大学课程收获度的实证分析

张辉，刘悦悦，韩晶晶，滑瑶

(中国传媒大学 理学院，北京，100024)

大学课程收获度的实证分析

张辉，刘悦悦，韩晶晶，滑瑶

(中国传媒大学 理学院，北京，100024)

本文通过典型调查数据，研究了大学课程的收获度。首先，利用相关系数研究了学生成绩与课程收获度的关系。然后建立课程收获度的回归分析模型，研究了课程收获度的影响因素及其影响程度。模型回归效果良好，可以用于大学课程收获度的评价和预测。

收获度；截断模型

1 引言

大学课程收获度是指学生在学完该门课程后对此课程掌握的程度。大学课程收获度评价主要是对实施该门课程单位的教师素质、教学条件、学生自身认真程度的综合评价。它是提高课程质量，判定所开设的课程是否达到预期效果的重要手段。课程收获度评价的实质是学生对所学该门课的价值判断。

影响大学生收获度的因素可以分为两类：一类是人的因素，即课程参与者；另一类是物的因素，即课程的要素。其中，人的因素主要是指学生和老师。因为收获度是学生对大学课程的价值判断，所以我们主要从学生对大学课程的认真程度、学生对课程的感兴趣程度和对教学设备的满意程度来分析收获度。

目前，课程收获度调查的评价方法大致可以分为两类，一类是对学生成绩与收获程度的关系进行量化分析。另一类是对学生自身认真程度、学生对课程感兴趣程度和教学设备的满意程度进行质性评价。通过量化评价方法与质性评价方法相结合的方式综合分析大学课程收获度。本文主要分为四个部分：第一部分是大学课程收获度评价简介；第二部分是学生成绩与收获度关系分析；第三部分是学生对三个影响因素：对教学设备的满意程度、学生认真程度、对课程感兴趣程度与收获度分析；第四部分是结论。

2 课程收获度典型调查的描述性分析

本研究通过自行设计的调查问卷，获得学生对统计学课程的收获度情况，实发120份，有效问卷116份。

基于问卷，本文进行了收获度与成绩的相关分析。

2.1 学生成绩与收获度的关系分析

一般情况下，主观上认为学生成绩与学生对该课程掌握程度是正相关关系，也就表明，一定程度上学生成绩代表着学生从课堂上能收获多少，为调查这种情况是否符合实际，本文通过典型调查数据对二者的关系进行了系统分析。首先，做出学生成绩与课程收获度的散点图(见图1)。

图1 收获度与成绩散点图

图1中横坐标是课程的收获度，纵坐标是学生的成绩。图1中的点分布相对集中，直观上看，成绩与收获度存在一定相关关系。为了进一步确定学生成绩与收获度之间存在相关关系，本文通过统计学中的相关系数，来定量考察二者之间的关系。下面通过SPSS软件计算两者的相关系数，计算结果见表1。

从表1的计算结果可以看出在置信度(双侧)为 0.01 时，相关性是显著的。这说明学生成绩与收获度存在显著相关关系，这与散点图的直观显示是一致的。通过二者的关系分析可以认为，学生学习概率论课程的收获度越高，则其期末考试成绩越高。

表1 收获度与成绩的相关性

3 大学课程收获度影响因素分析

通常我们会认为，教学设备、学生学习认真程度、学生对概率论课程的感兴趣程度与学生的收获度存在一定的关系。可以通过建立多元线性回归模型研究收获度的影响因素。但是，收获度作为被解释变量，它的取值是从0到10的连续变量，由于受到实际调查的限制，样本中没有出现零值。也就是说只能从一部分个体中随机抽取样本观测值，而这部分的观测值又都大于1。因此，本文建立截断模型探讨收获度的影响因素，其左侧截断点为1。

3.1 模型的原理

(1)

3.2 最大似然估计法

建立模型

yi=β′Xi+εi

(2)

