人才培養的同伴效應研究

賈曉芬 趙佰亭

摘?要：高等學校的人才培養質量與同伴效應密切相關。通過對安徽省 6 所高校教學分析發現，課堂教學過程中，同伴關系普遍存在，而且影響顯著，影響類型表現為共同進步、負面干擾和潛移默化。課內學習和集體學習會直接影響學業成績，相比于普通高校，“985”高校的正向激勵更具優勢，人文社科專業的負面干擾高于理工科專業，低年級的同學更易受到干擾。研究認為，應加強新生入學教育，課堂教師加強正向互動引導，利用同伴效應，營造良好的群體學習環境。

關鍵詞：同伴效應;人才培養;課堂教學;本科生教育

中圖分類號：G645文獻標識碼：A文章編號：1672-1101（2020）06-0010-06

Abstract： The quality of talentcultivation in colleges and universities is closely related to peer effect. Through the teaching analysis of six colleges and universities in Anhui Province， it is found that peer relationship is widespread in the process of classroom teaching， and its influence is significant in the perspectives of common progress， negative interference and imperceptible influence. Compared with ordinary colleges and universities，“985” universities have more advantages in positive motivation. The negative interference of humanities and social sciences is stronger than that of science and engineering， and lower grade students are more vulnerable to interference. It is suggested that the entrance education of freshmen and the positive interactive guidance in class should be strengthened， making use of peer effect to create a good group learning environment.

Key words：Peer effect; Talent cultivation; Classroom teaching; Undergraduate education

同伴效應可以簡單理解為，來自周圍環境、人或者朋友的影響，包括正面影響和負面影響。晉朝時期，傅玄提出的“近朱者赤，近墨者黑”，實質上體現了同群效應，也可稱為同伴效應。20世紀60年代，同伴效應就得到了學者的關注，近年來更是成為各個領域的熱寵[1]。著名的科爾曼在《關于教育機會平等的報告》中，首次提出了同伴效應對學生成績的影響至關重要，隨即受到廣大社會工作者和各界學者的青睞，基于同伴交往等對大學鞏固率和輟學率的影響分析，建立了諸多模型。Romano等研究發現同伴效應對教育成就比率的正向影響[2]。Thoeni等通過禮物交換實驗發現了同伴效應的因果證據，學習過程中的同伴效應與學業成績呈現為正相關，并且會受到社會偏好的影響[3]。

由于選擇研究群體對象的不同、同伴效應檢測手段的差異以及評估模型的區別，獲得的同伴效應研究成果也存在爭論。在我國的大學教育階段，學生的學習和生活一般以班級為單位，同伴對學生的學習和成長有直接影響作用。綜上可知，在高校課堂教學過程中展開對同伴關系及同伴互動的研究，深入探究同伴效應對教學效果、學習成績等的綜合影響，可以為高等學校人才培養模式的探索提供新思路。

近年來，“學霸宿舍”、“學霸班級”等字眼經常縈繞在我們眼前。敏銳的學者們展開了對班級同伴、宿舍同伴的相互影響及其與學習成績之間的相互關系的研究。杜育紅等[4]設計了同伴效應的評測模型和評測方法，實現學生之間同伴影響的評估。包志梅等[5]發現宿舍同伴關系對本科生的學業成績兼具正負向效應，并提出了要引導本科生保持適度合群與獨立。楊文婷等[6]對博士群體的量化研究發現，同群效應有助于縮短科研技術的研究周期，提高研究成果的產出率。盧春天等[7]研究了同伴效應對大學生睡眠障礙的影響，確定了同伴的雙重效應及作用空間邊界。

同伴在學生成長發展的過程中，具有獨特作用和重要價值，對學習態度、學習動機激發以及學習結果具有重要影響。然而，同伴效應在課堂的教學過程中，對教學效果產生的影響程度方面的研究較為鮮見。學生的學習自主性很大程度反映在聽課狀態上，肢體動作和面部表情是最直觀的表現。個體的學習狀態會直接影響到周圍同學，此影響可能是正面激勵，也可能是有負面激勵。為進一步明晰課堂教學中學生同伴效應對本科生教學效果的影響，本研究綜合分析課堂中學生的學習狀態，計算同伴效應的鄰域，并進一步量化為對課堂教學效果的正向激勵和負向激勵，以期完成學生同伴效應對人才培養影響程度的系統分析，為下一步的教學工作提供參考。

一、研究設計與數據處理

（一）研究思路

課堂的教學過程中，同伴效應表現為由于學生之間的互動而產生的人力資本積累的外部性。同伴效應作用的途徑表現為：（1）共同進步：同學之間相互幫助，相互指導，互為正激勵;（2）負面干擾：缺乏自我約束的個體會對周圍同伴產生“爛蘋果效應”[8];（3）潛移默化：經過長期接觸，不知不覺受到感染、影響而發生了變化，既包括共同進步也包括負面干擾。

