基于理工类与经管类学生评教数据的统计分析

曹彦 纪志荣 林玉蕊 傅玮玮

摘 要：根据某高校学生学习《概率论与数理统计》课程的评教结果，挖掘理工类与经管类学生评教结果所蕴含的信息。首先对评教数据量表进行信度分析，结果表明所使用的学生评教数据可以进行统计分析；其次采用因子分析法对评教指标进行研究，结果表明理工类和经管类学生对教授同一门课程教师的教学能力关注点有显著差异；最后采用Apriori关联规则挖掘17个评教指标间的强规则，结果显示理工类和经管类学生的强规则不同，教师在基本教学态度和素养方面较其他方面表现更好，且理工类学生评教打分高于经管类学生。该研究为高校教师改进教学行为、提高教学水平提供了参考建议，也为教学管理层改善评教指标体系提供了一定的理论依据。

关键词：学生评教；理工类；经管类；因子分析；关联规则

中图分类号：G640 文献标志码：A 文章编号：2096-000X（2018）12-0068-03

Abstract： According to the teaching evaluation results of a college student's "Probability Theory and Mathematical Statistics" course， the information contained in the teaching evaluation results of students of science and technology and economics and management isexplored. Firstly， reliability analysis was conducted on the evaluation data scale. The results showed that the student evaluation data could be used for statistical analysis. Then the factor analysis method was used to study the assessment indicators. The results showed that the students of science and engineering and economic management shared the same teaching. There are significant differences in the teachers' teaching ability. Finally， the Apriori association rules are used to mine the strong rules among the 17 evaluation indicators. The results show that the strong rules of science and technology and economic management students are different， and the teachers' attitudes and literacy in basic teaching are better than others. Furthermore，the science and engineering students have higher scores on evaluation of teaching than students of economic management. The study provides reference suggestions for college teachers to improve their teaching behaviors and improve their teaching standards. It also provides a theoretical basis for teaching management to improve the evaluation index system.

Keywords： student evaluation； Science and Engineering； Economics and Management； factor analysis； association rules

目前，关于学生评教领域的研究日益增多，内容广泛，包括学生评教的有效性研究、指标内容的研究、评教影响因素的研究以及评教数据处理方法的研究等。这些研究不仅促进了学生评教在全国各高校的快速普及，对实践也起到一定的指导作用。比较起来，国内研究侧重于对学生评教的实践提出问题，定性分析较多，而国外基于数据分析提供解决措施的研究较多，偏向于定量研究。国外学者对学生评教的研究始于20世纪六七十年代，研究主要涉及学生评教结果的可靠性、有效性以及影响因素分析[1]。而国内研究虽起步较晚，但发展很快，并且取得了丰硕的成果。相关研究者的研究范围很广，包括评教有效性、评教指标体系研究[2-3]、评教结果的处理与反馈、评教影响因素分析[4]等。然而在现有相关研究中，通过评教数据进行信息挖掘和提供解决问题思路的相关研究则较少，从不同学科类型出发对评教数据进行信息挖掘的研究更是几乎没有。故本文以《概率论与数理统计》课程为例，从理工类与经管类学生的评教结果出发，运用因子分析法和Apriori关联规则算法对学生评教结果展开信息挖掘，试图为高校教师改进教学行为与提高教学水平提供一定的参考依据与建议。

一、数据来源与处理

数据来源：本研究所用数据来源于某高校教务处学生评教系统，采用了2016-2017学年和2017-2018学年第一学期的《概率论与数理统计》课程的学生评教数据。文章采用的學生评教数据共1499条，根据专业划分学科类型为理工类与经管类，其中理工类505条数据，经管类994条数据，在对评教数据处理、分析过程中坚持客观、真实的原则。表1是学生评价量表。运用SPSS统计软件计算得到理工类和经管类学生评教数据的？琢信度值分别是0.988和0.985，均接近于1，说明该评价量表指标存在较好的内部一致性，利用此评教数据分析是有意义的。

