基于因子分析大学生研究性学习影响因素研究.docVIP

基于因子分析大学生研究性学习影响因素研究 　　摘要：本文对黑龙江大学机电工程学院两个专业631人采取随机抽样方式进行调查，通过主成分分析的方法对影响研究性学习的15个因素萃取出五方面因子――学习方式、个人规定性、专业技能、基础知识技能和保障性因素，以期为学院实施研究性学习教育制度在选拔学生和制订制度模式方面提供支持。 　　关键词：因子分析；研究性学习 　　一、问题的提出 　　本科研究性教学的思想源于洪堡最早提出的“教学与研究相统一”的大学教学原则。研究性教学作为一种有效地引导学生主动探究、培养学生实践能力和创新精神的教学方式，已成为国内外高等教育改革的热点和重点。在国外，在德国开创研究性学习为主要内容的大学教学制度改革影响下，美国和欧洲各大学相继探索了一些新的研究性教学模式，如斯坦福大学的“斯坦福导读”课程，丹麦罗斯基尔德大学的项目学习等等；在国内，华中科技大学总结出的CCBP、面向大班的合作式学习群体创新实验区、基于项目的专业教育试点班、基于自由探索的自我发展模式等多种研究性教学模式，对研究性教学的条件和环境进行了研究和实践探索 [1 ]。 　　作为地方性综合性大学工科学院，专业人才培养主要目标是造就一大批创新能力强、适应经济社会发展需要的各类型高素质工程技术人才。研究性学习作为一种符合工程能力培养规律、符合综合素质形成逻辑的教学组织形式和教学方式，它成为应用型人才培养着力推行的方式之一，关系到大学生就业核心竞争力能否切实提高，就业目标能否实现 [2 ]。本文根据笔者所在学院开展研究性学习的具体情况着重选择学生应具备的素质、开展研究性学习的方式进行分析，探索影响研究性学习的关键因素，以期为参与高校进行教学组织形式和教学方式的改革、为参与高校的教师开展研究性教学提供参考和借鉴。 　　二、数据资料来源 　　1.样本的选取与获得 　　本文选择样本数据以黑龙江大学机电工程学院机械、电气两个专业三个年级共计631人为总体，通过随机抽样，抽取大学二、三、四年级学生，共发放问卷200份，收回问卷185份，有效问卷173份（男139人，??74人；大二48人，大三90人，大四35人），12份无效问卷未被列入统计，产生问卷无效的原因主要是：第一、大学毕业年级部分学生的问卷未答完整或答案之间有矛盾；第二、个别学生未按要求答题，全部选择某一个选项；第三、个别学生基本信息未填写，难以统计。通过随机抽取方法使得样本有代表性和收集到的数据能保证分析结果的科学性。 　　2.指标的选取 　　在选取指标时借鉴关于影响学生研究性学习因素的资料，以学院实际开展研究性学习情况为内容选取了15个较为典型的指标：专业成绩、计算机水平、数学与物理水平、个人兴趣、责任心、参与创新项目情况、参与创新竞赛情况、研究性学习试点班级、自发组建研究性团队、专业seminars课程、指导教师定期指导、实验室条件、院领导重视程度、制订研究性学习制度和高年级带低年级制度，将这些指标制作成问题，做成问卷，进行调查，再选取学生个人基本信息相关问题一同调查。 　　三、研究结果与分析 　　因子分析最初是Sperman、Thomson和Burt等心理学家提出的一种统计方法，主要目的适宜较少的维度来表示原始的数据结构，也就是简化数据，而又能保留住原有数据所提供的大部分信息。 　　表一 　　KMO和Bartlet的检验是为了证明是否适合做因子分析，其中KMO值越接近1表示越适合做因子分析，从该表可以得到的KMO值0.805，表示适合做因子分析，球形度检验的原假设为：相关系数矩阵为单位阵，Sig值为0.000，小于显著水平0.05，因此拒绝原假设，表示变量之间存在相关关系，适合做因子分析 [3 ]。在公因子方差表中，因子分析的变量共同度都非常高，基本上大于0.5，表明变量中大部分信息均能够被因子所提取，说明因子分析的结果是有效的。 　　本研究采用主成分分析（Principal Component Analysis），保留特征值大于1的共同因子，而因子选取标准是适当的旋转因子轴，保留因子载荷量最大且在0.5以上的变量，目的是希望使各因子的意义能够更明确一点 [4 ]。利用相关系数矩阵，在15个变量方面找出特征值大于1的公共因子个数，可知当采用特征值大于1的方式抽取因子时可有5个独立因子，它们占总方差的60.66%，能解释原变量的大部分差异。 　　碎石图中的横坐标为因子的序号，纵坐标为相应特征值。从图中可以看到， 第5个因子以前的特征值普遍较高，连接成了陡峭的折线，而第5个因子之后的特征值普遍较低，连接成了平缓的折线，而且前5个因子的特征值均大于1，主成分个数提取原则为主成分对应的特征值大于1的前m个主成分。特征值在某种程度上可以被看成是表示主成分影响力大小的指标，如果特征