武警院校学员评教指标体系分析与优化

摘 "要 "武警院校课堂教学质量评估体系主要涵盖院、系督导组评价、教研室同行互评以及学员评教四个方面。其中，前三者通常采用上级训练管理部门下发的评估指标，而学员评教指标体系由军内各院校基于专业、生源、授课对象层次等因素自行构建与完善，具有一定的自主性。以大数据采样为基础，计算机软件为工具，通过主成分分析优化其指标体系，合理分配各项指标权重，以期从学员视角客观反馈教员的教学水平，提升其实战化教学能力。

关键词 "武警院校；教学质量；评教指标体系

中图分类号：E251.3 " "文献标识码：B

文章编号：1671-489X（2022）11-0063-05

0 "引言

军队院校课堂教学质量评价指标体系及权重分配由上级制定，各院校可调整的余地相对较小。近年来，院校教育教学逐渐以学员为主体，学员评教受关注程度显著上升。因各院校的培养对象存在差异性，评估指标和权重较难统一，且部分武警院校刚建立学员评教体系，各项指标尚未细化，故可在学员问卷调查、数据采样的基础上，分析指标的关联性，进而采用主成分分析方法确定各指标权重，关注数据，排除主观因素，充分发挥其评教功能，推动武警院校教学质量稳步提升。

1 "国内外研究教学评教体系基本情况

以习近平新时代强军思想为指引，以各级常态化教学监测手段为抓手，指导军队院校开展课堂教学质量评估体系研究。目前，已有不少文献从构建体系、优化指标、强化规则等方面进行调研及实践。例如：解放军理工大学的张强等[1]为解决部队院校教学竞赛评判规则问题，引入网络层次分析法，并通过实例验证该模型的有效性；空军航空大学的李德军等[2]立足军校优质课建设，从建设思路、过程、方法和经验等方面论证如何开展优质课，提高人才培养质量。

在评估体系研究方面，空军一航院的陈迪等[3]就新形势下课堂教学质量评价体系，提出构建多元、动态式的评价指标和网络化信息评价系统，利于实时反馈督导信息；解放军理工大学的胡友彬等[4]进一步倡导“教、学、管”三方联动机制，构建动态人才培养质量跟踪和评估体系，制定个性化人才培养细则，以期深化军事高等教学体系改革；国防科技大学的李思等[5]就军事工程类专业人才培养质量评估指标体系进行解读，对一些难以量化的指标使用平均值量化法，可以一定程度避免主观因素干扰。

此外，大数据背景下，部分地方高校在构建课堂教学质量评价指标体系方面的做法亦值得借鉴。例如：天津理工大学的景玉冰[6]探索涵盖目标、过程、主体的全数据教学评价体系和框架设计，使其能反馈教师授课水平，为有关部门制定推进教学的措施提供参考依据；绍兴文理学院的赵伟强等[7]以学生参与度、认可满意度为核心指标，从大数据分析视角探索不同学科专业普适评价体系，寻求提高教学质量的有效途径。

2 "基于主成分分析的权重计算基本思路

2.1 "基本原理简介

首先确定当前学员评教指标体系之间的关联程度，而后提取若干主成分，基于应用多元统计分

析[8]中成分矩阵（或称载荷因子矩阵）和特征向量矩阵之间的关系，计算各指标在主成分表达式中的系数，再结合主成分的方差贡献率（视为主成分的重要程度）加权平均得到相应指标系数，最后归一化为指标权重。

2.2 "关键步骤

第一步：采样，利用现有指标收集N个学员评教样本（N＞100），并用极差法进行标准化处理。

第二步：借助SPSS软件分析各项指标的内在关联性，判断能否提取主成分，并确定主成分的数量（一般选定指标变量协方差矩阵的特征值大于1的成分为主成分）。

第三步：确定所使用的综合得分模型[8]，得分（score）=，，总分=

，，为指标系数。

第四步：对指标系数归一化处理，得到各指标权重。

第五步：利用回归分析方法验证各项指标权重的合理性。

【注】Fj（j=1，…，m）为主成分（公因子，彼此之间内在关联性较低）；为主成分的方差贡献率（体现其重要程度）；Xk（k=1，…，p）为指标变量；λj为Xk（k=1，…，p）协方差矩阵的特征值（常称为初始特征值）；akj为Fj与Xk的相关系数（），反映二者之间的相关程度。根据多元统计学[8]中描述的主成分性质，，即特征向量矩阵（主成分系数）=

成分矩阵，或称载荷因子矩阵M=（akj）p*m。

该思路以标准化数据样本为基础，利用多元统计学知识[8]并结合数据分析软件SPSS，提取各指标主要信息（累计方差贡献率＞85%），分析得到各指标权重，一定程度排除了主观赋权的情况，使各指标间的相对重要性得以体现。

3 "武警院校学员评教指标权重构建

基于权重计算基本思路，对武警院校学员评教指标体系进行重新赋权。当前学员评教体系主要采用四个一级指标，12个二级指标，指标体系如表1所示，进行评估。经过三轮试用，已累积500多条样本信息。利用SPSS软件分析各项指标之间的关联程度，限于篇幅，仅给出六个二级指标的相关矩阵，如表2所示。

