设计类大学生学习评价量表指标选取方法*

杨　玲

(重庆工商大学 艺术学院，重庆 400067)



设计类大学生学习评价量表指标选取方法*

杨玲

(重庆工商大学 艺术学院，重庆 400067)

摘要：目的 研究设计类大学生学习评价量表指标选取方法;方法 面向设计类学生及专家，以座谈会和问卷调查的方式确定测定因素，用因子分析、信度和效度分析法，对设计类大学生学习评价指标和测评量表进行系统研究;结果 通过研究得出具有较高信度、效度和鉴别力的3个一级指标(学习动机、学习行为及过程、学习效果)，22个二级指标的评价指标和测评量表;结论 弥补了设计类大学生学习测量研究领域中的不足，丰富了设计类教育研究方法，为此类大学生学习评价研究提供了科学的量化工具及依据。

关键词：设计类大学生;学习动机;学习行为及过程;学习效果;指标

学习评价作为反馈调节机制，在教学过程和学习过程中均起着不可或缺的作用。在教育界大力提倡教学质量的背景下，评价是重要的抓手和手段，如何获得全面、及时、准确的评价资料，众多的学者专家正尝试不同的方式方法，多角度思考和研究这个问题，如绝对评价、相对评价、诊断性评价、形成性评价亦或个体内差异评价等，但多采用描述性和调查分析研究方式[1]。但无论以何种方式，如果没有科学的定量和定性方法，就无法量化各因素对人才质量培养的影响。由此可见，设计类大学生学习评价测量表、评价指标的研究，是当下评价工作必须先行又极其重要一步。

1调查对象

以某市4所高校的设计类专业学生为调查对象，整群抽取环境艺术设计专业本科生93名，视觉传达设计本科生70名，产品设计专业69名，服装及服饰设计本科生60名，动画本科生68名，以及设计类教授专家10名(共计370人)，收回有效问卷356份，有效率96.22%，平均年龄20.35(17～22)岁，其中男性148名，平均年龄21.05(17～22)岁，女性212名，平均年龄20.27(17～21)岁。教授专家平均年龄49.35(42～63)岁，女性4名，平均年龄48.21(46～62)岁，男性6名，平均年龄49.05岁(46～64)。

2具体方法

2014年9月至2015年6月期间，在参照国内外现行学习评价相关量表及指标的基础上，以开放式问卷的形式征求6位设计类专家、4位教育学专家、各年级学生代表，关于学习构成要素的意见；第二轮将学习构成要素的典型行为，以及与之相对应的测量题制成半封闭式问卷，再次向设计类专家教授和各专业学生进行调查，并将半封闭式问卷中针对性强，赞成率大于50%的要素，制成最终的封闭式问卷。学习动机量表分6级反应制(1非常不符合，2大部分不符合，3部分不符合，4部分符合，5大部分符合，6非常符合)，正向陈述题目6级的相应分值分别为6分、5分、4分、3分、2分、1分,题目反则反向记分[2]。学习行为及过程量表、学习效果量表增列同学、老师参评栏，反应制和记分与学习动机量表相同。第三轮将正式问卷向设计专业专家和各年级设计专业大学生做问卷调查，回收后，对封闭式问卷逐条进行因子分析，提取主要因子，得到设计类大学生学习相应的29个指标(图1);第四轮用此29个指标构建设计类大学生学习的初级评价指标，对设计类大学生进行调查，再次利用因子分析，提取主要的构成成分，对设计类大学生学习评价的初级评价指标进行修正，得到设计类大学生最终涵盖3个因子及相对应的22个指标的学习评价指标体系(图2)。并针对设计类大学生学习评价所包涵的因子及其指标进行信度、效度分析。

图1　设计类人才学习评价体系Fig.1　The learning evaluation system for the design talents

图2　设计类人才学习评价指标体系(终稿)Fig.2　The learning evaluation system for the design talents(final version)

