基于结构方程模型的工科大学生专业素质影响因素研究

张继成　郑萍　王莉薇　付强　张涛

摘 要：为了加快新工科学生的培养，满足未来工程新业态、新产业要求，本研究在大数据背景下，基于結构方程模型研究工科大学生认知能力、行为能力和专业素质之间的潜在影响机制，定量化、直观地展现大学生认知能力和行为能力对专业素质的影响因素，可为工科学生培养提供有效参考，也为用工程模型思想解决学生培养问题提供的一种方法。

关键词：工科大学生 专业素质 影响因素 结构方程模型

1 背景

2017年2月以来，教育部积极推进新工科建设，以新工科建设领跑高等教育改革。教育部高等教育司明确要求新工科建设必须深化创新创业教育改革，转变人才培养模式和范式，提出全方位、全过程和全要素培养。我国拥有庞大的工科人才后备力量，为我国工业化的发展和的高速增长提供了良好的人力支持。但是，我国工科人才质量、创新创业素质及能力水平与世界上发达国家的工科人才相比存在显著差距[1]。如何将人力资源优势转变人才资源优势，提升我国工科大学生专业素质显得尤为关键。

大数据作为一种重要的资源，具有数据量大、类型繁多、价值密度低、速度快、时效高等特点，正在不断渗透社会各行业领域，进而不同程度地影响高校的素质教育运行与管理。大数据时代的到来将推动现有学生素质分析工作的信息化重构，使其不仅有助于教育教学活动的顺利进行，更有利于学生素质挖掘的科学性、针对性和时效性[2]。

因此，本研究在大数据时代背景下，加快新工科人才的培养，可以满足未来工程新业态、新产业的大量要求。凭借新工科建设的机会，构建工程人才培养新模式的优点，培育出大量的全能型、高素质的新工科人才，在世界人力资源的战略中占据最高点，最终完成中国由工程教育大国改变为教育强国的目标。本研究深入研究工科大学生认知能力、行为能力和专业素质之间的潜在影响机制，定量化、直观地展现大学生认知能力和行为能力对专业素质的影响因素，可为工科学生培养提供有效参考，也可为工程模型思想解决学生培养提供的一种方法，并在不同高校推广使用，具有重要的理论和实践价值[3]。

２ 模型构建与研究假设

本研究以工科大学生专业素质作为研究对象，通过梳理主观认知能力、行为能力的重要的组成要素，利用结构方程法，定量化、直观地研究认知能力和行为能力对专业素质影响，探究学生主观认知能力、行为能力因素对专业素质影响的潜在机制。

2.1 核心概念的界定

大数据：大数据在高校教育领域中涉及很多方面。随着互联网技术的不断发展，依靠云平台或某些数据自动化采集设备采集存储的数据越来越多，依靠相关的分析技术提取和集成，以规范化的方式存储数据，并抽取出有价值的数据，最后以可视化的方式将提取出来结果呈现出来。

工科专业素质：是指工科学生从事社会职业活动所必备的专业知识、技能，主要包括扎实理论基础、熟练专业技能和全面业务能力[4]。

认知能力：指人脑加工、储存和提取信息的能力，即人们对事物的构成、性能与他物的关系、发展的动力、发展方向以及基本规律的把握能力。它是人们成功的完成活动最重要的心理条件。知觉、记忆、注意、思维和想象的能力都被认为是认知能力[5]。

行为能力：指大学生的行为习惯，即培养大学生的综合素质，促进校园文化建设，通过正规的培训、严格的管理和系统的训练，引导和培养学生养成良好的行为习惯，使学生的言行符合社会公德和规律[6]。

2.2 影响因素和研究假设

结构方程模型（ Structural Equation Modeling，简称SEM），是一种通用的线性统计建模技术，主要通过一组可测量的显变量去间接地测量潜变量及潜变量之间的结构关系[7，8]。

通过与教师和学生座谈，确定本次调查问题主要分为专业素质、认知能力、行为能力三部分，专业素质包括专业成绩、实践能力和创新能力3个维度。认知行为可划分为理性认知和感性认知2个维度。行为能力可划分为个人行为和团队行为2个维度，专业素质、认知能力、行为能力3部分测试题共26道（表1），满足因素分析使用。进入小程序后会告知用户软件信息、数据用途及版权所属[3]。根据研究对象，结合相关教育学理论，提出假设模型。

假设模型包括：专业素质与认知能力、行为能力的潜变量关系和自变量之间的关系，假设各类认识和行为对专业素质有积极影响（表2所示）。

2.3 模型构建

本研究运用结构方程法对所获取的调查的数据进行统计分析，对样本中工科大学生的基本情况进行描述性统计，综合运用假设、推理、回归、分析探究工科大学专业素质现状与重要影响因素，增强本研究的科学性和可信度。

