人才培养的同伴效应研究

贾晓芬，赵佰亭

(安徽理工大学 电气与信息工程学院，安徽 淮南 232001)

同伴效应可以简单理解为，来自周围环境、人或者朋友的影响，包括正面影响和负面影响。晋朝时期，傅玄提出的“近朱者赤，近墨者黑”，实质上体现了同群效应，也可称为同伴效应。20世纪60年代，同伴效应就得到了学者的关注，近年来更是成为各个领域的热宠[1]。著名的科尔曼在《关于教育机会平等的报告》中，首次提出了同伴效应对学生成绩的影响至关重要，随即受到广大社会工作者和各界学者的青睐，基于同伴交往等对大学巩固率和辍学率的影响分析，建立了诸多模型。Romano等研究发现同伴效应对教育成就比率的正向影响[2]。Thoeni等通过礼物交换实验发现了同伴效应的因果证据，学习过程中的同伴效应与学业成绩呈现为正相关，并且会受到社会偏好的影响[3]。由于选择研究群体对象的不同、同伴效应检测手段的差异以及评估模型的区别，获得的同伴效应研究成果也存在争论。在我国的大学教育阶段，学生的学习和生活一般以班级为单位，同伴对学生的学习和成长有直接影响作用。综上可知，在高校课堂教学过程中展开对同伴关系及同伴互动的研究，深入探究同伴效应对教学效果、学习成绩等的综合影响，可以为高等学校人才培养模式的探索提供新思路。

近年来，“学霸宿舍”、“学霸班级”等字眼经常萦绕在我们眼前。敏锐的学者们展开了对班级同伴、宿舍同伴的相互影响及其与学习成绩之间的相互关系的研究。杜育红等[4]设计了同伴效应的评测模型和评测方法，实现学生之间同伴影响的评估。包志梅等[5]发现宿舍同伴关系对本科生的学业成绩兼具正负向效应，并提出了要引导本科生保持适度合群与独立。杨文婷等[6]对博士群体的量化研究发现，同群效应有助于缩短科研技术的研究周期，提高研究成果的产出率。卢春天等[7]研究了同伴效应对大学生睡眠障碍的影响，确定了同伴的双重效应及作用空间边界。

同伴在学生成长发展的过程中，具有独特作用和重要价值，对学习态度、学习动机激发以及学习结果具有重要影响。然而，同伴效应在课堂的教学过程中，对教学效果产生的影响程度方面的研究较为鲜见。学生的学习自主性很大程度反映在听课状态上，肢体动作和面部表情是最直观的表现。个体的学习状态会直接影响到周围同学，此影响可能是正面激励，也可能是有负面激励。为进一步明晰课堂教学中学生同伴效应对本科生教学效果的影响，本研究综合分析课堂中学生的学习状态，计算同伴效应的邻域，并进一步量化为对课堂教学效果的正向激励和负向激励，以期完成学生同伴效应对人才培养影响程度的系统分析，为下一步的教学工作提供参考。

一、研究设计与数据处理

(一)研究思路

课堂的教学过程中，同伴效应表现为由于学生之间的互动而产生的人力资本积累的外部性。同伴效应作用的途径表现为：(1)共同进步：同学之间相互帮助，相互指导，互为正激励；(2)负面干扰：缺乏自我约束的个体会对周围同伴产生“烂苹果效应”[8]；(3)潜移默化：经过长期接触，不知不觉受到感染、影响而发生了变化，既包括共同进步也包括负面干扰。

课堂教学中，对同伴效应进行度量的准确程度直接影响学者的研究结论。现有研究多采用调查问卷方式，然而面向设计的问题问卷调查比较困难，调查结果广而不深，调查结果的质量和问卷调查的回收率难以保证。本研究提出了直接从高校课堂教学的监控视频中，采用深度学习的方法，提取学生状态数据，建立同伴效应数学矩阵，基于此进行同伴效应的分析，以期发现不同类型高校各种专业课堂教学中同伴效应影响的规律和内涵，进一步指导高等学校的教育、教学方面的管理工作。研究思路见图1，采用深度学习的方法搭建模型学习课堂教学视频中学生的同伴特性，再根据同伴异质性设计分析模型，实现同伴效应回归分析。