3分析结果

3.1因子分析

在统计分析诸多方法中，因子分析模型是指通过研究多变量之间的内部依赖关系，寻求这些样本数据的基本结构，并用少数几个被称为公因子的不可观测变量，来表示其基本数据结构[3]。因其在定量分析中涉及因子变量的数量较少，又能反映出原变量大部分信息的优点，从而成为自然科学、经济学、管理学领域研究问题时常使用的方法。此处运用IBM的SPSSWindow19.0软件包，对设计类大学生学习因子进行分析，选取特征值大于1，因素负荷大于0.5的因子3个，其方差累积贡献率为80.326%，以建立一个客观、合理的评价指标(表1)。

表1　因子变量的特征值、方差贡献率及方差累计贡献率

其二,为保证测量表中因子分析的有效性，采用KMO(Kaiser-Meyer-Olkin)和巴特利球形检验，对数据进行样本检测(表2)。KMO的值为0.948，据Kaiser的观点，当KMO<0.5时，不适宜进行因子分析，当KMO>0.5时,且数值越大，表明变量间共同因子越适合进行因子分析[4]。在(BarlettTestofSphericity)球形检验中，近似卡方值Approx.Chi-SquareX2等于4 863.703，显示出较高水平，这些都说明所收集的数据非常适合进行因子分析，由此可见此评价指标有较好的结构效度。

表2　KMO与Bartlett’s检验结果

其三,选用方差极大法对因子进行旋转(表3)，每个因子的最高载荷变量数目最小，各因子变量含义更加清晰，第一个因子基本反映了“自己的目标”“个人兴趣”“家长期望”“同伴压力”等变量的相关程度，并与第一因子显示出明确的正相关，且是推动学习的内在与外在动因，因此命名为学习动机因子。第二个因子基本反映了“自我激励”“有适合自己的学习方法”“自我规划”“学习执行力”“调度合作情况”“人际交流中敏感性”“信息搜集和处理”“有探索质疑精神”“集体的学习氛围”等变量的相关程度，并与第二因子显示出明确的正相关，是学习过程中的各种学习行为表现，将直接影响设计类大学生学习效果，因而命名为“学习行为及过程”；第三个因子基本反映了“审美能力”“创新能力”“艺术表现力”“实践动手能力”“合作协调能力”“开放永生思维”“积极主动的个性”“自学能力”等变量的相关程度，并与第三因子显示出明确的正相关，是设计类大学生学习效果的直接反映，因此命名为“学习效果”。

表3　旋转后因子载荷矩阵

续表(表3)

3.2信度分析

为保证量表的可靠性，使得采用同样的方法对相同的对象测量时，得到一致程度高的结果，文章采用2种方法，即Cronbachα系数分析法和折半信度系数分析法来检验设计类大学生学习评价指标(量表)的信度指标。学习动机、学习行为及过程和学习效果的同质信度(即Cronbachα系数)分别为0.949，0.918，0.936和0.897，折半信度(相关系数)分别是0.930，0.887，0.899和0.879。从结果分析来看，数据在0.824～0.953之间，在0.8以上有较好信度，在0.9以上信度甚佳[5]。

3.3效度分析

为了准确测出所需测量事物的效度，采用结构效度和内容效度分析法，从因子分析的结构看来，本指标所体现的结构与测量值之间对应程度良好，具有较好的结构效度，所设计的题项基本代表所要测量的内容。从分析来看，评价指标与学习动机的相关值是0.965，评价指标与学习行为及过程的相关值是0.949，评价指标与学习效果的相关值是0.938，学习动机、学习行为及过程、学习效果三者之间的相关值是0.836，0.871和0.895。由此可见，因子与各评价指标的相关值在0.836～0.965之间，则意味着内容效度比较理想。

4结论

设计类学生学习评价量表指标在研究步骤上，按照因子分析法的研究程序执行，从分析变量的相关关系入手，并假设变量间的相关关系能够完全被公因子解释[6]，通过所测得的各因子与各指标之间的关系、信度、效度数据，显示出该指标具有可靠性和有效性。可见，该评价量表(指标)的信度、效度都达到了指标构建的要求，可以作为设计类大学生学习测评工具和评价指标使用(图2)。

