wèn)題涉及學(xué)習(xí)興趣、課程設(shè)置、師資力量、教學(xué)內(nèi)容、實(shí)踐活動(dòng)、教學(xué)效果6個(gè)方面。其中以軟件工程專業(yè)課程的期末綜合成績(jī)作為衡量教學(xué)效果的指標(biāo)。表1為問(wèn)卷所涉及的調(diào)查因素及對(duì)應(yīng)賦值,并將各個(gè)因素進(jìn)行符號(hào)定義。

表1 問(wèn)卷所涉及的因素及賦值Table 1 Factors and assignments involved in the questionnaire

1.2 研究方法

本文采用 SPSS 22.0對(duì)基礎(chǔ)數(shù)據(jù)先進(jìn)行可信度檢驗(yàn),使數(shù)據(jù)處理結(jié)果具有真實(shí)性和可靠性,然后利用Pearson相關(guān)性分析來(lái)研究X1、X2、X3、X4、X5這5個(gè)因素對(duì)Y是否有影響,最后利用多元線性回歸來(lái)研究每個(gè)因素對(duì)因變量的影響程度。同時(shí),以多重共線性檢驗(yàn)對(duì)顯著性變量進(jìn)行驗(yàn)證,并列出回歸模型。

2 統(tǒng)計(jì)分析

表2 可靠性統(tǒng)計(jì)Table 2 Reliability statistics

2.1 可信度檢驗(yàn)

問(wèn)卷的信度分析是為了考察問(wèn)卷測(cè)量的可靠性,測(cè)量所得結(jié)果的內(nèi)部一致性程度[11]。本文使用Cronbach’sα(克隆巴赫)系數(shù)法來(lái)檢測(cè)數(shù)據(jù)信度是否達(dá)標(biāo),檢測(cè)各分量表中被測(cè)試者對(duì)量表中條目回答內(nèi)容的一致性。

表2是本次信度檢驗(yàn)的重點(diǎn),為了實(shí)證數(shù)據(jù)的準(zhǔn)確,對(duì)以上6個(gè)變量采用檢測(cè)Cronbach’sα值的方法檢測(cè)其信度,信度檢驗(yàn)結(jié)果,也就是整體量表信度值為0.979>0.8,說(shuō)明本次問(wèn)卷中量表對(duì)于分析目來(lái)說(shuō)信度良好,因此,可以進(jìn)行相關(guān)分析。

2.2 Pearson 相關(guān)分析

相關(guān)分析是研究2個(gè)或2個(gè)以上處于同等地位的隨機(jī)變量間的相關(guān)關(guān)系的統(tǒng)計(jì)分析方法[12]。因?yàn)楸疚臄?shù)據(jù)處理后變量都是連續(xù)的且都服從正態(tài)分布,所以選用Pearson相關(guān)分析法更加合適。

從表3可以看到,拿“學(xué)習(xí)興趣”和“教學(xué)效果”為例,它們之間的Pearson相關(guān)系數(shù)是0.930,即|r|=0.930;右上角有2個(gè)星號(hào),左下角注明“**”表示相關(guān)性在0.01上是顯著的,說(shuō)明“學(xué)習(xí)興趣”和“教學(xué)效果”的相關(guān)性是顯著的;一般認(rèn)為相關(guān)系數(shù)|r|在0.8～1.0之間是極強(qiáng)相關(guān);0.6～0.8之間是強(qiáng)相關(guān);0.4～0.6之間是中等程度相關(guān);0.2～0.4之間是弱相關(guān);0.0～0.2則是極弱相關(guān)或無(wú)相關(guān)。因此,可以得出學(xué)習(xí)興趣、課程設(shè)置、師資力量、教學(xué)內(nèi)容、實(shí)踐活動(dòng)與教學(xué)效果的相關(guān)性都是顯著的。

表3 Pearson相關(guān)分析結(jié)果Table 3 Pearson correlation analysis results

相關(guān)性分析只是說(shuō)明了上述因素與教學(xué)效果之間的密切程度,但究竟影響程度有多大,具體影響形式是怎樣的,還需進(jìn)行回歸分析[13]。相關(guān)分析是回歸分析的前提,回歸分析是相關(guān)分析的深入和繼續(xù)。相關(guān)分析需要回歸分析來(lái)表現(xiàn)變量之間數(shù)量相關(guān)的具體形式,而回歸分析則需要依靠相關(guān)分析來(lái)表現(xiàn)變量之間數(shù)量變化的相關(guān)程度。只有當(dāng)變量之間存在高度相關(guān)時(shí),進(jìn)行回歸分析其相關(guān)的具體形式才有意義。