其中，yi|Xi～N(β′Xi，σ2) ，εi～N(0，σ2)。

如果yi只能在大于a的范围内取得观测值，从(1)式可以得到yi的概率密度函数为

该对数似然函数的极大化条件为

(3)

其中，αi=(a-β′Xi)/σ，λi=φ(αi)/(1-Φ(αi))。求解(3)式即可以得到模型的参数估计量。

如果对模型就行在参数化，可以使的估计过程更简单。以a=0为例，令γ=β/σ和θ=1/σ，得到

(4)

这里利用了1-Φ(-t)=Φ(t)。对该似然函数极大化，求得到γ和θ的估计量后再利用σ=1/θ和β=λ/θ求得原参数估计量。

3.3 课程收获度的影响因素分析

首先，建立截断线性回归模型考察各个因素对收获度的影响大小。其次，选择不同影响因素建模，通过拟合状况的好坏剔除出不显著的因素。最后，选取更好的模型考察各个因素对收获度的影响。

本文将课程收获度的影响因素分为两类：一类是主观因素(学生认真程度(x2)；对课程感兴趣程度(x3)；二是客观因素(教学设备满意度(x1))。

(1)模型的建立

建立截断线性回归模型：

y1=α1+β1x1+β2x2+β3x3+μ

y2=α2+ρ1x2+ρ2x3+μ

通过Eviews软件模型拟合结果如下：

表2 y1截断模型回归结果表

由表2可得教学设备(x1)的收尾概率为0.9424，说明没有足够证据表明教学设备满意度(x1)会影响学生收获度。其它各个因素的收尾概率均通过参数显著性检验，对收获度有显著影响。

表3 y2截断模型回归结果表

从表3可以看出，“学生的认真程度”的系数为0.5849，“对课程感兴趣程度”的系数为0.5753。说明影响学生课程收获度最主要的因素是主观因素——“学生的认真程度”与“学生对课程的感兴趣程度”。

模型方程为：

y=3.17+0.5849x2+0.5775x3

(4.35) (2.89) (2.69)

由于模型拟合的较好，可以借助上式对学生的大学收获度进行预测。

4 结论

根据大学生收获度的典型调查数据，本文建立模型对大学课程收获度进行了实证分析，结论如下：

(1)利用相关系数发现，学生成绩与收获度具有相关性，这说明学生成绩高，也就意味着在一定程度上该学生从课程中的收获度高。

(2)利用截断模型，研究了大学课程收获度的影响因素和影响程度。分析发现，“学生的认真程度”，“是否对课程感兴趣程度”对课程收获度有显著影响。“学生的认真程度”和“对课程的感兴趣程度”属于主观因素，并且影响因素都比较大，且影响程度差不多。这说明学生在学习该门课时应发挥主观能动性，收获的关键还在于学生自己，客观因素“教学设备的满意程度”影响较小，学生只有通过自身的努力才是收获知识的最重要条件。

[1]张扬.论课程评价中量化评价与质性评价[J].宁波大学学报，2004，(3).

[2]李子奈，潘文卿.计量经济学(第三版)[M].北京：高等教育出版社，2010.

[3]张彤，马龙.课程质量评估实测的分析与思考[J].医学教育探索，2003.

(责任编辑：宋金宝)

Empirical Analysis on Degree of Gain in Collegial Course

ZHANG Hui，LIU Yue-yue，HAN Jing-jing，HUA Yao

(Science School，Communication University of China，Beijing 100024，China)

This paper studies degree of gain about collegial curricula through typical survey data.Firstly，we analyze the relationship between grade and degree of gain by correlation coefficient.Then we set up regression analysis model about degree of gain in collegial course and study influencing factor and degree about degree of gain from collegial curricula.The model has good regression effect.Therefore，this model can be used to evaluate and forecast degree of gain about collegial curricula.

degree of gain；truncated model

2016-11-21

张辉(1970-)，女(汉族)，内蒙古赤峰人，中国传媒大学教授.E-mail：2416266901@qq.com

F

A

1673-4793(2017)02-0006-04