高校学生综合评价体系的实证研究

李庆利

摘 要：高等学校学生评价作为对学生个体成长发展情况的评价，是教育评价最基本的一个领域，在教育评价活动中处于核心地位。良好的学生评价，既是教育评价的基本要求，也是做好其他评价工作的基础。学生评价工作的关键在于构建一个相对公平合理且能体现素质教育的评价指标体系。在当前以素质教育为标志的高等教育改革背景下，立足于分析高校学生评价体系的现状以及存在的问题，并提出新的能够体现学生综合素质评价的指标体系。

关键词：高校；学生；综合评价；指标体系

中图分类号：G640 文献标志码：A 文章编号：1673-291X（2014）25-0222-05

一、问题的提出

长期以来形成的传统学生评价制度，过分强调评价的总结性功能和选拔功能，把学生评价局限于为学校管理服务，成为学校控制教师、教师管理学生的主要手段。但是，随着教育界对人的发展问题的日益关注，人们逐渐认识到，以学生为主体的教育的发展，是一切教育教学活动的出发点和归宿。素质教育如何实现，唯一的途径就是重视培养学生全面素质的发展，即全人教育。要开展全人教育，就必须构建与之相适应的学生综合评价体系和方法，以适应高校全人教育培养目标的要求。

二、郑州大学西亚斯学院现行的学生综合评价体系及存在的问题

郑州大学西亚斯国际学院近年来评价学生的标准主要是以该校奖学金（优秀毕业生）综合测评表为基础，该测评表分为两大板块，一块是各学年平均成绩，占70%的权重；另一块是个人能力及奖励，占30%权重。个人能力板块包括“学生任职”、“院奖励”、“奖学金”、“技能考试”、“贡献奖”五部分内容，平均每部分内容所占比重为20%。

从综合测评表中可以看出，该校对学生的评价指标体系主要分为两个大部分，即学习因素和能力因素，并主观性地赋予了相应的权重。在评价方法上，采用的是简单的加权平均法计算出各个学生的得分。这种评价方法为该校公正地选取赴美留学生、优秀毕业生提供了重要的参考依据。但是受到指标体系的不全面性与评价技术的局限性，它仍然存在着不严密性与主观性。比如权重都是人为赋予的，很容易使我们的评价结果受主观因素的影响。另外，这种评价标准不够完整，仅考虑到学习状况和能力表现两个方面，很容易使我们评价结果的公正性受到影响。

三、高校学生综合评价指标体系的重构

针对郑州大学西亚斯学院现行学生评价体系的弊端，在充分调研的基础上，对该院学生综合评价指标体系进行了重构，本指标体系共分为五个一级指标，分别是思想政治道德素质、专业素质、身心素质、实践能力素质、加减分项。一级指标“思想道德素质”下设六个二级指标，分别是政治方向、思想道德品质、文明行为、集体观念、法纪观念和劳动态度；“专业素质”下设三个二级指标，分别是课堂专业文化基础成绩、实验技能操作能力和专业学习表现；“身心素质”下设四个二级指标，分别是体育运动的基础知识和体育技能的掌握、力量、速度、灵敏、耐力、柔韧等方面的状况、参加体育活动的表现和心理健康状况；“实践能力素质”下设八个二级指标，分别是基本技能、实习论文、科研成果、创新意识、创新成果、学生干部、社会实践和校园科技文化艺术活动；“加减分项”下设两个二级指标，分别是贡献奖励和违纪处罚；每个二级指标又包括若干可具体实施的三级指标。

四、高校学生综合评价体系的实证分析

基于前述所重新构建的学生评价体系，这一部分将运用因子分析法模拟学生评价的全部过程。需要指出的是，尽管因子分析法是完全面向数据处理赋权的，其权重由数据分析中的累积方差贡献率给出，具有一定的客观性，但是，在指标属性不对称或者评价过程受到一定经验和理论约束条件下，该法存在一定的局限性。为此，考虑到在学生评价中专业素质因素的相对重要性，为避免指标过多而在数据处理过程中弱化了专业素质的重要性，我们固定该一级指标的权重为60%，①其下属三个二级指标分别固定权重为三分之一，下属四个三级指标分别固定权重三分之一、三分之一、二分之一和二分之一。在此基础上，我们对专业素质以外的指标进行因子分析并给出被测对象的总得分排序，对经过无量纲化处理后的非专业素质总得分和专业素质指标进行加权平均（权重分别为40%和60%）得到最终的总评价得分作为评价其综合素质高低的依据。在此，我们以学生甲、学生乙和学生丙的截面数据来评价三位候选人的综合素质，各指标原始数据列示（见表1）： 由于表1中指标均为正向指标，因此，利用SPSS统计软件对各指标进行无量纲化，得到标准化后的数据（表格略）。

