基于廣義線性模型的師范生教師職業教學技能應用研究*

周 杰，洪河條，李國強，王國湖

（1.杭州師范大學 現代教育技術中心，浙江 杭州 311121；2.杭州師范大學 教育學院，浙江 杭州311121）

基于廣義線性模型的師范生教師職業教學技能應用研究*

周 杰1，洪河條2，李國強2，王國湖2

（1.杭州師范大學 現代教育技術中心，浙江 杭州 311121；2.杭州師范大學 教育學院，浙江 杭州311121）

文章以浙江省師范生教學技能大賽參賽選手作為研究對象，從師范生成長過程角度考察師范生的教師職業教學技能發展的路徑和影響因素。以浙江省師范生的教師職業教學技能競賽數據為實證依據進行廣義線性模型的建模，探討了影響師范生的教師職業教學技能因素之間的關系。研究表明：性別因素對師范生的教學技能水平無顯著影響；以師范教育為主的高等院校相較于其他院校表現較好；各個學科專業的師范生信息化素養水平較好。

廣義線性模型；Logit回歸模型；師范生；教學技能

一、問題的提出

師范生的教師職業教學技能[1]包括口語表達技能、書面表達技能、教學工作技能（教學設計的技能、使用教學媒體和編制教學軟件的技能、課堂教學技能、設計和批改作業的技能、組織和指導學科課外活動的技能、教學研究的技能）、班主任工作技能（集體教育的技能、個體教育的技能、與任課教師和學生家長的溝通技能）等方面，主要是教師開展教育教學活動必備的技能。教師作為一種專門的職業，需要師范生（未來從業者）經過一套嚴格的、科學的專業知識和專門技術的訓練才能勝任[2]。教學技能是教師在長期的教學實踐中形成的一種熟練而靈活多變的能力，同時也是培養合格的師范生訓練的重點內容。目前，政府、專家以及學者在師范生的教學技能培訓和考核中做了積極而有益的探索。有學者提出信息技術與教育教學深度融合深刻影響著教師的教學技能結構，伴隨著課堂教學模式的變化，必然對師范生教學技能的培養提出新的要求，信息技術能力也將納入師范生必須具備的教師職業教學技能范圍。再比如，由浙江省教育廳、浙江省教育技術中心、各市縣教育局等政府部門協同各級各類高等學校開展浙江省師范生教學技能競賽[3]，旨在主動適應并服務于基礎教育改革發展對師資培養的需求，促進師范生教學能力的提升，同時也是衡量師范生的教師職業教學技能水平的有益嘗試。

在“互聯網+”時代背景下，為了適應新課程改革和新的教學模式，培養達到專業化標準的教師隊伍，應改變過往對師范生的教師職業教學技能粗略地、描述性統計整體水平的研究，轉向精確化、深層次量化的研究方法，進而深入剖析師范生的教師職業教學技能水平與各類因素之間的關系或者影響因素。因此，本文以浙江省師范生教學技能大賽參賽選手作為研究對象，從師范生成長過程角度考察師范生的教師職業教學技能發展的路徑和影響因素。以浙江省師范生的教師職業教學技能競賽數據為實證依據進行廣義線性模型的建模，根據浙江省高等學校師范生教學技能大賽中的年齡、學校、專業、參賽科目等各個屬性或類別因素逐步構建出Logit回歸模型的飽和模型，能夠更加客觀、科學而全面地分析各個變量或者屬性之間的內在聯系，以期檢驗師資培養質量，加強教師基本技能的學習與訓練，以促進教師教育的發展，提高師范生的教師教育教學基本素質和能力。

