因子分析对教育技术学专业课程设置研究.docVIP

因子分析对教育技术学专业课程设置研究 　　【摘要】教育技术学专业本科阶段的课程设置一直是被业界人士关注的问题，在此运用SPSS13.0统计分析软件对该校的教育技术学专业的课程进行了因子分析，并从对结果的分析中得出了与教育技术学专业课程设置有关的几点想法，旨在推进教育技术学专业有效合理的发展及其本地化。 　　【关键词】SPSS；因子分析；教育技术学；课程设置 　　【中图分类号】G40-057 【文献标识码】B 【论文编号】1009―8097 (2008) 09―0028―04 　　 　　一 引言 　　 　　因子分析作为教育信息多元统计分析的一种,旨在“用少数几个因子去描述众多样本之间的联系，即将相关且比较密切的几个变量归在同一类中，每一类变量就成为一个因子，以较少的几个因子反映原样本的大部分信息,从而达到降维的目的”[1]。因此,本文通过对学生的成绩作因子分析, 从而对教育技术学的课程设置在总体上有所把握，分析了课程设置中存在的不足，提出相应的课程设置调整建议，以满足社会的需求。SPSS统计分析软件具有完整的数据输入、编辑、统计分析、报表、图形制作等功能,处理社会科学问题的功能强大，本文采用其作为分析工具。 　　 　　二 研究对象及研究方法 　　 　　本文以本校2004级教育技术学本科64位同学的七个学期的29门专业课的成绩为研究对象， 由于专业课（指标数）开设的较多而学生数（样本数）较少，这样不利于因子分析的效度，因此在正式研究之前先用到了若干次因子分析，这样就减少了一些课程，只剩下六门具有代表性的课程（前若干次因子分子的过程略）。最后对六门具有典型性的课程进行了探索性因子分析的研究，这六门课程分别为：教育技术学导论、计算机网络技术、教学系统设计、数据库原理与应用、教育传播学、教育电视系统，在本文中分别用x1、x2、x3、x4、x5、x6表示。同样根据因子分析的数学模型及其原理，用SPSS13.0统计软件对其进行了因子分析。 　　 　　三 因子分析[2] 　　 　　1 KMO和Bartlett球形检验 　　 　　从表1的数据可以看出KMO的值为0.716，根据统计学家Kaiser给出的标准，可以认为这些样本数据适合作因子分析；而Bartlett球形检验的相伴概率位0.000，小于显著水平0.05，因此拒绝球形检验的零假设，认为适合于因子分析。 　　2 因子分析的共同度和对总方差的解释 　　变量共同度Communalities是表示各变量中所含原始信息能被提取的公因子所表示的程度。通过因子分析的共同度表2看出除了教育技术学导论的共同度为0.750较低以外，其他的都在0.77到0.87之间，且有一半都在0.8以上。可以认为因子能够解释各门课的方差。但教育技术学导论这门课的共同度较低。教育技术学导论是教育技术学的基础理论专业课程，为何提取的公因子对教育技术学导论这一变量的共同度会偏低呢？笔者认为，一方面可能是数据有限的原因；另一方面说明了教育技术学的基础理论课――教育技术学导论没有取得很好的教学效果。导致这一结果的原因可能在于： 　　（1） 本校在该届将教育技术学导论这门课程放在学生上大学后的第一学期讲解，由于学生刚入大学对学校的环境和学习情况有一个慢慢熟悉的过程，一时不能全身心投入到学习上，特别是有些枯燥的基础理论课，学生们的学习与主动记忆的热情不高，导致分数不理想。 　　（2） 由于教育技术学是教育学的二级学科，在没有学习任何教育学理论的基础上就学习教育技术学导论，学生们的接受能力不是很强。也就是说没有学习教育学，在学生们的长时记忆中就没有与教育学相关的“图式”，在学习其他相关课程时就显得很默然。 　　（3） 据笔者了解教育技术学导论的上课形式多为听讲式教学，这种教学模式导致一是教师不能有效的解决学生之间认知负荷的差异；二是学生不能有效地使用认知资源、认知容量，学生能够施展的认知策略非常有限，这些都不利于信息的内化。 　　 　　鉴于此，笔者认为：第一、可以在教育技术学导论这一课程开设之前先开设教育学、心理学这样的专业理论课程，如在第一学期开设教育学课程，在第二学期开设教育技术学导论课程。按照认知负荷理论的观点，这样的课程设置有其益处。也就是学生在学完教育学基础理论之后，在达到教学目标的前提下，长时记忆中就会存储与教育学相关的“图式”，此时再去学习其他的专业基础课如教育技术学导论，如在短时记忆中涉及到教育学相关的知识，那么就可以将长时记忆中相关的“图式”调出，便于学生快速理解新知识，从而可以做到知识的逐步掌握。而本校在该届未设置教育学与心理学这两门课程笔者认为有其不合适的地方。第二、教育技术学导论的共同度较低笔者认为和开设的基础理论课稍少有关，作为教育技术专业的本科生，基础理论的扎