图1 研究设计与分析思路

(二)数据来源及研究方法

1.数据来源。本研究涉及的数据来源于安徽省6所高校2019年教学监控视频采样。选取高校类型含1所“985”、2所“211”和3所其它本科院校。学科类别涵盖人文、社科、理学和工学，包含大一到大三3个年级的上半学年和下半学年。针对6所高校随机抽取的课堂监控视频177份，总计549小时，样本分布如表1所示。

表1 样本分布

2.研究方法。采用Duncan等2005年所提的同伴效应异质性模型作为分析模型，其数学模型见式(1)。模型采用Y代表学生的产出，本研究中表示学生成绩，α表示可观测的个人能力，D表示可观测的互动，λ1是内生性互动系数，λ2是外生性互动系数，λ3是关联性互动系数。

Yi=α+λ1*(Di=0*D-i=0)+λ2*(Di=1*D-i=1)+λ3*(Di=0*D-i=1)+εi

(1)

(三)数据处理

1.学生状态提取。学生课堂上的专注听课程度和课堂互动情况是反应同伴效应最直接的评价指标，它们可以直接从课堂监控视频中获取，课堂教学的监控视频数据是海量的，如何从中挖掘同伴特性方面的信息是研究的难题。Hinton在2006年提出了深度学习，已被广泛用于模式识别、机器视觉等领域[9]。卷积神经网络(Convolutional Neural Networks, CNN)是一种主要用于处理图像的深度学习模型，比如图像分类、图像去噪等。本研究选用Mask-Rcnn网络[10]对课堂监控视频中的人员进行辨识和提取，获得学生课堂状态。

2.数据处理。课堂学生状态是指能表征学生认真听课、思考或玩耍走神的任何特征。依据监控视频中呈现的各类状态，采用统计学方法，归纳为三类：认真听课；不认真听课(对其他人无影响)；不认真听课(对其他人有影响)。对三种状态进行量化，其中，认真听课量化结果为1，不认真听课(对其他人无影响)量化结果为0，不认真听课(对其他人有影响)量化结果为-1。根据量化结果，建立量化关系矩阵，分析1、0和-1的数学分布，研究各类状态的学生个体对周围同学的影响偏向性、影响程度和影响范围等。

二、研究结果分析

(一)课堂教学同伴关系表现情况

同伴关系在课堂教学中的涵义，指同伴背景与学生个体共同作用时产生的效果。本研究通过分析学生个体是否认真听课的状态来预测同伴效应的影响类型。本研究包括3个指标：1.均值，它反应同伴效应影响偏向性，数值越大，表现为共同进步的偏向性越强，负值表示负面干扰，接近均值0表示潜移默化。2.标准方差，表现学生之间的差异性，值越小代表学生个体之间的差异性越小，反之，学生个体的差异性越大。3.同伴效应半径，表示同伴效应的影响距离，半径波动范围为2～5。

从表2可以看出，高校课堂教学中展现的同伴效应均值普遍远离0，说明课堂的个体状态不是孤立的，会对周围同伴产生影响，该影响可以是积极的，表现为均值为正，也可能是消极的表现为均值为负。“985”及“211”类院校的均值大多为正，体现了学生之间共同进步的正向激励。而普通类高校均值正负约各占一半，负值体现了课堂效果较乱，负激励同学会占用教师更多时间维持激励，会得到教师更多关注。从标准方差的角度分析，仅“985”院校理学专业的学生之间的个体差异在大二时最小，大三时最大。表明该专业的学生个体独立性很强，进入大学以后就马不停蹄的努力进步，逐渐缩小原本的微小差异，到大三时，个体之间的学习能力、对环境的适应速度等差异导致个体差异出现增大趋势。“985”院校的其它专业及“211”院校、普通院校的标准方差总体表现为，大二相比于大一会增长，到了大三又会有一定程度的下降。此规律表明，大多数学生进入高校后会有一段放松期，然后随着学业压力的增大逐步转入学习中。观察同伴效应的最大半径可见，“985”和“211”院校的理学和工学的学生在大一时同伴效应的影响距离最小，这也体现了理学和工学学生具有较强的个体独立性。