二、理工类与经管类学生评教结果因子分析

（一）理工类学生评教结果的因子分析

因子分析结果表明，提取特征值后的所有变量共同度均达到了90%以上，且4个公因子提取信息的累积方差贡献率高达92.38%，即意味着4个公因子解释了17个评价指标总方差92.38%的信息，说明提取出的4个公因子充分提取了各个评教指标的信息。从旋转后的因子载荷阵可以得出，不同公共因子在评价指标上的载荷有明显的区别。第一个公共因子在I7，I9，I10，I8，I16，I17，I12，I5，I13，I15上有较大载荷，归为同类指标。而第二个公共因子在评价指标I2，I3，I4，I6上有较大载荷，可归为同类。第三个公共因子在评价指标I14，I1上的载荷较大，可归为同类。第四个公共因子主要解释了I11所包含的信息。

（二）经管类学生评教结果的因子分析

因子分析结果显示，提取特征值后的变量共同度均达到85%以上，且提取出的前4个公因子的累积方差贡献率高达89.574%，说明这4个公因子已经充分提取了17个评教指标的信息。从旋转后的因子载荷阵可知，第一个公因子在评价指标I17，I15，I16，I4，I12，I5上有较大载荷，说明这6个评价指标具有很强的相关性，可归为同类。第二个公因子在评价指标I2，I1，I3上有较大载荷，归为同类。第三个公因子在评价指标I7，I10，I11，I8上的载荷较大，可归为同类。第四个公共因子主要解释了评价指标I14，I9，I13，I6所包含的信息，可归为同类。

（三）理工类、经管类学生评教因子命名结果的对比分析

分别对理工类与经管类学生评教情况的因子分析结果进行归类和因子命名（表2），从理工类学生评教指标因子命名结果来看，F1可命名为教学内容，F2可命名为教学态度与素养，F3和F4分别命名为教学方法和教学拓展；从经管类学生评教指标因子命名结果来看，F1可命名为教学效果，F2可命名为教学态度与素养，F3和F4分别命名为教学内容和教学方法。对比分析可得如下结论（表2）：

1. 理工类与经管类学生所关注的教师教学能力不同。从F1看，理工类学生更关注教师教学内容方面的表现，比如I7老师讲课是否有条理，是否口齿清晰并且富有激情，或者I10授课时是否重点突出，难点分析透彻等；而经管类学生更多关注的则是教师的教学是否有效果，自己是否有所收获，比如I17对学科前沿介绍加深我们对本学科的认识，增强学习兴趣，或者I16教师不仅教授我们知识，还传授学习方法。

2. 理工类与经管类学生都比较注重教师的教学态度和基本素养。在F2教学态度和素养上，无论是理工类还是经管类学生，都比较关注教师是否能严格考勤、有效管理课堂纪律，是否做到了对每个学生都公平、公正，这说明有一定的教学态度和素养是对教师最基本的要求。

3. 理工类学生更关注教师的教学拓展，而经管类学生则对教师的教学内容有更高的要求。由于理工类和经管类学科性质的不同，因而对教授同一门课程《概率论与数理统计》教师的教学能力关注点有所差异，作为授课教师在授课时应因材施教，采用不同的教学方法，针对学科性质与学生实际情况选择合适的教学内容进行讲授。针对理工类学生，教师应努力做到授课内容丰富，不照本宣科，注重理论联系实际并适当前沿拓展；而针对经管类学生，则应更多的注重教学内容，努力做到重点突出，难点分析透彻，在传授学生知识的同时，还要注重传授学习方法。

三、基于关联规则的指标关联分析

运用Apriori关联规则[7]算法找出17个指标间的关联关系，挖掘理工和经管学生的指标关联异同点，找出隐含的信息，为教师改进教学行为提供参考建议。

最小支持度主要用来衡量支持度，是研究者自行设定的阈值，表示项目集在统计学上的最低重要性；最小置信度则主要用来衡量置信度，表示关联规则的最低可靠性。同时满足最小支持度与最小置信度的规则，称为强规则。

