“数字电路”教学效果的问卷调查

李 峭,熊华钢,高 强,王 彤

(北京航空航天大学电子信息工程学院,北京100191)

0 引言

在衡量教学质量和效果的过程中,常采用指标体系对各项影响因素进行打分评价。然而,如果直接地用这种方法调查学生的满意程度等指标,其形式则过于严肃。

借鉴兄弟院校在教学建设方面对学生们的启发和激励的内容[1-2],我们设计了调查问卷,通过多角度的问题调查学生们的学习情况和对课程的反映,进行粗粒度的打分评价,得到了有益的结果。

采用主成分(principal component)分析的统计学方法[3],可以发现问卷所列的问题之间的相关性。这种方法曾经被卓有成效地应用于教与学认知水平的教学研究中[4]。

本文就我院“数字电路”教学采用主成分分析等统计方法,对3个教学班120余份问卷的数据进行处理。经过样本数据的相关性分析与推理,可以得出教学效果(满意度、期望成绩)与学生在素质、学习能力和敏锐性三方面的主要成分因素,以及与教师的教学措施因素之间的定量分析结果。

1 问卷设计

调查问卷包含约20道问题,这些问题是陈述式的断言,学生只要对断言表达出自己的态度。态度被分为强烈否定(极否)、否定(否)、有些否定(稍否)、不置可否(中)、有些肯定(稍肯)、肯定(肯)、强烈肯定(极肯)共七个等级。这七个等级分别对应数据:-3,-2,-1,0,+1,+2,+3,学生只需在如图1所示相应的小方框中画“√”选定即可。

图1 态度的等级

为了使提问的方式多样化,避免导向性,有些断言采用相反的方式提出,还有一些中性的问题被有意掺杂在问卷中。

2008年秋季学期,我们对本院“数字电路与系统”课程三个教学班在课程结束后考试前,进行不记名问卷调查,分别收回三个班级的问卷41、66和20份,获得足够的样本。

问卷的内容包括学生的学习情况:态度、学习方法、听课习惯、知识和技能等以及教师的教学情况:教学内容和方法等,并调查了学生对课程的主观满意度,询问了他们自己预期的考试成绩。

对于问卷数据进行处理,其目的就在于通过数据的相关性分析与推理,找到影响学习情况和教学情况的主要因素,并说明它们与满意度和预期成绩之间的统计关系,为今后教与学的改进提供参考依据如图2所示。

图2 对问卷数据进行统计分析

例如,对于学生的学习情况,问卷问题的内容如表1所示。其中,对于问卷中以相反方式给出的断言,进行“取反”预处理。

表1 学生情况的问卷问题

表中,(+)表示该断言对于课程建设起到正面效果;对于问卷中以相反方式提出的断言,预处理中作数据“取反”;变量名“probXXm”中的“m”表示经过预处理。

2 主成分分析

为了有的放矢地提升教育和教学质量,必须对问卷所反映的学习情况和教学情况进行归纳,确定主要影响因素。但是,如果这些主要的因素是事先主观确定的,则问卷设计者可能会自觉或不自觉地诱导被调查者;并且,许多因素是互相牵制的。

采用统计学中的主成分分析方法,则可以在得到原始调查数据之后,根据数据之间的定量关系,客观地找到这些主要因素,明确变量之间的分类与依存关系。

主成分分析是统计学中因素分析(Factor Analysis)方法中的一种[3],它根据随机变量的协方差矩阵,求取特征值,选取主要的特征向量,并根据特征向量对变量参数进行直交或斜交变换,形成带有组合系数的成分。

例如,对于表1所示的 9个问题,分别对应9个随机变量,使用SPSS统计软件[5]进行主成分的提取。

(1)选取协方差矩阵特征值大于1的成分作为主要影响因素,取得3个主成分。

(2)通过“转轴”可以将主成分表示为原始变量的加权组合,表2给出本例的斜交成分矩阵。

(3)主成分的提取起到变量降维的作用。在本例中,将所有样本在9个原始变量下的数据转化为3个主成分因素F1、F2、F3下的数据(表2)。

表2 斜交成分矩阵

(4)我们也可以对主成分变量赋予相应的涵义,用以描述原始变量的组合情况,如表3所示。

表3 主成分变量的意义

3 统计结果及其应用

1)样本的特性

图3给出样本以主成分F1,F2和F3为坐标的散点图,分别以F1-F2和F1-F3为坐标绘出两张二维图。通过散点图,可以了解总体分布的情况,发现个体的差异,有助于提升教学工作的成效。

例如:被标记为“个体样本组①”的两个样本,表明这两名学生的学习能力和敏锐性属于中等水平,但专业知识的素质有较大的欠缺,教师可以从提高专业学习的兴趣入手,使他们的潜力得以发挥。

图3 样本在主成分坐标下的散点图

2)相关分析和回归分析

对于学习情况,以提取的主成分变量为自变量F1,F2,F3(表3),并添加一些反映教学情况的自变量TF1,TF2,TF3如表4所示;以学生的主观满意度R1,以及他们预期在期末考试中的成绩R2或R3为函数变量(表4);采用SPSS软件统计分析得出这三组数据之间的相关性[5],如表5所示。

表4 教学情况自变量和函数变量的定义

表5 变量之间的相关系数

由表5可见,满意度R1主要受到学生素质F1、课程的生动性TF1、教学的详细程度TF2及进行小测试TF3因素的影响;期望的成绩R2主要受到学生素质F1、学习能力F2及进行小测试TF3因素的影响。

值得注意的是,满意度评价具有主观性,不必迷信数据。例如:提高教学的详细程度(TF2)可以很大程度地提高满意度。但是,根据大学的教育规律,课堂教学还是应该给学生留有课后自学的余地。

变量之间的相关性还可以体现出更明确的数学关系,利用多元回归拟合技术[4],可以将期望的成绩R3(R3是将R2换算成百分制表示)用F1,F2,F3和TF3表达出来,即

其中,F1,F2,F3,TF3的取值范围为[-3,+3]。

4 结语

问卷调查是一种检测学生学习经验和教师教学经验的手段。利用统计分析方法,对“数字电路”课程的问卷调查数据进行处理,得到如下结果:

(1)利用主成分分析方法,可以找出对教学效果影响最明显的主成分因素;

(2)采用相关和回归分析方法,分析并解释教学效果(满意度和预期成绩)与主成分变量之间的关系。

问卷内容的设计对于数据的客观性和有效性起到决定性的作用,笔者建议长期坚持对各年级学生进行问卷调查,逐步改进问卷内容并积累样本,从比较各年级教学效果的差异上,科学地指导教学工作。

[1] 刘颍,侯建军,黄亮.“电子技术课程设计”精品课程建设与改革实践[J].南京:电气电子教学学报,2008,30(7):03-07

[2] 曾涛,侯建军.精品课程“数字电子技术”自主学习模式研究与实践[J].南京:电气电子教学学报,2006,28(4):14-17

[3] 任若恩,王惠文.多元统计数据分析——理论、方法、实例[M].北京:国防工业出版社,1997.6

[4] 阮桂海,蔡建瓯 佟福玲.SPSS for Windows高级应用教程[M].北京:电子工业出版社,1998.11