在SPSS软件中，根据以上数据得出主成分提取表、旋转后的因子载荷矩阵表和主成分得分系数矩阵。分别（见表2、下页表3和下页表4）。

主成分个数提取原则为主成分对应的特征值大于1的前m个主成分。特征值在某种程度上可以被看成是表示主成分影响力度大小的指标，如果特征值小于1，说明该主成分的解释力度还不如直接引入一个原变量的平均解释力度大，因此一般可以用特征值大于1作为纳入标准。由主成分提取表可知，按特征值原则应提取两个主成分。同时，也可以看到，这两个主成分的累计方差贡献率达到100%，即这两个主成分可以完全解释整体。

在旋转后的因子载荷矩阵表中，按照绝对值大于0.4的标准筛选对应于每一主成分的标准化后的变量来构造各主成分表达式。由表可见，X1、X5、X11、X12、X16、X18、X19、X20、X21、X24、X25、X27、X29、X30、X33和X34在第一主成分上有较高的荷载，说明第一主成分基本反映了这些指标的信息；X2、X3、X4、X6、X7、X8、X9、X10、X13、X14、X15、X17、X22、X23、X26、X28、X31、X32和X35在第二主成分上有较高载荷，说明第二主成分基本反映了这些指标的信息。所以提取两个主成分是可以反映全部指标的信息，因此用两个新变量来代替原来的三十五个变量。我们分别把第一主成分用F1表示，第二主成分用F2表示。endprint

利用生成的主成分得分系数矩阵（Component score coefficient matrix）就可以得出主成分表达式：

F1=0.062×ZX1+0.011×ZX2-0.051×ZX3+0.011×ZX4+

0.062×ZX5-0.051ZX6-0.051×ZX7+0.011×ZX8+0.011×ZX9+

0.011×ZX10+0.062×ZX11+0.062×ZX12+0.011×ZX13+0.051×

ZX14+0.023×ZX15+0.034×ZX16-0.025×ZX17-0.033×ZX18-

0.042×ZX19-0.062×ZX20-0.054×ZX21-0.011ZX22-

0.051×ZX23-0.051×ZX24-0.062×ZX25+0.011×ZX26+0.042×

ZX27+0.011×ZX28+0.042×ZX29+0.042×ZX30+0.011×ZX31-

0.053×ZX32-0.062×ZX33+0.062×ZX34+0.011×ZX35

F2=-0.023×ZX1+0.049×ZX2+0.071×ZX3+0.049×ZX4-

0.023×ZX5+0.071ZX6+0.071×ZX7+0.049×ZX8+0.049×ZX9+

0.049×ZX10-0.023×ZX11-0.023×ZX12+0.049×ZX13-0.071×

ZX14-0.069×ZX15+0.025×ZX16-0.036×ZX17-0.026×ZX18-

0.015×ZX19+0.023×ZX20+0.005×ZX21-0.049ZX22+

0.071ZX23-0.001×ZX24+0.023×ZX25+0.049×ZX26+0.015×

ZX27+0.049×ZX28+0.015×ZX29+0.015×ZX30+0.049×ZX31+

0.072×ZX32+0.023×ZX33-0.023×ZX34+0.049×ZX35

以旋转后的累计方差贡献表中的各主成分对应的方差贡献率作为各主成分的权重构造主成分综合模型：

F=52.84×F1+47.16×F2

根据主成分综合模型即可计算综合主成分值，并对其按综合主成分值进行排序，即可对学生甲、学生乙和学生丙三人的非专业素质表现情况进行综合评价比较。结果（见表5）：

表5 因子得分与非专业素质综合得分

上述研究结果表明，对三位候选人的非专业素质表现而言：

从综合得分来看，三位被测评学生的综合表现得分的排序从大到小依次为：学生甲、学生丙和学生乙。三人中，学生甲的综合得分最高，为77.55，学生乙的综合得分最低，为-61.25，两者得分之差为138.8，这说明学生甲的综合素质远高于学生乙的综合素质。综合得分为正值的是学生甲，说明学生甲的综合能力相对较强。综合得分为负值的分别是为学生乙和学生丙，说明这两个学生的综合能力相对较弱。