課堂教學中，對同伴效應進行度量的準確程度直接影響學者的研究結論。現有研究多采用調查問卷方式，然而面向設計的問題問卷調查比較困難，調查結果廣而不深，調查結果的質量和問卷調查的回收率難以保證。本研究提出了直接從高校課堂教學的監控視頻中，采用深度學習的方法，提取學生狀態數據，建立同伴效應數學矩陣，基于此進行同伴效應的分析，以期發現不同類型高校各種專業課堂教學中同伴效應影響的規律和內涵，進一步指導高等學校的教育、教學方面的管理工作。研究思路見圖1，采用深度學習的方法搭建模型學習課堂教學視頻中學生的同伴特性，再根據同伴異質性設計分析模型，實現同伴效應回歸分析。

（二）數據來源及研究方法

1.數據來源。本研究涉及的數據來源于安徽省6所高校2019年教學監控視頻采樣。選取高校類型含1所“985”、2所“211”和3所其它本科院校。學科類別涵蓋人文、社科、理學和工學，包含大一到大三3個年級的上半學年和下半學年。針對6所高校隨機抽取的課堂監控視頻177份，總計549小時，樣本分布如表1所示。

2.研究方法。

采用Duncan等2005年所提的同伴效應異質性模型作為分析模型，其數學模型見式（1）。模型采用Y代表學生的產出，本研究中表示學生成績，α表示可觀測的個人能力，D表示可觀測的互動，λ1是內生性互動系數，λ2是外生性互動系數，λ3是關聯性互動系數。

（三）數據處理

1.學生狀態提取。學生課堂上的專注聽課程度和課堂互動情況是反應同伴效應最直接的評價指標，它們可以直接從課堂監控視頻中獲取，課堂教學的監控視頻數據是海量的，如何從中挖掘同伴特性方面的信息是研究的難題。Hinton在2006年提出了深度學習，已被廣泛用于模式識別、機器視覺等領域[9]。卷積神經網絡（Convolutional Neural Networks， CNN）是一種主要用于處理圖像的深度學習模型，比如圖像分類、圖像去噪等。本研究選用Mask-Rcnn網絡[10]對課堂監控視頻中的人員進行辨識和提取，獲得學生課堂狀態。

2.數據處理。

課堂學生狀態是指能表征學生認真聽課、思考或玩耍走神的任何特征。依據監控視頻中呈現的各類狀態，采用統計學方法，歸納為三類：認真聽課;不認真聽課（對其他人無影響）;不認真聽課（對其他人有影響）。對三種狀態進行量化，其中，認真聽課量化結果為1，不認真聽課（對其他人無影響）量化結果為0，不認真聽課（對其他人有影響）量化結果為-1。根據量化結果，建立量化關系矩陣，分析1、0和-1的數學分布，研究各類狀態的學生個體對周圍同學的影響偏向性、影響程度和影響范圍等。

二、研究結果分析

（一）課堂教學同伴關系表現情況

同伴關系在課堂教學中的涵義，指同伴背景與學生個體共同作用時產生的效果。本研究通過分析學生個體是否認真聽課的狀態來預測同伴效應的影響類型。本研究包括3個指標：1.均值，它反應同伴效應影響偏向性，數值越大，表現為共同進步的偏向性越強，負值表示負面干擾，接近均值0表示潛移默化。2.標準方差，表現學生之間的差異性，值越小代表學生個體之間的差異性越小，反之，學生個體的差異性越大。3.同伴效應半徑，表示同伴效應的影響距離，半徑波動范圍為2～5。

從表2可以看出，高校課堂教學中展現的同伴效應均值普遍遠離0，說明課堂的個體狀態不是孤立的，會對周圍同伴產生影響，該影響可以是積極的，表現為均值為正，也可能是消極的表現為均值為負。“985”及“211”類院校的均值大多為正，體現了學生之間共同進步的正向激勵。而普通類高校均值正負約各占一半，負值體現了課堂效果較亂，負激勵同學會占用教師更多時間維持激勵，會得到教師更多關注。從標準方差的角度分析，僅“985”院校理學專業的學生之間的個體差異在大二時最小，大三時最大。表明該專業的學生個體獨立性很強，進入大學以后就馬不停蹄的努力進步，逐漸縮小原本的微小差異，到大三時，個體之間的學習能力、對環境的適應速度等差異導致個體差異出現增大趨勢。“985”院校的其它專業及“211”院校、普通院校的標準方差總體表現為，大二相比于大一會增長，到了大三又會有一定程度的下降。此規律表明，大多數學生進入高校后會有一段放松期，然后隨著學業壓力的增大逐步轉入學習中。觀察同伴效應的最大半徑可見，“985”和“211”院校的理學和工學的學生在大一時同伴效應的影響距離最小，這也體現了理學和工學學生具有較強的個體獨立性。

