基于有序多分类Logistic模型的大学生学习效果影响因素分析

麦继芳

(岭南师范学院 数学与统计学院，广东 湛江 524048)

百年大计，教育为本。教育是一个国家的灵魂，一个民族的希望。大学生作为我国建设特色社会主义的主力军，直接关乎国家的命运发展。日前，国内很多高校逐渐形成一种趋势——重视科研成果的产出，忽视教学工作，这与高校的办学初衷相违背。OBE教育理念的提出对现代教育影响重大。在OBE理念中，强调一切教学组织和考核方式应以学生的学习效果为导向，大学生的学习效果的界定应以教学目标来确定[1]。然而，只有找出影响大学生学习效果的因素，才能对症下药，从而做到精准、快速提升大学生的学习效果。

目前，我国学者针对学生学习效果影响因素分析的研究成果不多，尚且存在一些不足。主要表现如下：1.在研究对象上，针对大学生的学习效果相关问题研究稀少；2.在变量研究范围上，尚未有学者同时结合学生自身信息和教师的学历、职称、教龄、是否参与教材改编及学生期望的课堂模式等视角出发，量化研究影响大学生学习效果的主要因素[2]-[6]；3.在研究方法上，目前的研究方法主要是基于简单的统计分析[7][8]、方差分析[9]、相关分析[10]、列联表分析[11]等基础方法分析，而运用模型定量分析的研究成果尚稀少；4.在研究层次上，关于大学生学习效果的研究成果基本停留在理论研究或是现状分析层面，尚缺乏实证分析。

本文根据学术界关于大学生学习效果业已研究的成果及结合作者一线的教学实践经验，选择可能影响大学生学习效果的变量。本文选择广东省3所高校，着重从教师基本信息、学生对教师的评价信息、学生的基本信息以及学生期望的课堂模式四个大方面展开调查。使用相关分析法对变量进行初步筛选；为避免变量间存在多重共线性，再使用因子分析方法对变量进行整合；针对整合出来的特征因子建立有序多分类Logistic回归模型进行分析，找出影响大学生学习效果的主要因素。最后，鉴于结果分析，给出相应对策，以期为高校提高大学生学习效果提供有益的建议。

一、数据来源及样本结构

(一)数据来源

为了深入研究大学生的学习情况，了解影响大学生学习效果的主要影响因素。根据学术界关于学生学习效果业已研究的成果及结合作者一线的教学实践经验，本文初步选择20个可能影响大学生学习效果的特征因子，选取广东省3所高校《概率论与数理统计》这门课程的相关信息展开调查，其中一本类院校2所，二本类院校1所，涵盖经济学、管理学、地理学、工学、理学、教育学等学科共10个专业。本文采用问卷调查法和行政记录法相结合，笔者于2018年3月至2019年3月共发放问卷1000份，回收问卷973份，并收集相应行政记录信息。检查收集数据发现，共有29个样本存在关键信息缺失现象，占比很小，故直接剔除缺失关键信息的数据，最后获得944条有效样本数据，有效率达94.4%。

本文收集的信息包括教师信息和学生信息两大块。其中，教师信息包括两大类：教师自身基本信息和学生对教师的评价信息；学生信息也分两大类：学生自身基本信息和学生期望的课堂模式信息。教师自身基本信息涉及性别、职称、年龄、学历、参与教材改编、该学期课时量；学生对教师的评价信息涉及教学态度、教学内容、教学方法、教学技能；学生自身基本信息包括性别、类别、数学基础、课前预习情况、课余预习情况和学习目的等；学生期望的课堂模式包括课堂交流讨论、课堂探索时长、课堂练习时长和课堂练习形式。

(二)样本结构

在教师信息方面，女教师占比较小，占比为36.38%；中年教师占大多数，高达52.43%；其次，教授占比较小，讲师和副教授占比最高，高达76.39%；该门课程所有任课教师的学历均为硕士以上，其中，博士和博士后占比为61.76%。