从各项影响学生综合表现的因子得分来看，（1）第一主成分的因子得分排名从大到小依次为：学生丙、学生甲和学生乙。学生丙得分最高，为0.58171，学生乙得分最低，为-1.15469，两者得分之差为1.7364，说明两个学生在第一主成分所反映的指标信息上差距较大。得分为正值的是学生甲和学生丙，且二者相差不大，说明这两个学生在第一主成分所反映的指标信息上表现相当接近。得分为负值的是学生乙，说明该生在此方面相对较弱。（2）第二主成分的因子得分排名从达到小依次为：学生甲、学生乙和学生丙。学生甲得分最高，为1.00251，学生丙得分最低，为-0.99747，两者得分之差为1.99998，说明这两个学生在第二主成分所反映的指标信息上差距较大。得分为正值的是学生甲，说明其在此方面素质相对较高。得分为负值的是学生乙和学生丙，且学生乙得分几乎可视为0，而学生丙得分则接近-1，说明学生丙在方面素质能力远差于其他二人。

鉴于上述分析仅是对三位学生非专业素质表现的考察，接下来我们将考察三位学生的专业素质能力，以期对三位学生的最终综合素质进行评判。我们按照先前对专业素质指标及其下属指标所确定的权重来计算学生甲、学生乙和学生丙的专业素质得分，三位学生专业素质的原始数据（见表6）：

为消除采用加权平均法计算三位学生专业素质得分过程中量纲的干扰，首先对其原始数据进行无量纲化，再进行加权计算其专业素质得分。同时，对前述过程中得到的三位学生的非专业素质最终得分亦进行无量纲化处理，以便使得非专业素质得分和专业素质得分可以进行加权平均处理。这样，我们最终得到如下结果：

由表7可见，最终综合素质排名依次为：学生甲、学生乙和学生丙。就单项的非专业素质排名而言，依次为：学生甲、学生丙、学生乙。而就单项的专业素质排名而言，依次为：学生甲、学生乙、学生丙。对于学生甲，由于其无论是在专业素质还是非专业素质两项指标上表现均明显优于学生乙和学生丙，故其最终的综合素质排名也必然是第一。但对于学生乙和丙，尽管学生丙的非专业素质明显优于学生乙，然而由于其在专业素质方面表现也明显劣于学生乙，故在其最终综合素质得分中我们看到二者得分值极其接近，分别为-0.37576和-0.47585。这种在考虑到专业素质因素情况下名次的变化主要是由于专业素质指标被赋予了60%的权重，这种变化符合学生评价体系中以学业为重的遴选原则。

五、结论

本文拟解决的两个问题，分别是：第一，如何科学地构建全面、完整的学生评价指标体系；第二，如何科学地对学生综合素质进行评价。综观全文，亦是围绕这两个拟解决的问题进行研究的。本文在分析郑州大学西亚斯学院现行学生评价体系的基础上，经过较为充分的调研活动，构建了较能反映学生综合素质的学生评价指标体系，与现行的学生测评表相比，具有一定的科学性，全面性和完整性，能够反映学生的综合素质，较好地解决了学生评价指标体系的构建问题。在构建了新的学生评价指标体系的基础上，又通过实验过程利用因子分析方法实现了对于学生综合素质的考评过程，较好地解决了如何科学地对学生综合素质进行评价的问题。

参考文献：

[1] 薛艳.高校学生评价研究综述[J].经营管理者，2013，（16）.

[2] 熊继承.民办高校学生评价体系的构建[J].湖南科技学院学报，2013，（8）.

[3] 冯玉芳.美国高校学生评价教学的特点和启示[J].产业与科技论坛，2013，（9）.

[4] 夏军.高校形成性学生评价体系研究[J].太原城市职业技术学院学报，2012，（12）.