二、數據的選取與Logit回歸模型的構建

1.數據來源及說明

浙江省高等學校師范生教學技能競賽自2007年始每年開展一屆，已經順利完成九屆大賽。該競賽是一項封閉式大賽，由浙江省大學科技競賽委員會主辦。參賽選手選自浙江省高等學校師范專業全日制普通本科、?？圃谛４髮W生。競賽由“教學設計、課件制作、模擬上課、即席演講”四個部分組成，競賽組別分為普通組、學前組、職教組，其中普通組包含語文、數學、外語、綜合一、綜合二、綜合三，綜合一組包含歷史、思想政治、歷史與社會、心理、地理，綜合二組包含物理、化學、生物、科學、信息技術，綜合三組包含音樂、體育、美術。競賽評審由競賽評審專家組負責，專家組成員由各有關高等學校推薦的師范教育專家以及若干名基礎教育一線的特級教師組成，各校有參賽組別的每組推薦兩名。本文選取浙江省高等學校師范生某一屆教學技能大賽為研究數據，參賽選手來自浙江省內17所高等學校院校30個科目方向的282名師范生，其中普通組221名、職教組24名、學前組37名。競賽數據多數為屬性數據：參賽組別、參賽科目、參賽學校、參賽者姓名、參賽者性別、指導老師等。競賽流程環節有150分鐘完成教學設計并制作課件、3分鐘即席演講和10分鐘模擬上課，共計四個項目。每個項目中有5位評委根據參賽選手表現打分，取5位評委的平均分作為該項目的分數，最后將參賽選手四個項目的得分按照權重計算得到選手參賽的最終分數，數據條目示例如表1所示。

在獲取的源數據中，有部分數據缺失的情況，如參賽選手遇突發狀況臨時放棄比賽4人，針對這類數據我們直接刪除。再加之，師范生專業的特點，競賽人數有限，某些類別的參賽選手樣本量較小，參數選手女生占據相當大的比重，中、低學段以及高學段的男生較少。綜上，我們刪除缺失的數據之后得到有效數據208條。

表1 數據條目

2.構建Logit回歸模型

廣義線性模型是線性模型的擴展，其特點是不強行改變數據的自然度量，數據可以具有非線性和非恒定方差結構。對數線性模型作為廣義線性模型中一種重要、成熟的模型，是指導數據中因變量及因變量之間的相關關系非常重要的模型。Logit回歸模型[4]是處理屬性數據資料的統計模型，是處理具有非線性相關的離散變量的統計處理方法。以n個變量為例，當n個變量相互不獨立時，建立的logit回歸模型是飽和模型。飽和模型的形式如公式1所示：

這里的p(y=1)是響應變量y成功的概率，y成功概率服從0-1二項分布；β為其他因變量一致時響應變量y成功的優勢比 （也即截距項的優勢比）；β1為因變量xi對應的因變量增加一個單位時優勢比增加值。當因變量的優勢比值大于0時，說明隨著因變量的值增加，響應變量y成功的優勢在增加；當因變量的優勢比值小于0時，說明隨著因變量的值增加，響應變量y成功的優勢在減??；當因變量優勢接近于0時，表明隨著因變量的值增加，響應變量y成功的優勢沒有發生變化，由此進一步表明因變量對于響應變量的影響較小。

在實際的數據分析中，通常除了因變量的主效應項以外，各個因變量之間存在著交互作用，飽和模型的擬合效果不一定最好。因而，需要根據變量之間的獨立性關系，選擇合適的模型才能得到較好的模型擬合效果。好的模型既能充分擬合數據，又能最大程度的發現數據中的信息。首先，我們考慮飽和模型，形式如公式2所示：

在模型擬合結果發現，模型參數估計算法無法聚合，仔細研究發現，原始數據只有208個，但是飽和模型中參數已經不止208個了，因此必須考慮從飽和模型中逐步篩選變量。經過模型篩選過程發現，僅有包含主效應項的模型是能夠擬合數據的。為此建立僅有主效應項的模型，如公式3所示：

根據“性別”、“學校”、“專業”、“類別”等變量之間的獨立性關系，考察4個自變量兩兩之間以及與總分的相關關系。例如，檢驗性別與組別的相關關系，得到如下的列聯表：對性別、組別做卡方檢驗時，卡方值為13.527，自由度為6，P-值為0.03539。