在学生信息方面，本次调查的男生占比为62.83%，其中，理工类学生占比为66.14%。大学生课程基础为一般的学生占比为：36.5%；基础良好的占比为：53.94%；而基础差的学生和优秀的学生占比都很小，共占9.50%。根据大学生日常学习情况可得知，极少大学生具有课前预习的习惯，仅占1.74%，并且极少大学生具有利用课余时间学习的习惯，其占比仅为2.55%。具体的特征取值如表1所示。

表1 特征取值

二、大学生学习效果影响因素的实证分析

(一)相关性分析

对表1中的20个特征因子进行相关性分析。由相关性分析结果可得知，共有13个特征因子通过相关性检验。其中，在教师信息方面，教师的职称、年龄、教龄、参与教材改辑、教学态度、教学内容、教学技能这7个因素通过相关性检；在学生方面，学生的类别、数学基础、课前预习、课余学习、学习目的、课堂练习时长共6个因素通过相关性检验。

(二)因子分析

由于影响大学生学习效果的因素较多且较为复杂，为避免各自变量间可能存在多重共线性问题。因此，使用因子分析方法对通过相关分析的13个特征因子进行因子分析，提取出少数综合因子，并保证所得的各个综合因子之间相互独立。使用SPSS统计软件求出KMO值为0.82>0.7，说明适合使用因子分析方法进行分析。根据因子分析方法结果可知前6个主成分的特征值较大，且累计方差贡献率达90.3%，故取前6个主成分。为使得新得到的综合因子具有更好的实际意义，使用因子旋转法，得到其旋转成分矩阵见表2。由表2可知，成分1主要解释了教师的职称、教龄、参与教材改编这三个指标，因此将成分1归类为教师的渊博程度因子；成分2主要解释了教师的年龄和教学态度两个指标，因此将其归类为教师的教学热枕程度因子；成分3主要解释了教师的教学内容和教学技能两个指标，因此将其归类为教师的教学能力因子；成分4主要解释了学生的类别和数学基础两个指标，故将其归类为学生课程基础因子；成分5主要解释了课前预习、课余学习、课堂练习时长三个指标，将其归类为学生学习投入程度因子；成分6主要解释了学习目的一项指标，因此将其命名为学习驱动因子。

表2 旋转成分矩阵

将通过相关分析的13个特征因子：教师的职称、年龄、教龄、参与教材改编、教学态度、教学内容、教学技能、学生的类别、数学基础、课前预习、课余学习、学习目的、课堂练习时长分别定义为自变量：x1-x13。由表3可得到6个主要成分的计算公式，其中，成分1的表达式如下：

表3 系数矩阵

F1=0.51x1-0.35x2+0.33x3+0.42x4-0.01x5+0.14x6+0.18x7+0.26x8-0.21x9-0.03x10+0.06x11-0.15x12-0.16x13

其余因子的计算公式同理可得，由于篇幅原因，在此不再列举。

(三)有序多分类Logistic回归分析

1.有序多分类Logistic回归模型的构建

本文以学生考试成绩等级为因变量，构建有序多分类Logistic回归模型。因变量有五个等级，设因变量的取值为：1=“不合格”，2=“合格”，3=“良好”，4=“优秀”，5=“非常优秀”，且其相应等级的概率为pi，其中1，2，3，4，5.建立有序多分类Logistic回归模型如下所示：

其中，αi为常数项，βi为偏回归系数，pi为相应取值水平的概率，i=1，2，3，4，5。

2.有序多分类Logistic回归分析

使用SPSS统计软件进行有序多分类Logistic回归分析，计算结果如表4所示。由模型拟合度看，该模型的-2倍对数似然值为312.44，认为该模型总体上通过检验。此外，Cox & Snell R2和Nagelkerke R2分别为0.32和0.38，说明该模型拟合效果较佳。由回归系数的显著性水平可发现，除了教师渊博程度和学习驱动因子之外，其他因子都对大学生的学习效果产生显著的影响。其中，学生学习投入因子对学生的学习效果影响最大；其次是学生的课程基础；随之是教师的教学能力；最后是教师的教学热枕程度。