3 研究设计与模型测量

3.1 数据收集

经过2年的数据采集，本研究对4所抽样高校的工科专业本科生进行了调查，1500位本科生匿名参与了本次调查。调查对象主要为一所211院校、二所普通本科院校和一所专科院校，分别占比38.2%，40.1%和21.7%。调查对象年级分布较为合理，大一、大二、大三工科本科生占比略高于20%，大四本科生占比略低于实际占比；调查涵盖了主要工科专业大类，各专业大类占比基本合理，机械类本科生样本537份占比最高，计算机类和电气化类两个专业大类占比与实际在校生占比存在一定差异。经过信效度分析检查和可靠性分析，Cronbachs alpha系数值系数为0.897，说明问卷内部一致性较高，初始问卷信度较好，所以保留了这26项调查题目。

3.2 结构方程模型分析

本研究将运用SEM统计方法的AMOS26.0软件对专业素质影响因素模型进行拟合和修正。本研究采用极大似然估计法，从卡方自由度比值（x2/df）、均方根残差指数（RMR）、近似均方根误差（RMSEA）、采用拟合良好性指标（GFI）、简效拟合优度指数（PGFI）、简约后规范指标（PNFI）等来衡量模型的适配情况[8]。

研究表明，初始模型的适配指数并不理想，理性认知和感性认知对团队行為提升路径不存在等，意味着基本路径假设H1c、H1d不成立，需要结合相关路径分析开展模型修正，修正模型时可将其直接删除，其他变量间影响的路径系数达到显著。

可见，修正后模型的各项适配指数得到了有效改善，均达适配标准，说明修正模型与数据样本的适配度比较理想，在模型研究中剔除不必要假设，修正模型的各路径系数都在达到显著水平。

4 结语

本研究基于结构方程理论，对4所抽样高校的工科专业本科生进行了调查，构建工科大学生专业素质影响因素模型，建立9个研究假设。研究表明，有7项假设通过了样本数据的验证，证实了理性认识、感性认识、个人行为、团队行为、专业素质之间存在的内在逻辑关系，并解释影响工科专业本科生专业素质的关键因素。

（1）课后自习量（0.793）：大学期间学生拥有大量的课余时间，课后自习量是大学生学习的重要组成部分，自习的情况好坏将直接关系到大学生的专业学习成绩和学生的培养质量，也可以反映学校学风，大学生自律水平，对学生认知能力有显著影响[9]。同时，自习量增加，也影响着学生专业课及格水平。专业课全部及格（0.735）对专业素质也有着明显的正面促进作用。

（2）教育类工作（0.710）：在大学期间，学生普遍从事教育类的课外工作，是对学生能力输出的主要表现之一。

（3）专业等级证书（0.642）：在专业素质的4个观测指标中，专业等级证书对其影响较为显著。专业等级证书可以锻炼学生自己，培养专业能力，有助于提升竞争力，增加就业机会。现在用人企业现在都特别看重毕业生的专业能力，而大学生平时的专业知识学习比较浅，并不能完全满足岗位需要。因此，参加职业证书培训是对学业的一种有力补充，另外，拥有学历证书和职业资格证书，还能有效提升大学生的专业能力，锻炼大学生的独立学习能力。

（4）团队分工明确（0.743）：团队合作能够体现学生的组织能力，并高效的解决问题。其中，团队分工明确，是建立在团队人员之间相互了解、相互信任、互助互补的基础上，是团队行为的高级表现之一，对专业素质有显著的影响。

以上是根据结构方程模型对专业素质主要影响因素进行的分析，还存在很多对培养有用的信息等待着提炼和挖掘，为工科大学生培养提供辅助和指导。

项目支持：黑龙江省教育科学规划重点课题（GJB1421227）。

参考文献：

[1]景佳娜，孙妍，徐准等.新工科背景下大学生科研创新能力与素质培养途径——以环境工程专业为例[J].高教学刊，2021，7（S1）：146-149.

[2]陈鹏，梁友明，叶虹.大数据循证课例赋能知识建构与教学改进的研究[J].中国电化教育，2023，No.435（04）：99-106+121.

[3]张继成，赵李实，郑萍.工科大学生专业素质影响因素网络调查与分析[J].高师理科学刊，2022，42（09）：17-21.

[4]段洁利，闫国琦，杨洲.农业院校工科专业分层递升式实践教学模式构建[J].中国农机化学报，2021，42（10）：218-221.

[5]巫芯宇.“新四科”背景下大学生信息素养教育质量提升路径探究[J].重庆文理学院学报（社会科学版），2022，41（01）：114-126+140.

[6]刘晓凤，滕玉军.工科大学生实践行为能力的模式研究[J].国网技术学院学报，2019，22（02）：43-46.

[7]戴心来，郭卡，刘蕾.MOOC学习者满意度影响因素实证研究——基于“中国大学MOOC”学习者调查问卷的结构方程分析[J].现代远距离教育，2017，No.170（02）：17-23

[8] 杜焱，胡鑫杨.学科竞赛对研究生科研创新能力的影响——基于结构方程模型分析[J].宁波大学学报（教育科学版），2023，45（02）：58-65.

[9] 蔡玉洁，李秀玉.大学生自主学习效果的调查研究——基于新疆高校1081份调查问卷的分析[J].四川职业技术学院学报，2020，30（02）：111-116.