基于理工類與經管類學生評教數據的統計分析

曹彥 紀志榮 林玉蕊 傅瑋瑋

摘 要：根據某高校學生學習《概率論與數理統計》課程的評教結果，挖掘理工類與經管類學生評教結果所蘊含的信息。首先對評教數據量表進行信度分析，結果表明所使用的學生評教數據可以進行統計分析；其次采用因子分析法對評教指標進行研究，結果表明理工類和經管類學生對教授同一門課程教師的教學能力關注點有顯著差異；最后采用Apriori關聯規則挖掘17個評教指標間的強規則，結果顯示理工類和經管類學生的強規則不同，教師在基本教學態度和素養方面較其他方面表現更好，且理工類學生評教打分高于經管類學生。該研究為高校教師改進教學行為、提高教學水平提供了參考建議，也為教學管理層改善評教指標體系提供了一定的理論依據。

關鍵詞：學生評教；理工類；經管類；因子分析；關聯規則

中圖分類號：G640 文獻標志碼：A 文章編號：2096-000X（2018）12-0068-03

Abstract： According to the teaching evaluation results of a college student's "Probability Theory and Mathematical Statistics" course， the information contained in the teaching evaluation results of students of science and technology and economics and management isexplored. Firstly， reliability analysis was conducted on the evaluation data scale. The results showed that the student evaluation data could be used for statistical analysis. Then the factor analysis method was used to study the assessment indicators. The results showed that the students of science and engineering and economic management shared the same teaching. There are significant differences in the teachers' teaching ability. Finally， the Apriori association rules are used to mine the strong rules among the 17 evaluation indicators. The results show that the strong rules of science and technology and economic management students are different， and the teachers' attitudes and literacy in basic teaching are better than others. Furthermore，the science and engineering students have higher scores on evaluation of teaching than students of economic management. The study provides reference suggestions for college teachers to improve their teaching behaviors and improve their teaching standards. It also provides a theoretical basis for teaching management to improve the evaluation index system.

Keywords： student evaluation； Science and Engineering； Economics and Management； factor analysis； association rules

目前，關于學生評教領域的研究日益增多，內容廣泛，包括學生評教的有效性研究、指標內容的研究、評教影響因素的研究以及評教數據處理方法的研究等。這些研究不僅促進了學生評教在全國各高校的快速普及，對實踐也起到一定的指導作用。比較起來，國內研究側重于對學生評教的實踐提出問題，定性分析較多，而國外基于數據分析提供解決措施的研究較多，偏向于定量研究。國外學者對學生評教的研究始于20世紀六七十年代，研究主要涉及學生評教結果的可靠性、有效性以及影響因素分析[1]。而國內研究雖起步較晚，但發展很快，并且取得了豐碩的成果。相關研究者的研究范圍很廣，包括評教有效性、評教指標體系研究[2-3]、評教結果的處理與反饋、評教影響因素分析[4]等。然而在現有相關研究中，通過評教數據進行信息挖掘和提供解決問題思路的相關研究則較少，從不同學科類型出發對評教數據進行信息挖掘的研究更是幾乎沒有。故本文以《概率論與數理統計》課程為例，從理工類與經管類學生的評教結果出發，運用因子分析法和Apriori關聯規則算法對學生評教結果展開信息挖掘，試圖為高校教師改進教學行為與提高教學水平提供一定的參考依據與建議。

一、數據來源與處理

數據來源：本研究所用數據來源于某高校教務處學生評教系統，采用了2016-2017學年和2017-2018學年第一學期的《概率論與數理統計》課程的學生評教數據。文章采用的學生評教數據共1499條，根據專業劃分學科類型為理工類與經管類，其中理工類505條數據，經管類994條數據，在對評教數據處理、分析過程中堅持客觀、真實的原則。表1是學生評價量表。運用SPSS統計軟件計算得到理工類和經管類學生評教數據的？琢信度值分別是0.988和0.985，均接近于1，說明該評價量表指標存在較好的內部一致性，利用此評教數據分析是有意義的。