2.3 多元線性回歸分析

在統(tǒng)計(jì)學(xué)中,回歸分析指的是確定2種或2種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法[14]。因本文涉及多個(gè)變量,又因自變量和因變量之間是成線性分布的,所以,將選用多元線性回歸來(lái)進(jìn)行分析。

表4 模型摘要Table 4 Model summary

從表4可知,R表示擬合優(yōu)度,它是用來(lái)衡量估計(jì)的模型對(duì)觀測(cè)值的擬合程度。它的值越接近1說(shuō)明模型越好。調(diào)整的R2比調(diào)整前R2更準(zhǔn)確一些,圖中的最終調(diào)整R2為0.932,表示自變量一共可以解釋因變量93.2%的變化。在做線性回歸的時(shí)候要檢驗(yàn)殘差的獨(dú)立性,Durbin-Watson 為2.005,當(dāng)DW值愈接近2時(shí),殘差項(xiàng)間也無(wú)相關(guān),所以說(shuō)明殘差是獨(dú)立的。

表5 方差分析結(jié)果Table 5 Analysis of variance results

表5可以看到F值為606.981,它是對(duì)整個(gè)回歸方程的總體檢驗(yàn),所對(duì)應(yīng)的P值就是表格中的sig具有重要意義,表格中p=0.00<0.05表明支持原假設(shè),也就是說(shuō)線性回歸方程顯著。

表6 系數(shù)aTable 6 The coefficient of a

首先,通過(guò)表6進(jìn)行多重共線性診斷,因?yàn)樵诮忉尵€性回歸模型時(shí),總是隱含著這樣一種假設(shè),即各個(gè)解釋變量之間不存在很強(qiáng)的依賴關(guān)系,如果有很強(qiáng)的相關(guān)關(guān)系,會(huì)造成模型方程的不穩(wěn)定。因此需要進(jìn)行共線性診斷[15]。當(dāng)容許≤0.1或方差膨脹因子VIF≥10時(shí),就說(shuō)明自變量之間存在嚴(yán)重共線情況。結(jié)果顯示5個(gè)自變量的容許均大于0.1同時(shí)VIF均小于10。因此認(rèn)為以上5個(gè)自變量之間無(wú)共線性存在,多元線性回歸分析可直接進(jìn)行。

可以看出表7中t檢驗(yàn)的顯著性水平均小于0.05,說(shuō)明自變量對(duì)因變量具有顯著影響,B表示各個(gè)自變量在回歸方程中的系數(shù),負(fù)值表示這個(gè)自變量對(duì)因變量有顯著的負(fù)向影響,但是由于每個(gè)自變量的量綱和取值范圍不同,基于B并不能反映各個(gè)自變量對(duì)因變量影響程度的大小,這時(shí)候就要借助標(biāo)準(zhǔn)系數(shù)。此時(shí)數(shù)值越大表示對(duì)自變量的影響更大。這說(shuō)明師資團(tuán)隊(duì)及實(shí)踐活動(dòng)對(duì)教學(xué)效果的影響最大。從這個(gè)分析過(guò)程來(lái)看,這個(gè)實(shí)驗(yàn)結(jié)果還挺理想的。同時(shí),可以列出回歸模型:

Y=0.290X1+0.180X2+0.153X3+0.041X4+0.403X5-0.283

通過(guò)回歸模型,可以清晰看出,學(xué)習(xí)興趣、課程設(shè)置、師資力量、教學(xué)內(nèi)容、實(shí)踐活動(dòng)這5項(xiàng)因素都與教學(xué)效果有顯著的正相關(guān),其中師資團(tuán)隊(duì)及實(shí)踐活動(dòng)的影響最大。

3 結(jié) 論

本文基于SPSS軟件對(duì)影響軟件工程專業(yè)教學(xué)效果的因素進(jìn)行了定量分析,得出學(xué)習(xí)興趣、課程設(shè)置、師資力量、教學(xué)內(nèi)容、實(shí)踐活動(dòng)都對(duì)教學(xué)效果有著顯著的正相關(guān)影響。因此應(yīng)該努力激發(fā)學(xué)生的學(xué)習(xí)興趣,讓他們自我學(xué)習(xí);有順序地開設(shè)課程,讓學(xué)生打好基礎(chǔ);提高教師的綜合素質(zhì),教學(xué)水平與技巧,與學(xué)生進(jìn)行雙向互動(dòng);教學(xué)內(nèi)容要根據(jù)實(shí)際的教學(xué)需要和軟件工程的發(fā)展需要進(jìn)行開展;注重理論聯(lián)系實(shí)踐,提高學(xué)生的實(shí)踐操作能力。但對(duì)于一些具體的問(wèn)題,還需要不斷地思考與反思。