基于双层线性模型的学生成绩影响因素的统计分析-教育研究.docVIP

基于双层线性模型的考试成绩影响因素分析* 张光前 白雪 摘要：高校的学业测试成绩在课程结束后大多被束之高阁，致使这些蕴含教学现状及教学规律的宝贵资料没有得到应有的开发利用。本文从系统观点出发，围绕学业测试成绩建立了“教-学”双层线性模型，从教师和学生两个层面对教学情况进行了综合分析。研究表明，目前教学仍是停留在知识教育阶段，亟需改进教学方式适应素质教育的要求。 关键词：双层线性模型；考试成绩；学生层面；教师层面；教育改革 作者简介:张光前，大连理工大连理工大学管理与经济学部副教授，zhgq@dlut.edu.cn；白雪，大连理工大学管理与经济学部硕士研究生（大连 116023） 考试成绩不仅为学生、学校及家长所重视，也是评估教育效果及改进教学方式的基础数据。深入分析考试成绩对认识教学现状，改进教学工作，提高教学水平具有重要的意义[]。 当前，高校教师和学生只得到课程考试成绩和简单的分数统计，缺乏对试卷深入分析环节，而且考试之后基本束之高阁，致使这一宝贵的资源，由于缺乏深入挖掘而没有发挥应有的作用。 目前，对考试成绩分析主要是围绕试卷分析来进行。试卷分析是教育测量学的主要内容。主要有真分数理论、项目反应理论、概化理论、潜在特质分析等理论。实践中多采用真分数理论和方法对试卷的难度、区分度、信度和效度等方面做以分析。这些研究主要是分析试卷本身各方面的特征。但试卷分析最终目的应该是促进和提高教学水平。 从系统的角度看，学生和教师组成了基本的“教-学”系统。其中涉及到学生个人层面、教师层面以及作为环境层面的班级和学校等因素。考试成绩会受到来自班级环境的影响[2,3]，此外还受到教师因素的影响[4,5]。因此，考试成绩是这些因素共同作用的结果。要认清教与学关系，则需对这一基本“教-学”系统做综合分析。 由于各因素之间存在交互作用，如果把教师的影响因素直接加入到学生个体水平上进行分析。隐含的假设是同一班级的学生间相互独立，显然不合理；同样，把学生层面的因素直接合并到教师层面做分析，也是不合理的。这就决定了对考试成绩的综合分析无法直接使用方差分析或回归分析等适用于单层数据分析的模型。 “教-学”系统中存在的交互作用决定了对应的数据带有多层嵌套的性质。多层线性模型是分析具有层次结构数据的一种新型统计分析技术[6]。为此，本文采用多层线性回归模型来区分不同层面数据，研究各层面变量间的相互影响和作用途径，探讨教与学之间的关系。 一、试卷成绩分析的双层线性模型 1． 数据选取。在“教-学”系统中，围绕着考试成绩形成了教师和学生的多层次关系，很多学生选一门课，而同一门课又可由多个教师承担。从组织结构上看，学生嵌套于班级、班级又嵌套于学校，教师嵌套于学校，教师又对应着不同的班级和学生。学校、学生、教师无疑对考试成绩都有影响，而且影响考试成绩的具体因素也很多，但主要不外乎集中在学生自身和教师两个层面。这里的分析也集中于此。 考试是联系教师与学生的一个重要纽带。为了分析学生个体层面与教师层面之间的相互影响，需要采集对学生试卷成绩与教师信息等基础数据。为了在统计学上有意义，主要选择有很多学生选修，有多位教师讲授的公共类课程。此外，考虑到模型中的信息必须是现实可得的，且不能涉及如智商等隐私或敏感信息。 2. 变量设置。根据前述关于数据选取的原则，这里采集了大连理工大学的《多元统计方法》课程的考试成绩作为试验数据。该课程是一门面向全校的选修公共课，统一出题，统一考试，但学生来自不同的专业、班级、任课教师也不同。 对于学生层面，能够得到的概括情况有：出勤、作业、考试、教师等几个因素；对于教师层面，其概括情况有，教龄、学历、学时等影响因素。为此，分别设定学生和教师层面的变量如下表1和表2所示： 表1 学生层面的变量 变量名称 变量含义 数值类型 Teacherid 教师编号 离散型 Present 课程的出勤率 离散型 Homework 作业情况 连续型 Score 卷面成绩 连续型 Total 总成绩 连续型 表2 教师层面的变量说明 变量名称 变量含义 数值类型 Teacherid 教师编号 离散型 Sex 性别 离散型 Year 教龄 连续型 Degree 学历 离散型 Hour 学时 连续型 其中，教师编号代表了不同的教师，既是学生层面的考试成绩的影响因素，也是教师层面的辨识因素，是连接双层模型的枢纽。 3.双层线性模型的建立。为了清楚地分析教师和学生层面各因素对考试成绩的影响，这里设定两个模型以便对比分析[7]。一个模型不含第二层变量的双层模型；另一个含第二层变量的双层模型。这样通过把多层线性模型中的误差进行分解为两部分：一是学生个体的差异带来的误差，另一个是教师的差异带来的误差