表2 课堂教学同伴效应表现

三个评价指标中，均值直接反应同伴效应影响的偏向性，为了进行更直观的分析，给出了课堂教学同伴效应表现的柱状图，如图2所示，纵坐标是均值，横坐标分别是高校类型、学科大类、年级和学年。同伴效应均值的统计结果显示，“985”高校的均值最大，“211”次之，普通高校最低，换言之，“985”高校同伴效应的正面激励最优。人文学科优于工学优于社科优于理学，理学专业同学课堂互动较少。并且随着年级的增长，正向激励在逐年下降，低年级同学优于高年级同学，说明低年级同学更容易受到同伴影响，应加强入学新生的教育工作，此阶段学生受环境影响效果最好，而上下半学期统计结果基本持平，区别不大。

图2 不同分类的同伴效应表现

(二)同伴关系作用效果回归分析

分别选取“211”院校、大二年级、人文专业和同学关系作为自变量，选取标准化回归系数作为因变量，回归结果见表3。“985”院校的学生课内学习和集体学习均优于“211”和其它普通院校，逃课现象高于它们，但最终学业成绩最优。大一无论课内学习还是集体学习效果均是最好，随着年级增长，课内学习、集体学习效果降低，逃课率增加，但是挂科率却在减少。人文社科专业类型接近，回归结果中学生的表现也基本类似，而理工专业学生更容易受到负面干扰，课内学习和集体学习均弱于人文社科，挂科率高于人文社科。共同进步的同伴关系对课内学习和集体学习都有较好的促进作用，对最终的学业成绩也是正面影响。负面干扰的同伴关系表现为负激励，影响课内学习，而且对逃课频率影响显著。

表3 回归结果

对表3的分析结果表明：1.课堂中学生个体的状态会对同伴的学习获益程度产生影响，而且不同类型的高校、不同专业甚至不同年级产生的影响倾向性均不相同，并且有明显规律。2.“985”院校受到同伴正向激励效应明显，虽然逃课率高，但挂科率明显低于“211”和其它类型高校，说明未统计的课外学习也对学生学业成绩有很大的影响。3.大一新生入学，虽然学习态度认真，但是延续了高中学习方法，并不能完全适应大学的学习，该情况随着年级增长情况得到改善。4.人文、社科类专业的课内学习影响明显高于理工科专业，而且这种影响和年级之间的耦合效应较大，伴随着年级呈现下降趋势。5.学生逃课现象和高校类型、学科关系不强，内因较为复杂，学生个体逃课对其他同学有很大的蛊惑性，并最终影响学习成绩。

三、结论及建议

(一)结论

通过对安徽省6所高校课堂教学过程的研究发现，学生个体之间确实存在显著的同伴效应。同伴效应的影响倾向性呈现多维化，在不同类型的高校、不同专业甚至不同年级产生的影响均不相同，但有明显规律。同伴效应对学业成绩的影响兼具正激励和负激励作用，可以划分为共同进步的正向激励型，负面干扰的负向激励型和潜移默化型三种模态。发现同伴效应规律并加以利用可以更好的提高高校学生管理工作和教学工作。