三個評價指標中，均值直接反應同伴效應影響的偏向性，為了進行更直觀的分析，給出了課堂教學同伴效應表現的柱狀圖，如圖2所示，縱坐標是均值，橫坐標分別是高校類型、學科大類、年級和學年。同伴效應均值的統計結果顯示，“985”高校的均值最大，“211”次之，普通高校最低，換言之，“985”高校同伴效應的正面激勵最優。人文學科優于工學優于社科優于理學，理學專業同學課堂互動較少。并且隨著年級的增長，正向激勵在逐年下降，低年級同學優于高年級同學，說明低年級同學更容易受到同伴影響，應加強入學新生的教育工作，此階段學生受環境影響效果最好，而上下半學期統計結果基本持平，區別不大。

（二）同伴關系作用效果回歸分析

分別選取“211”院校、大二年級、人文專業和同學關系作為自變量，選取標準化回歸系數作為因變量，回歸結果見表3。“985”院校的學生課內學習和集體學習均優于“211”和其它普通院校，逃課現象高于它們，但最終學業成績最優。大一無論課內學習還是集體學習效果均是最好，隨著年級增長，課內學習、集體學習效果降低，逃課率增加，但是掛科率卻在減少。人文社科專業類型接近，回歸結果中學生的表現也基本類似，而理工專業學生更容易受到負面干擾，課內學習和集體學習均弱于人文社科，掛科率高于人文社科。共同進步的同伴關系對課內學習和集體學習都有較好的促進作用，對最終的學業成績也是正面影響。負面干擾的同伴關系表現為負激勵，影響課內學習，而且對逃課頻率影響顯著。

對表3的分析結果表明：1.課堂中學生個體的狀態會對同伴的學習獲益程度產生影響，而且不同類型的高校、不同專業甚至不同年級產生的影響傾向性均不相同，并且有明顯規律。2.“985”院校受到同伴正向激勵效應明顯，雖然逃課率高，但掛科率明顯低于“211”和其它類型高校，說明未統計的課外學習也對學生學業成績有很大的影響。3.大一新生入學，雖然學習態度認真，但是延續了高中學習方法，并不能完全適應大學的學習，該情況隨著年級增長情況得到改善。4.人文、社科類專業的課內學習影響明顯高于理工科專業，而且這種影響和年級之間的耦合效應較大，伴隨著年級呈現下降趨勢。5.學生逃課現象和高校類型、學科關系不強，內因較為復雜，學生個體逃課對其他同學有很大的蠱惑性，并最終影響學習成績。

三、結論及建議

（一）結論

通過對安徽省6所高校課堂教學過程的研究發現，學生個體之間確實存在顯著的同伴效應。同伴效應的影響傾向性呈現多維化，在不同類型的高校、不同專業甚至不同年級產生的影響均不相同，但有明顯規律。同伴效應對學業成績的影響兼具正激勵和負激勵作用，可以劃分為共同進步的正向激勵型，負面干擾的負向激勵型和潛移默化型三種模態。發現同伴效應規律并加以利用可以更好的提高高校學生管理工作和教學工作。

課堂教學過程中展現的同伴效應會影響個體的狀態，“985”院校更多的表現為正激勵，普通院校更多的表現為負激勵。從入學成績、學生的自律性、綜合學習能力方面講，“985”院校的學生個體素質更優秀，多數學生個體有明確的目標和規劃，班級中出現的掛科率相對較低。此外“985”院校的管理更加嚴格，課堂“兩性一度”水平更高，會更加激發優秀學生個體的好奇心、求知欲和挑戰自我的心理，在學生群體中就會逐漸形成正激勵的同伴效應。普通院校自律性差的同學所占比率相對較高，容易對同伴產生“爛蘋果效應”，逃課率和掛科率等問題在層次低的院校中相對會更嚴重。普通院校在管理、教學水平、激勵措施方面的實際情況，加上學生的個體因素，相對高水平的學校來講，同伴效應表現的負激勵較明顯。調查某安徽省屬院校發現，該校安徽省內學生占比高達70%以上，來自農村的學生60%以上，經過高考高壓學習進入高校后，異質性個體更容易放松自我約束，需要學校管理人員更加關注，嚴防嚴控。

人文社科類專業的同伴效應較理工科專業顯著，并且和年級之間的耦合效應較大，在時間域空間隨著年級呈現下降趨勢。分析其原因主要是源于性別因素的影響。理工科男生比例較大，保持個體獨立性較強，而女生在人文社科類專業中所占比例較大，同伴效應在女生群體中的作用更為凸顯。該同伴效應不僅體現在學習上，更顯著的表現為著裝、消費和價值觀的趨同性，同時兼具正負激勵效果。同性之間的同伴效應一部分體現為好勝心理，在學習上促進共同進步，另一部分也有可能會演化為嫉妒心理，阻礙同學之間的互動和知識分享，降低集體學習參與度，此時需要引入更多的人工干預和正向引導。整體研究顯示女生比例高的班級的整體學習態度優于男生比例高的班級。