二、理工類與經管類學生評教結果因子分析

（一）理工類學生評教結果的因子分析

因子分析結果表明，提取特征值后的所有變量共同度均達到了90%以上，且4個公因子提取信息的累積方差貢獻率高達92.38%，即意味著4個公因子解釋了17個評價指標總方差92.38%的信息，說明提取出的4個公因子充分提取了各個評教指標的信息。從旋轉后的因子載荷陣可以得出，不同公共因子在評價指標上的載荷有明顯的區別。第一個公共因子在I7，I9，I10，I8，I16，I17，I12，I5，I13，I15上有較大載荷，歸為同類指標。而第二個公共因子在評價指標I2，I3，I4，I6上有較大載荷，可歸為同類。第三個公共因子在評價指標I14，I1上的載荷較大，可歸為同類。第四個公共因子主要解釋了I11所包含的信息。

（二）經管類學生評教結果的因子分析

因子分析結果顯示，提取特征值后的變量共同度均達到85%以上，且提取出的前4個公因子的累積方差貢獻率高達89.574%，說明這4個公因子已經充分提取了17個評教指標的信息。從旋轉后的因子載荷陣可知，第一個公因子在評價指標I17，I15，I16，I4，I12，I5上有較大載荷，說明這6個評價指標具有很強的相關性，可歸為同類。第二個公因子在評價指標I2，I1，I3上有較大載荷，歸為同類。第三個公因子在評價指標I7，I10，I11，I8上的載荷較大，可歸為同類。第四個公共因子主要解釋了評價指標I14，I9，I13，I6所包含的信息，可歸為同類。

（三）理工類、經管類學生評教因子命名結果的對比分析

分別對理工類與經管類學生評教情況的因子分析結果進行歸類和因子命名（表2），從理工類學生評教指標因子命名結果來看，F1可命名為教學內容，F2可命名為教學態度與素養，F3和F4分別命名為教學方法和教學拓展；從經管類學生評教指標因子命名結果來看，F1可命名為教學效果，F2可命名為教學態度與素養，F3和F4分別命名為教學內容和教學方法。對比分析可得如下結論（表2）：

1. 理工類與經管類學生所關注的教師教學能力不同。從F1看，理工類學生更關注教師教學內容方面的表現，比如I7老師講課是否有條理，是否口齒清晰并且富有激情，或者I10授課時是否重點突出，難點分析透徹等；而經管類學生更多關注的則是教師的教學是否有效果，自己是否有所收獲，比如I17對學科前沿介紹加深我們對本學科的認識，增強學習興趣，或者I16教師不僅教授我們知識，還傳授學習方法。

2. 理工類與經管類學生都比較注重教師的教學態度和基本素養。在F2教學態度和素養上，無論是理工類還是經管類學生，都比較關注教師是否能嚴格考勤、有效管理課堂紀律，是否做到了對每個學生都公平、公正，這說明有一定的教學態度和素養是對教師最基本的要求。

3. 理工類學生更關注教師的教學拓展，而經管類學生則對教師的教學內容有更高的要求。由于理工類和經管類學科性質的不同，因而對教授同一門課程《概率論與數理統計》教師的教學能力關注點有所差異，作為授課教師在授課時應因材施教，采用不同的教學方法，針對學科性質與學生實際情況選擇合適的教學內容進行講授。針對理工類學生，教師應努力做到授課內容豐富，不照本宣科，注重理論聯系實際并適當前沿拓展；而針對經管類學生，則應更多的注重教學內容，努力做到重點突出，難點分析透徹，在傳授學生知識的同時，還要注重傳授學習方法。

三、基于關聯規則的指標關聯分析

運用Apriori關聯規則[7]算法找出17個指標間的關聯關系，挖掘理工和經管學生的指標關聯異同點，找出隱含的信息，為教師改進教學行為提供參考建議。

最小支持度主要用來衡量支持度，是研究者自行設定的閾值，表示項目集在統計學上的最低重要性；最小置信度則主要用來衡量置信度，表示關聯規則的最低可靠性。同時滿足最小支持度與最小置信度的規則，稱為強規則。