课堂教学过程中展现的同伴效应会影响个体的状态，“985”院校更多的表现为正激励，普通院校更多的表现为负激励。从入学成绩、学生的自律性、综合学习能力方面讲，“985”院校的学生个体素质更优秀，多数学生个体有明确的目标和规划，班级中出现的挂科率相对较低。此外“985”院校的管理更加严格，课堂“两性一度”水平更高，会更加激发优秀学生个体的好奇心、求知欲和挑战自我的心理，在学生群体中就会逐渐形成正激励的同伴效应。普通院校自律性差的同学所占比率相对较高，容易对同伴产生“烂苹果效应”，逃课率和挂科率等问题在层次低的院校中相对会更严重。普通院校在管理、教学水平、激励措施方面的实际情况，加上学生的个体因素，相对高水平的学校来讲，同伴效应表现的负激励较明显。调查某安徽省属院校发现，该校安徽省内学生占比高达70%以上，来自农村的学生60%以上，经过高考高压学习进入高校后，异质性个体更容易放松自我约束，需要学校管理人员更加关注，严防严控。

人文社科类专业的同伴效应较理工科专业显著，并且和年级之间的耦合效应较大，在时间域空间随着年级呈现下降趋势。分析其原因主要是源于性别因素的影响。理工科男生比例较大，保持个体独立性较强，而女生在人文社科类专业中所占比例较大，同伴效应在女生群体中的作用更为凸显。该同伴效应不仅体现在学习上，更显著的表现为着装、消费和价值观的趋同性，同时兼具正负激励效果。同性之间的同伴效应一部分体现为好胜心理，在学习上促进共同进步，另一部分也有可能会演化为嫉妒心理，阻碍同学之间的互动和知识分享，降低集体学习参与度，此时需要引入更多的人工干预和正向引导。整体研究显示女生比例高的班级的整体学习态度优于男生比例高的班级。

同伴效应影响与年级高低成非线性反比关系，低年级同学受同伴影响高于高年级同学，异质性个体“榜样效应”显著，而高年级同学中的异质性个体更多的表现为“烂苹果效应”。研究显示同伴效应可干预可引导，通过人工干预可以改变同伴效应影响类型，变负激励为潜移默化和正面影响，降低逃课率和挂科率。

(二)启示及建议

教师应在课堂教学中良性引导学生的互动。正向引导可以激发正激励的同伴效应，教师不仅要传授科学文化知识，还要成为学生互动的催化剂。同时，在保持个体独立性的前提下，引导学生理解和包容异质性个体，营造促进正面激励的课堂氛围、学习氛围和生活氛围。

应向异质性个体投入更多关注目光。普通院校的异质性个体更容易产生“烂苹果效应”，负向激励的影响力远高于正向激励的影响力。研究发现：自律性强和自律性弱的学生基本呈现均匀分布，正向激励型更容易向潜移默化和负向激励型转化。因此，应适当对自律性差的同学加强集中管理，做好心理疏导和正面引导工作，帮助他们树立正确的人生观、价值观。

增强理工科专业学生互动因子，激活集体学习、集体参与社团活动的热情。鉴于理工科学生个体独立性较强，应引导学生多参加社团活动，促进学生课外学习的互动，打破个体小圈子，实现学生同伴效应的大融合。充分发挥理工科学生学习互动方面的正面激励作用。同时，根据学生的不同特点，实现良性同伴互动，促进群体成长。

做好新生入学教育。大一、大二学生最容易受到同伴效应的影响，应多开展爱国教育、团体协作、思想道德修养、合作共赢等方面的引导教育。同时，辅导员要关注学生个体情况，优化宿舍分配机制，发挥同伴正向激励作用，同时对以宿舍为单位的学业情况进行跟踪并及时调整。

做好人工干预的前期工作。鉴于低年级同学的同伴影响远高于高年级同学，在学生的录取工作完成以后，可以开展一项包括学生的成绩、特长、喜好、性格、身高、体重、家庭背景、家庭经济条件等等方面的综合调查，得到每个学生个体的全面信息。利用深度学习设计大数据分析模型，通过对学生信息的全面对比分析把学生分成多个大类，按照分类结果，分配学生的所属班级和宿舍。跟踪分析按照学生综合信息分类的班级和宿舍，掌握同伴效应的有效数据，为人工干预同伴效应奠定基石。