[责任编辑 王晓燕]endprint

利用生成的主成分得分系数矩阵（Component score coefficient matrix）就可以得出主成分表达式：

F1=0.062×ZX1+0.011×ZX2-0.051×ZX3+0.011×ZX4+

0.062×ZX5-0.051ZX6-0.051×ZX7+0.011×ZX8+0.011×ZX9+

0.011×ZX10+0.062×ZX11+0.062×ZX12+0.011×ZX13+0.051×

ZX14+0.023×ZX15+0.034×ZX16-0.025×ZX17-0.033×ZX18-

0.042×ZX19-0.062×ZX20-0.054×ZX21-0.011ZX22-

0.051×ZX23-0.051×ZX24-0.062×ZX25+0.011×ZX26+0.042×

ZX27+0.011×ZX28+0.042×ZX29+0.042×ZX30+0.011×ZX31-

0.053×ZX32-0.062×ZX33+0.062×ZX34+0.011×ZX35

F2=-0.023×ZX1+0.049×ZX2+0.071×ZX3+0.049×ZX4-

0.023×ZX5+0.071ZX6+0.071×ZX7+0.049×ZX8+0.049×ZX9+

0.049×ZX10-0.023×ZX11-0.023×ZX12+0.049×ZX13-0.071×

ZX14-0.069×ZX15+0.025×ZX16-0.036×ZX17-0.026×ZX18-

0.015×ZX19+0.023×ZX20+0.005×ZX21-0.049ZX22+

0.071ZX23-0.001×ZX24+0.023×ZX25+0.049×ZX26+0.015×

ZX27+0.049×ZX28+0.015×ZX29+0.015×ZX30+0.049×ZX31+

0.072×ZX32+0.023×ZX33-0.023×ZX34+0.049×ZX35

以旋转后的累计方差贡献表中的各主成分对应的方差贡献率作为各主成分的权重构造主成分综合模型：

F=52.84×F1+47.16×F2

根据主成分综合模型即可计算综合主成分值，并对其按综合主成分值进行排序，即可对学生甲、学生乙和学生丙三人的非专业素质表现情况进行综合评价比较。结果（见表5）：

表5 因子得分与非专业素质综合得分

上述研究结果表明，对三位候选人的非专业素质表现而言：

从综合得分来看，三位被测评学生的综合表现得分的排序从大到小依次为：学生甲、学生丙和学生乙。三人中，学生甲的综合得分最高，为77.55，学生乙的综合得分最低，为-61.25，两者得分之差为138.8，这说明学生甲的综合素质远高于学生乙的综合素质。综合得分为正值的是学生甲，说明学生甲的综合能力相对较强。综合得分为负值的分别是为学生乙和学生丙，说明这两个学生的综合能力相对较弱。

从各项影响学生综合表现的因子得分来看，（1）第一主成分的因子得分排名从大到小依次为：学生丙、学生甲和学生乙。学生丙得分最高，为0.58171，学生乙得分最低，为-1.15469，两者得分之差为1.7364，说明两个学生在第一主成分所反映的指标信息上差距较大。得分为正值的是学生甲和学生丙，且二者相差不大，说明这两个学生在第一主成分所反映的指标信息上表现相当接近。得分为负值的是学生乙，说明该生在此方面相对较弱。（2）第二主成分的因子得分排名从达到小依次为：学生甲、学生乙和学生丙。学生甲得分最高，为1.00251，学生丙得分最低，为-0.99747，两者得分之差为1.99998，说明这两个学生在第二主成分所反映的指标信息上差距较大。得分为正值的是学生甲，说明其在此方面素质相对较高。得分为负值的是学生乙和学生丙，且学生乙得分几乎可视为0，而学生丙得分则接近-1，说明学生丙在方面素质能力远差于其他二人。

鉴于上述分析仅是对三位学生非专业素质表现的考察，接下来我们将考察三位学生的专业素质能力，以期对三位学生的最终综合素质进行评判。我们按照先前对专业素质指标及其下属指标所确定的权重来计算学生甲、学生乙和学生丙的专业素质得分，三位学生专业素质的原始数据（见表6）：

为消除采用加权平均法计算三位学生专业素质得分过程中量纲的干扰，首先对其原始数据进行无量纲化，再进行加权计算其专业素质得分。同时，对前述过程中得到的三位学生的非专业素质最终得分亦进行无量纲化处理，以便使得非专业素质得分和专业素质得分可以进行加权平均处理。这样，我们最终得到如下结果：