同伴效應影響與年級高低成非線性反比關系，低年級同學受同伴影響高于高年級同學，異質性個體“榜樣效應”顯著，而高年級同學中的異質性個體更多的表現為“爛蘋果效應”。研究顯示同伴效應可干預可引導，通過人工干預可以改變同伴效應影響類型，變負激勵為潛移默化和正面影響，降低逃課率和掛科率。

（二）啟示及建議

教師應在課堂教學中良性引導學生的互動。正向引導可以激發正激勵的同伴效應，教師不僅要傳授科學文化知識，還要成為學生互動的催化劑。同時，在保持個體獨立性的前提下，引導學生理解和包容異質性個體，營造促進正面激勵的課堂氛圍、學習氛圍和生活氛圍。

應向異質性個體投入更多關注目光。普通院校的異質性個體更容易產生“爛蘋果效應”，負向激勵的影響力遠高于正向激勵的影響力。研究發現：自律性強和自律性弱的學生基本呈現均勻分布，正向激勵型更容易向潛移默化和負向激勵型轉化。因此，應適當對自律性差的同學加強集中管理，做好心理疏導和正面引導工作，幫助他們樹立正確的人生觀、價值觀。

增強理工科專業學生互動因子，激活集體學習、集體參與社團活動的熱情。鑒于理工科學生個體獨立性較強，應引導學生多參加社團活動，促進學生課外學習的互動，打破個體小圈子，實現學生同伴效應的大融合。充分發揮理工科學生學習互動方面的正面激勵作用。同時，根據學生的不同特點，實現良性同伴互動，促進群體成長。

做好新生入學教育。大一、大二學生最容易受到同伴效應的影響，應多開展愛國教育、團體協作、思想道德修養、合作共贏等方面的引導教育。同時，輔導員要關注學生個體情況，優化宿舍分配機制，發揮同伴正向激勵作用，同時對以宿舍為單位的學業情況進行跟蹤并及時調整。

做好人工干預的前期工作。鑒于低年級同學的同伴影響遠高于高年級同學，在學生的錄取工作完成以后，可以開展一項包括學生的成績、特長、喜好、性格、身高、體重、家庭背景、家庭經濟條件等等方面的綜合調查，得到每個學生個體的全面信息。利用深度學習設計大數據分析模型，通過對學生信息的全面對比分析把學生分成多個大類，按照分類結果，分配學生的所屬班級和宿舍。跟蹤分析按照學生綜合信息分類的班級和宿舍，掌握同伴效應的有效數據，為人工干預同伴效應奠定基石。

參考文獻：

[1]?Sacerdote B. Peer Effects with Random Assignment： Results for Dartmouth Roommates[J].Quarterly Journal of Economics， 2001， 116（2）：681-704.

[2]?EppleD，Romano R，Sieg H.Peer Effects，Financial Aid， and Selection of Students into Colleges and Universities： An Empirical Analysis[J].Journal of Applied Econometrics， 2003， 18（5）：501-525.

[3]?Thoeni C，Gaechter S.Peer effects and social preferences in voluntary cooperation： A theoretical and experimental analysis[J].Journal of Economic Psychology， 2015（48）：72-88.

[4]?杜育紅， 袁玉芝. 教育中的同伴效應研究述評：概念、模型與方法[J].教育經濟評論，2016（3）：77-91.

[5]?包志梅. 本科生學業成績的同伴效應研究[J].中國高教研究， 2020（6）：25-31.

[6]?楊文婷， 黃維. 高等教育學博士同伴效應的量化研究[J].長沙理工大學學報（社會科學版）， 2017，32（2）：107-112.

[7]?盧春天，王欣，劉馥榕. 同伴效應：來自大學新生睡眠質量的經驗研究[J].浙江學刊， 2018（4）：135-145.

[8]?Darke P R， Ritchie R J B. One Rotten Apple Spoils the Barrel： Advertising Deception， Defensive Processing， and Consumer Suspicion[J].Association for Consumer Research，2004，31（1）：329-332.

[9]?Lecun Y， Bengio Y， Hinton G. Deep learning[J].Nature， 2015， 521（7553）：436.

[10]?Kaiming H， Georgia G， Piotr D， et al. Mask R-CNN[J].IEEE Transactions on Pattern Analysis & Machine Intelligence，2020，42（2）：386-397.

[11]?Duncan G J， Boisjoly J， Kremer M， et al. Peer effects in drug use and sex among college students[J].Journal of Abnormal Child Psychology，2005，33（3）：375-385.

[責任編輯：范?君]