表4 回归分析结果

由表4分析结果可得知，在5%的显著性水平的条件下，高校教师渊博程度的显著性水平为0.13>0.05，接受原假设，该因子表现不显著。而常规思维认为，知识渊博的教师能对知识的理解更加透彻，他们更容易将正确的知识传输给学生。然而，本文所得结果与大多数人的理解不相吻合。这可能是存在某些知识渊博程度较高的教师全身心投入科研工作中，而忽视了教学工作，所以导致该因子在此模型中表现不显著。

高校教师热枕程度的显著性水平为0.02<0.05，拒绝原假设，该因子表现显著，且其对应的偏回归系数为0.41，呈正向影响。结果表明，教师的教学热情越高涨，学生的学习效果越佳。其主要原因是教师的教学热情澎湃，富有感染力，能有效地激发学生的学习热情。

高校教师教学能力的显著性水平接近等于0.00<0.05，该系数表现非常显著，其对应的偏回归系数为0.47，呈正向影响。结果表明，教师的教学能力越强，学生的学习效果越好。事实上，教学能力越强的教师，越能灵活运用不同的教学技巧进行教学，学生也越容易吸收教师所传授的知识点，从而让学生的学习成绩得到有效提高。

高校学生课程基础的显著性水平也接近等于0.00<0.05，该系数表现也非常显著，其对应的偏回归系数为0.58，同样呈正向影响。结果表明，学生的课程基础越扎实，学生的学习效果越好。学生的课程基础决定学生应对一门课程的轻松程度，最终会影响学生对该门课程的兴趣程度。如果学生该门课程的基础较薄弱，学生会觉得在学习该门课程过程中非常费劲，渐渐地，丧失对该门课程的学习信心和学习热情，最终导致学生成绩下滑。反之，如果学生该门课程基础较好，学生会发现对该门课程学习兴趣越来越浓烈，自然地，最终会取得较佳的学习成绩。

高校学生学习投入因子的显著性水平为0.05，该系数表现显著，其对应的偏回归系数为0.72，也呈正向影响。说明学生学习投入的时间越多，学生的学习成绩也会越好。一般地，学生的学习投入时间越多，学生将收获越多，思路也会越来越清晰，自然会增加对该门课程的学习信心。

学习驱动因子的显著性水平为0.07，因为0.05<0.07<0.1，故该因子表现不太显著。这可能是因为现有的手机等电子产品对很多学生极具诱惑力，大部分学生虽具有雄心壮志，却难以抵制花样诱惑，学生的学习意志表现不够坚定，亦或是因为参加比赛活动等其他复杂因素的影响，导致即使她有强烈的学习愿望，却不能安排足够的时间学习，从而可能导致该因子表现不太显著。

三、结论及建议

通过使用相关性分析、因子分析和多分类有序Logistic回归模型分析，研究高校大学生学习效果的主要影响因素。研究结果表明：教师的教学热枕程度、教学能力、学生的课程基础、学习投入因子对大学生的学习效果影响显著。其中，学生学习投入因子对学生的学习效果影响最大；其次是学生的课程基础；随之是教师的教学能力；最后是教师的教学热枕程度。

基于以上结论反馈，本文认为，高校在进行教学改革过程中，应注意重视以下几个问题。一要渲染学习氛围；高校应遵循以学生学习为主，其它校园活动为辅的原则。此外，为渲染浓烈的学习气氛，高校应提供优越的学习环境，包括提供良好的学习环境及丰富的图书条件等，让学生能够在校园中专心致志学习。二是在教学过程中，要加强学生专业课程基础知识教学，强调基础知识教学的重要性，为学生打下坚实牢固的学习基础，如此一来，学生在后续课程的学习中才能游刃有余；三是要注重教师教学能力的培养。教师的教学能力是教师影响课堂效果的最直接因素，因此，高校教学管理部门应当高度重视教师的教学能力培养，鼓励教师出去学习深造，为教师教学发展学习提供支持；四是要注重激发教师的教学热情。学校领导人应意识到，科研成果固然重要，但学校是学生学习知识的场所，是培育时代新人的天地，学校的重点任务是为民族伟大复兴培育新一代接班人。此外，高校可尝试适当减少一些对学生成长影响较小的校园活动，让学生集中精力投入学习。