由表7可见，最终综合素质排名依次为：学生甲、学生乙和学生丙。就单项的非专业素质排名而言，依次为：学生甲、学生丙、学生乙。而就单项的专业素质排名而言，依次为：学生甲、学生乙、学生丙。对于学生甲，由于其无论是在专业素质还是非专业素质两项指标上表现均明显优于学生乙和学生丙，故其最终的综合素质排名也必然是第一。但对于学生乙和丙，尽管学生丙的非专业素质明显优于学生乙，然而由于其在专业素质方面表现也明显劣于学生乙，故在其最终综合素质得分中我们看到二者得分值极其接近，分别为-0.37576和-0.47585。这种在考虑到专业素质因素情况下名次的变化主要是由于专业素质指标被赋予了60%的权重，这种变化符合学生评价体系中以学业为重的遴选原则。

五、结论

本文拟解决的两个问题，分别是：第一，如何科学地构建全面、完整的学生评价指标体系；第二，如何科学地对学生综合素质进行评价。综观全文，亦是围绕这两个拟解决的问题进行研究的。本文在分析郑州大学西亚斯学院现行学生评价体系的基础上，经过较为充分的调研活动，构建了较能反映学生综合素质的学生评价指标体系，与现行的学生测评表相比，具有一定的科学性，全面性和完整性，能够反映学生的综合素质，较好地解决了学生评价指标体系的构建问题。在构建了新的学生评价指标体系的基础上，又通过实验过程利用因子分析方法实现了对于学生综合素质的考评过程，较好地解决了如何科学地对学生综合素质进行评价的问题。

参考文献：

[1] 薛艳.高校学生评价研究综述[J].经营管理者，2013，（16）.

[2] 熊继承.民办高校学生评价体系的构建[J].湖南科技学院学报，2013，（8）.

[3] 冯玉芳.美国高校学生评价教学的特点和启示[J].产业与科技论坛，2013，（9）.

[4] 夏军.高校形成性学生评价体系研究[J].太原城市职业技术学院学报，2012，（12）.

[责任编辑 王晓燕]endprint

利用生成的主成分得分系数矩阵（Component score coefficient matrix）就可以得出主成分表达式：

F1=0.062×ZX1+0.011×ZX2-0.051×ZX3+0.011×ZX4+

0.062×ZX5-0.051ZX6-0.051×ZX7+0.011×ZX8+0.011×ZX9+

0.011×ZX10+0.062×ZX11+0.062×ZX12+0.011×ZX13+0.051×

ZX14+0.023×ZX15+0.034×ZX16-0.025×ZX17-0.033×ZX18-

0.042×ZX19-0.062×ZX20-0.054×ZX21-0.011ZX22-

0.051×ZX23-0.051×ZX24-0.062×ZX25+0.011×ZX26+0.042×

ZX27+0.011×ZX28+0.042×ZX29+0.042×ZX30+0.011×ZX31-

0.053×ZX32-0.062×ZX33+0.062×ZX34+0.011×ZX35

F2=-0.023×ZX1+0.049×ZX2+0.071×ZX3+0.049×ZX4-

0.023×ZX5+0.071ZX6+0.071×ZX7+0.049×ZX8+0.049×ZX9+

0.049×ZX10-0.023×ZX11-0.023×ZX12+0.049×ZX13-0.071×

ZX14-0.069×ZX15+0.025×ZX16-0.036×ZX17-0.026×ZX18-

0.015×ZX19+0.023×ZX20+0.005×ZX21-0.049ZX22+

0.071ZX23-0.001×ZX24+0.023×ZX25+0.049×ZX26+0.015×

ZX27+0.049×ZX28+0.015×ZX29+0.015×ZX30+0.049×ZX31+

0.072×ZX32+0.023×ZX33-0.023×ZX34+0.049×ZX35

以旋转后的累计方差贡献表中的各主成分对应的方差贡献率作为各主成分的权重构造主成分综合模型：

F=52.84×F1+47.16×F2

根据主成分综合模型即可计算综合主成分值，并对其按综合主成分值进行排序，即可对学生甲、学生乙和学生丙三人的非专业素质表现情况进行综合评价比较。结果（见表5）：

表5 因子得分与非专业素质综合得分

上述研究结果表明，对三位候选人的非专业素质表现而言：

从综合得分来看，三位被测评学生的综合表现得分的排序从大到小依次为：学生甲、学生丙和学生乙。三人中，学生甲的综合得分最高，为77.55，学生乙的综合得分最低，为-61.25，两者得分之差为138.8，这说明学生甲的综合素质远高于学生乙的综合素质。综合得分为正值的是学生甲，说明学生甲的综合能力相对较强。综合得分为负值的分别是为学生乙和学生丙，说明这两个学生的综合能力相对较弱。