项集A、B同时发生的概率为关联规则的支持度：

项集A发生的条件下，则项集B发生的概率称为关联规则的置信度：

本文运用WEKA3.8.1软件进行关联规则分析，设置关联规则的最小支持度为0.87、最大支持度1、最小置信度0.9，设置最后挖掘出排名前100的运算结果。

理工类与经管类学生评教数据的关联规则分析：

Apriori关联规则运算结果（表3）表示为“如果-则-”的形式，其中数字表示支持该条规则的实例条数。可以看出，理工类学生评教指標I1，I2，I3之间关联度很高，教师I1上下课准时，不出现随意调停课和上课使用手机现象=“A”，则I2严格考勤，有效管理课堂纪律=“A”And I3老师平等地对待每一位学生=“A”，且这三个指标能够互相推导，反之亦成立。其他关联规则包括：{如果I10，则I3}；{如果I14，则I1}；{如果I6，则I1}；{如果I10，则I6}；{如果I6，则I3}；{如果I6，则I2}。

而经管类学生评教数据的关联规则模型结果（表4）显示，I3、I5、I2、I12、I14分别与“I1上下课准时，不出现随意调停课和上课使用手机现象”的关联性高，反过来I1与I3，I5，I2，I12，I13，I14之间同样满足最小支持度和最小置信度，存在强规则关系。

综上可知：

1. 在同样的置信度和支持度下，理工类得出的规则条数明显多于经管类，在每条规则都是关于“A”的条件下，说明理工学生对《概率论与数理统计》的授课老师打分高于经管学生的评教打分。可能是因为理工类学生有较好的数学思维能力，更易掌握《概率论与数理统计》，经管类学生学习起来可能相对吃力，不太容易掌握，致使学生对教师的打分偏低。2.无论是理工类还是经管类学生，I1、I2和I3 三个指标打分出现“A”的概率都较其他指标高，说明教师在基本教学态度和素养这一方面表现较其他方面表现好，但同时也对比出教师在其他方面的能力素养上有待提升。3. 理工类学生挖掘出的强规则主要是基本教学态度和素养与教学内容存在较高的关联度，经管类学生挖掘出的强规则主要是基本教学态度和素养与教学方法存在较高的关联度。这表明对于不同学科类型的学生，教师应该有针对性的提高基本教学态度和素养，例如给理工类学生上《概率论与数理统计》的教师，在改进基本教学态度和素养时，应注意改进教学内容等。

四、结束语

通过比较理工类和经管类学生对教授公共课程《概率论与数理统计》教师评教打分上的差异，挖掘出理工类与经管类学生评教结果的异同点以及评教指标的信息，为高校教师改进教学行为、教学管理层改善评教指标体系提供了一定的参考依据。

参考文献：

[1]Cochran H H，hodgin J R， Zietz G L J.Student evaluation of teaching：Does pedagogy matter.Journal for Economic Educators，2003，4（1）：6-18.

[2]刘映婷，蒋家琼.学生评教——美国高校教学质量监控的重要手段[J].高等教育研究学报，2013，36（3）：56-58.

[3]邱楷，叶道艳.高校学生评教的影响因素研究[J].教育科学，2016（02）：33-40.

[4]徐杰.高校学生评教结果的统计分析[D].湖北大学，2014.

[5]罗家国，邱庚香，潘莎莎，等.基于克伦巴赫信度分析的工科学生实践教学质量评价之改进[J].创新与创业教育，2015（2）：140-143.

[6]殷瑞飞，朱建平.关于利用因子分析方法对变量分类的探讨[J].统计与决策，2005（03）：20-21.

[7]潘庆先，于萍，娄兰芳.关联规则算法的研究及其在教学评价中的应用[J].烟台大学学报（自然科学与工程版），2010（02）：127-131.