項集A、B同時發生的概率為關聯規則的支持度：

項集A發生的條件下，則項集B發生的概率稱為關聯規則的置信度：

本文運用WEKA3.8.1軟件進行關聯規則分析，設置關聯規則的最小支持度為0.87、最大支持度1、最小置信度0.9，設置最后挖掘出排名前100的運算結果。

理工類與經管類學生評教數據的關聯規則分析：

Apriori關聯規則運算結果（表3）表示為“如果-則-”的形式，其中數字表示支持該條規則的實例條數。可以看出，理工類學生評教指標I1，I2，I3之間關聯度很高，教師I1上下課準時，不出現隨意調停課和上課使用手機現象=“A”，則I2嚴格考勤，有效管理課堂紀律=“A”And I3老師平等地對待每一位學生=“A”，且這三個指標能夠互相推導，反之亦成立。其他關聯規則包括：{如果I10，則I3}；{如果I14，則I1}；{如果I6，則I1}；{如果I10，則I6}；{如果I6，則I3}；{如果I6，則I2}。

而經管類學生評教數據的關聯規則模型結果（表4）顯示，I3、I5、I2、I12、I14分別與“I1上下課準時，不出現隨意調停課和上課使用手機現象”的關聯性高，反過來I1與I3，I5，I2，I12，I13，I14之間同樣滿足最小支持度和最小置信度，存在強規則關系。

綜上可知：

1. 在同樣的置信度和支持度下，理工類得出的規則條數明顯多于經管類，在每條規則都是關于“A”的條件下，說明理工學生對《概率論與數理統計》的授課老師打分高于經管學生的評教打分。可能是因為理工類學生有較好的數學思維能力，更易掌握《概率論與數理統計》，經管類學生學習起來可能相對吃力，不太容易掌握，致使學生對教師的打分偏低。2.無論是理工類還是經管類學生，I1、I2和I3 三個指標打分出現“A”的概率都較其他指標高，說明教師在基本教學態度和素養這一方面表現較其他方面表現好，但同時也對比出教師在其他方面的能力素養上有待提升。3. 理工類學生挖掘出的強規則主要是基本教學態度和素養與教學內容存在較高的關聯度，經管類學生挖掘出的強規則主要是基本教學態度和素養與教學方法存在較高的關聯度。這表明對于不同學科類型的學生，教師應該有針對性的提高基本教學態度和素養，例如給理工類學生上《概率論與數理統計》的教師，在改進基本教學態度和素養時，應注意改進教學內容等。

四、結束語

通過比較理工類和經管類學生對教授公共課程《概率論與數理統計》教師評教打分上的差異，挖掘出理工類與經管類學生評教結果的異同點以及評教指標的信息，為高校教師改進教學行為、教學管理層改善評教指標體系提供了一定的參考依據。

參考文獻：

[1]Cochran H H，hodgin J R， Zietz G L J.Student evaluation of teaching：Does pedagogy matter.Journal for Economic Educators，2003，4（1）：6-18.

[2]劉映婷，蔣家瓊.學生評教——美國高校教學質量監控的重要手段[J].高等教育研究學報，2013，36（3）：56-58.

[3]邱楷，葉道艷.高校學生評教的影響因素研究[J].教育科學，2016（02）：33-40.

[4]徐杰.高校學生評教結果的統計分析[D].湖北大學，2014.

[5]羅家國，邱庚香，潘莎莎，等.基于克倫巴赫信度分析的工科學生實踐教學質量評價之改進[J].創新與創業教育，2015（2）：140-143.

[6]殷瑞飛，朱建平.關于利用因子分析方法對變量分類的探討[J].統計與決策，2005（03）：20-21.

[7]潘慶先，于萍，婁蘭芳.關聯規則算法的研究及其在教學評價中的應用[J].煙臺大學學報（自然科學與工程版），2010（02）：127-131.