从各项影响学生综合表现的因子得分来看，（1）第一主成分的因子得分排名从大到小依次为：学生丙、学生甲和学生乙。学生丙得分最高，为0.58171，学生乙得分最低，为-1.15469，两者得分之差为1.7364，说明两个学生在第一主成分所反映的指标信息上差距较大。得分为正值的是学生甲和学生丙，且二者相差不大，说明这两个学生在第一主成分所反映的指标信息上表现相当接近。得分为负值的是学生乙，说明该生在此方面相对较弱。（2）第二主成分的因子得分排名从达到小依次为：学生甲、学生乙和学生丙。学生甲得分最高，为1.00251，学生丙得分最低，为-0.99747，两者得分之差为1.99998，说明这两个学生在第二主成分所反映的指标信息上差距较大。得分为正值的是学生甲，说明其在此方面素质相对较高。得分为负值的是学生乙和学生丙，且学生乙得分几乎可视为0，而学生丙得分则接近-1，说明学生丙在方面素质能力远差于其他二人。

鉴于上述分析仅是对三位学生非专业素质表现的考察，接下来我们将考察三位学生的专业素质能力，以期对三位学生的最终综合素质进行评判。我们按照先前对专业素质指标及其下属指标所确定的权重来计算学生甲、学生乙和学生丙的专业素质得分，三位学生专业素质的原始数据（见表6）：

为消除采用加权平均法计算三位学生专业素质得分过程中量纲的干扰，首先对其原始数据进行无量纲化，再进行加权计算其专业素质得分。同时，对前述过程中得到的三位学生的非专业素质最终得分亦进行无量纲化处理，以便使得非专业素质得分和专业素质得分可以进行加权平均处理。这样，我们最终得到如下结果：

由表7可见，最终综合素质排名依次为：学生甲、学生乙和学生丙。就单项的非专业素质排名而言，依次为：学生甲、学生丙、学生乙。而就单项的专业素质排名而言，依次为：学生甲、学生乙、学生丙。对于学生甲，由于其无论是在专业素质还是非专业素质两项指标上表现均明显优于学生乙和学生丙，故其最终的综合素质排名也必然是第一。但对于学生乙和丙，尽管学生丙的非专业素质明显优于学生乙，然而由于其在专业素质方面表现也明显劣于学生乙，故在其最终综合素质得分中我们看到二者得分值极其接近，分别为-0.37576和-0.47585。这种在考虑到专业素质因素情况下名次的变化主要是由于专业素质指标被赋予了60%的权重，这种变化符合学生评价体系中以学业为重的遴选原则。

五、结论

本文拟解决的两个问题，分别是：第一，如何科学地构建全面、完整的学生评价指标体系；第二，如何科学地对学生综合素质进行评价。综观全文，亦是围绕这两个拟解决的问题进行研究的。本文在分析郑州大学西亚斯学院现行学生评价体系的基础上，经过较为充分的调研活动，构建了较能反映学生综合素质的学生评价指标体系，与现行的学生测评表相比，具有一定的科学性，全面性和完整性，能够反映学生的综合素质，较好地解决了学生评价指标体系的构建问题。在构建了新的学生评价指标体系的基础上，又通过实验过程利用因子分析方法实现了对于学生综合素质的考评过程，较好地解决了如何科学地对学生综合素质进行评价的问题。

参考文献：

[1] 薛艳.高校学生评价研究综述[J].经营管理者，2013，（16）.

[2] 熊继承.民办高校学生评价体系的构建[J].湖南科技学院学报，2013，（8）.

[3] 冯玉芳.美国高校学生评价教学的特点和启示[J].产业与科技论坛，2013，（9）.

[4] 夏军.高校形成性学生评价体系研究[J].太原城市职业技术学院学报，2012，（12）.

[责任编辑 王晓燕]endprint