本评价指标以定性和定量相结合的方式，以设计类大学生学习状况为研究对象，经过大量的调查研究而成，为设计类大学生学习评价指标研究添加了浓墨重彩的一笔，也为设计类大学生学习的评价工作提供了科学依据和量化工具，丰富和发展了设计类的教育评价理论。

参考文献(References)：

[1] 张俐,张霞,刘云波,等.大学生自主学习能力评价指标及测评量表的研究[J].中国高等医学教育,2014(1):11-13

ZHANGL,ZHANGX,LIUYB,etal.ResearchonCollegeStudents’AutonomousLearningAbilityEvaluationIndexandEvaluationScale[J].ChineseHigherMedicalEdu-cation,2014(1):11-13

[2] (美)丹奈尔D史蒂文斯.评价量表快捷有效的教学评价工具[M].陈定刚,译.广州：华南理工大学出版社,2014

(USA)DANNELLEDSTEVENS.AnAssessmentTooltoSaveGradingTime,ConveyEffectiveFeedback,andPromoteStuedntLearning[M].CHENDGTranslation.Guangzhou:SouthChinaUniversityofTechnologyPress,2014

[3] 陈洁文,陈勇,林海明.主成分分析应用中应注意的问题[J].统计与决策,2009(8):140-141

CHENJW,CHENY,LINHM.ProblemsShouldbePaidAttentiontointheApplicationofPrincipalComponentAnalysis[J].StatisticsandDecision-making,2009(8):140-141

[4] 武松,潘发明.SPSS统计分析大全[M].北京：清华大学出版社，2014

WUS,PANFM.CompleteWorksofSPSSStatisticalAnalysis[M].Beijing:QinHuaUniversityPress,2014

[5] 罗伯特.F.德维利斯.量表编制理论与应用[M].魏勇刚，席忠恩，龙长权，译.重庆：重庆大学出版,2015

ROBERTFDEVELLIS.ScaleDevelopment:TheoryandApplication[M].WEIYG,XIZHE,LONGCHQTranslation.Chongqing:ChongqingUniversityPress,2015

[6] 徐科,张艳.重庆各区县经济发展水平的因子分析[J].重庆工商大学学报(自然科学版)，2012(1):28-30

XUK,ZHANGY.FactorAnalysisofEconomicDevel-opmentLevelofEachCountyorDistrictofChongqing[J].JournalofChongqingTechnologyandBusinessUniversity(NaturalScienceEdition),2012(1):28-30

责任编辑：李翠薇

doi:10.16055/j.issn.1672-058X.2016.0004.017

收稿日期：2015-10-21; 修回日期：2015-12-04.

*基金项目：2014年重庆市教育科学研究所课题(2014-GX-104).

作者简介：杨玲(1969-)，女，重庆市人，讲师，硕士，从事设计学及设计教育研究.

中图分类号：G642

文献标志码：A

文章编号：1672-058X(2016)04-0098-06

Method’s choice of Index for Learning Evaluation Scale of the Design Students

YANGLing

(SchoolofArt,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China)

Abstract：Objectives: Method’s choice of index for learning evaluation scale of the design students. Methods: In accordance with the design students and experts, we had various types of meetings and used the form of seminars and questionnaires,we also used the method to determine the test factors. Using the Factor analysis and the reliability and validity analysis, we studied the learning evaluation indexes and scales of the design students .Results: Through study we have got the three primary indexes with higher reliability, validity and discrimination(the learning motivation,behavior and process and effects) and also 22 second indexes for the evaluation indexes and scales .Conclusion: The result makes up the shortage in the field of the learning and the measurement for the design students, offers a scientific basis and quantitative tool for the students’ learning evaluation,and enriches the study method for the design education

Key words：design students; learning motivation; learning behavior and process; learning effect; index