可見，性別與組別有著顯著的相關關系，說明4個自變量之間存在著較強相關關系，但在自變量中，數據分布的不均衡性非常明顯，使得只能建立僅包含住效應的logit模型。

類似的，性別、組別、學校、類別與總分之間都存在著相關關系，統計4組變量的卡方值和顯著性結果時，匯總如表2所示。

表2 四組變量的卡方值與顯著性結果

另外，針對“組別”、“學?！?、“類別”變量中某些變量顯著性檢驗不通過的情況，考慮將“組別”、“學?！?、“類別”中不顯著的類別合并。例如，將組別中“綜合一組”、“綜合三組”、“外語組”合并為“其他組”，將類別中除“小學語文”、“小學數學”、“初中思品”、“初中數學”、“初中英語”之外的學科合并為“其他組”。

經過模型變量的篩選以及對于4個變量取值的重新設定，我們建立了如下的logit回歸模型，如公式4所示：

三、實證結果分析

建立logit模型后，應對各個效應的估計值是否顯著進行檢驗。通過對效應系數的顯著性可以判斷該效應在模型中是否合理。對數線性模型系數的檢驗通常用Z檢驗法。模型系數的檢驗結果及參數估計值見表3。

表3 模型系數檢驗結果及參數估計值

表3中，β=-1.1915，P值為0.1728>0.10，表明截距項不顯著；β性別=-0.408，其中基線類別為女性，P值為0.3908，表明比賽結果中性別的差異不明顯；β學校=其他= 0.9130，β學校=A師范大學=2.0054，基線類別為B大學，P值分別為0.25549和0.02545，表明相對于其他學校（包括B大學），A師范大學的學生比賽結果比較好；β組別=學前組=-1.2252，β組別=語文組=3.2249，β組別=綜合二組=-1.6817，基線類別為其他組，3個組別的P值都小于0.10，表明3個組別相對于其他組別都是顯著的；另外，由于所有類別的P值都是顯著，綜合了一些類別項仍然無濟于事。在類別中，其實部分信息已經包含在組別之中了，例如外語組就包含了高中英語組、初中英語組、小學英語組，同時，由于類別中維度多達26項，模型中參入了學校、組別和性別等因素，使得模型有2*3*4*26=624項，但是樣本數據中僅有208項，因此多數項擬合之后為0或者負值。因此，只能在模型中舍棄類別項。因此，最終的模型定位為如公式5所示：

模型中，組別和學校是顯著變量，在學校這個變量中，A師范大學、B大學（基線類別）的選手相對于其他學校的選手成績比較優秀，同時，學前組、語文組以及綜合二組的比賽選手相對其他組別的選手優勢比較明顯。

四、研究結論與不足

從實證結果我們得出以下結論：①在浙江省高等學校師范生教學技能競賽中，性別因素對比賽成績沒有顯著影響。也就是說，通過一系列教學技能訓練之后，男生和女生在師范生的教師技能水平諸如口語表達技能、書面表達技能、教學工作技能以及信息化水平等方面表現差異不大。②以師范教育為主的高等師范類院校的表現成績相較于其他院校在師范生教學技能的培養方面有一定的資源優勢，主要是優秀的教師資源。③在專業類別上，由于國家政策對教育信息化的導向和財政支持，信息技術學科正逐步壯大，正逐步提升各個學科專業的師范生信息化素養水平。然而，不足之處在于樣本數量小，參賽選手人數有限，這有待后續采用大數據樣本開展分析，從而得到更全面和更準確的研究結果。

[1]高等師范學校學生的教師職業技能訓練大綱[DB/OL].http://wenku.baidu.com.

[2]鐘啟泉.現代教學論發展[M].北京:教育科學出版社,1988:84.

[3]關于舉行浙江省高等學校師范生教學技能競賽. [DB/OL].http://www.zjcontest.net/zjcontest/index.

[4]Luce,R.D.(1959/2005)Individual Choice Behavior:A TheoreticalAnalysis.New York:Wiley. Reprinted by Dover Publications.

（編輯：魯利瑞）

G451

:A

：1673-8454（2017）06-0075-03

本文系浙江省社會科學界聯合會研究課題成果 “數據挖掘技術優化教師網絡學習共同體的應用研究”（課題編號: 2017Z06）；2014年教育部卓越教師項目《師德·師能·師藝并重的卓越小學全科教師培養創新與實踐》階段性成果。