由软件分析的相关性结果可知，上述指标体系之间存在一定程度的正（负）相关性。如节奏掌握与讲课状态相关系数为0.990，严格要求与批改辅导相关系数为0.897，说明上述变量间存在信息重复，考虑权重分配时需突出主要指标权重，适当降低次要指标权重值，因此需进一步利用主成分分析方法浓缩信息，确定主成分数量。

1）若选取选定初始特征值大于1的成分为主成分，则由SPSS软件调用降维因子分析得到初始特征值大于1的三个主成分相应的成分矩阵和方差贡献率，如表3、表4所示。

由表3可知，三个主成分的方差贡献率合计为82.814%，即其携带的信息量超过70%，且特征值均大于1。故可进一步利用表3、表4的数据和前文关键步骤中的主成分线性组合系数计算方法得到前三项主成分的线性组合系数（即特征向量矩阵）和指标系数，最后归一化处理即为各项指标的新权重，如表5所示。

利用线性回归方程验证此模型的合理性。将总分视为因变量，三个主成分视为自变量，调用SPSS软件中的线性回归程序，得到系数标化后的回归方程：

总分估计值=0.264*主成分1+0.952*主成分2+

0.044*主成分3

再利用表5各成分的线性组合系数，得到以各二级指标为自变量的标准化线性回归方程系数，如表6所示。回归分析发现，表5各项指标权重的比例排名与表6回归系数排名存在一定程度的差别，仍有进一步优化空间。

2）由表3可知前三个主成分携带的信息量不超过85%。第四个因子的特征值为0.669，虽小于1但大于0.6，若将其纳入主成分，则方差合计贡献率达88.39%，携带指标的大部分信息。故设定主成分数量为4，再次调用SPSS软件的降维因子分析功能，得到其成分矩阵如表7所示。

同上计算各主成分线性组合系数、指标系数，最后归一化为新权重，如表8所示。

采用回归分析方法验证其合理性。调用SPSS软件中的线性回归程序，得到回归方程：

总分估计值=0.950*主成分1+0.251*主成分2+

0.056*主成分3+0.095*主成分4

利用表8各成分的线性组合系数得到各指标为自变量的标准化线性回归方程系数，如表9所示。

回归分析发现，表8各项指标权重的比例排名与表9回归系数排名较为一致，说明当主成分数量固定为4时，得到的指标权重比例较主成分数量为3时更为合理。进一步，基于表7中各主成分与指标之间的正（负）相关性，可重新划分一级指标所属范围。

主成分1与严格要求、批改辅导成正相关，且成分矩阵系数均超过0.7，可以定义为教学投入及态度。

主成分2与授课状态、节奏掌握、板书课件，理论功底、方法类型、学习能力、内容掌握成正相关，且成分矩阵系数均超过0.6，可以定义为教学综合能力及反馈。

主成分3与人生启示、言谈举止成正相关，且成分矩阵系数均超过0.6，可以命名为教姿教态及

影响；

主成分4仅与归纳总结成正相关，且成分矩阵系数超过0.4，可以定义为课堂教法与总结。

综上所述，基于新的二级指标权重赋值和一级指标定义，得到学员新评教指标体系如表10所示。

分析指标体系，可得新指标体系中各项二级指标权重较为均衡，最大（小）权重值相差2。一级指标权重占比最大的是教员的教学综合能力及反馈，占61%；次之是教员的教学投入及态度，占17%。二者从主成分分析角度客观解释学员对教员的能力、教学投入和自身掌握情况的重视程度。此外，由指标权重发现学员对教员的授课方法和课毕总结重视程度占15%，高于原体系。新体系对原体系的教学效果和教学态度这两项一级指标进行重组，降低对应二级指标（教员日常言谈举止、教学对学员人生启示）的权重（均降为7），客观反映其比重。

4 "结束语

以学员日常评教数据为基础，基于多元统计分析中的主成分分析原理及性质，利用数据分析软件SPSS的相关功能，确定各项二级指标权重，并将主成分定为新的一级指标，从而重构学员评教指标体系。该体系从学员关注角度出发，一定程度反映了为战育人、以学员为主体的教育思路。可以将此新学员评教指标体系应用于日常评教，并在实践中不断优化。

参考文献

[1] 张强，张鹏，李长波.ANP-GRAP方法在军校教学能力

竞赛中的应用[J].计算机工程与应用，2015，51（12）：

260-263，270.

[2] 李德军，赵文杰，郭峰.依托优质课程建设提高军校

人才培养质量[J].长春教育学院学报，2015，31（9）：

100-101.

[3] 陈迪，候瑞娟.新形势下军队院校课堂教学质量评价

体系改革研究[J].高教学刊，2016，2（14）：138-139.

[4] 胡友彬，张波，左瑞亭，等.军校个性化人才培养机

制与评估体系探究[J].大学教育，2016，5（4）：51-52.

[5] 李思.军校本科学员人才培养质量评估指标体系研究：

以某科技大学科学和工程技术类为例[J].教育教学

论坛，2018，9（15）：200-203.

[6] 景玉冰.高校全数据教学质量评价体系的研究与实践

[J].天津商务职业学院学报，2014，2（2）：62-64.

[7] 赵伟强，陈坤，卢雪萍.基于大数据分析的教学评价

体系建立与实践：以绍兴文理学院为例[J].绍兴文

理学院学报，2017，37（9）：111-117.

[8] 朱建平.应用多元统计分析[M].4版.北京：科学

出版社，2021：107-136.