基于“社-校-家-生”四維的大學生學業預警影響因素相關性分析

張浩 彭青和 馮鑫 李歡歡 宋海洋

摘? 要：通過回歸分析探討“社-校-家-生”四維影響因素對學業預警機制的相關性，對安徽中醫藥大學中西醫臨床醫學專業的421名學生展開調研，采用主成分分析法，建立多因素回歸分析模型。建立模型后，發現其中影響最大的五方面因素分別是家庭、課外活動、學習基礎、人際關系、就業情況。其中，重要性分析中，父母最高文化水平、生活費/月、掛科數目、戶籍所在地、擔任班委、輔導員聯系家長情況排序前六。通過對四維因素進行逐步回歸分析與交互分析，發現對學業預警影響最為顯著的為家庭因素和學校因素，且兩者不存在交互關系。基于回歸分析結果顯示對學業成績影響的主要因素為家庭因素、學校因素，其中家庭維度方面主要是生活費/月、戶籍所在地起主要作用，與學業成績呈負相關，學校維度層面主要是輔導員與家長的聯系情況以及相關制度的制定與開展影響較大，與學業成績呈正相關。

關鍵詞：學業預警；“社-校-家-生”四維；主成分分析；回歸分析；交互作用

中圖分類號：G640? ? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：2096-000X（2024）S1-0041-07

Abstract： To explore the correlation of the social-school-family-student four-dimensional influence factors on the academic early warning mechanism through regression analysis. A survey was conducted among 421 students majoring in clinical medicine of traditional Chinese and western medicine in Anhui University of Traditional Chinese Medicine. Principal component analysis is used to establish a multi-factor regression analysis model. After building the model， it finds that the five most influential factors are family， extracurricular activities， learning foundation， interpersonal relationship， and employment status. Among them， in the importance analysis， the highest educational level of parents， living expenses/month， number of failed courses， place of household registration， serving as a class committee member， and counselor's contact with parents ranked the top six. Through the stepwise regression analysis and interactive analysis of the four-dimensional factors， it was found that family factors and school factors had the most significant impact on academic early warning， and there was no interactive relationship between the two. Based on the results of regression analysis， the main factors affecting academic performance are family factors and school factors. In the family dimension， the highest educational level of parents and living expenses/month play a major role in negative correlation with academic performance. The school dimension is mainly the relationship between counselors and parents and the establishment and development of related systems have a greater impact， and are positively correlated with academic performance.

Keywords： academic early warning; society-school-family-student four dimensions; principal component analysis; regression analysis; interaction

高校人才培養質量決定了高校的發展水平，關系到國家高等教育的整體實力，關系到國家的綜合國力和前途命運。因此，要把人才培養水平和質量作為評價大學的首要指標。將質量文化內化為全體師生的共同價值追求和自覺行為，形成以提高人才培養水平為核心的質量文化。同時要加快信息化時代教育變革，加快形成現代化的教育管理與監測體系，推進管理精準化和決策科學化。中共中央、國務院印發《深化新時代教育評價改革總體方案》強調要嚴格學業標準，完善各級各類學校學生學業要求，嚴把出口關。完善學分標準體系，嚴格學分質量要求，建立學業預警、淘汰機制[1]。

因此，很多高校推行學業預警制度。所謂學業預警是指各大高等院校運用信息技術手段在學生出現學業不良狀況的初期進行預先警示，并有針對性地采取措施，從而能夠保證大學生提高學習質量或順利完成學業的一種信息溝通和危機預警機制。有的學者較為關注外在環境對大學生學業成績的影響，比如蒯海章、仲小瑾[2]經過數據分析證明，家庭氛圍、父母學歷和教養方式對大學生的學業表現都有顯著的正向影響。還有研究者從大學制度、 環境等研究對學生學業成績的影響，李鋒亮等[3]發現，在控制了其他變量以及樣本自選擇偏差后，獎學金對學生學業成績的激勵作用依然是顯著的。更多的學者認為，大學生作為一個成年人或者接近成年的群體，具有相當大的自主性、獨立性，他們自身對學業成績的好壞有直接、主要的影響，不少學者從大學生自身層面研究學業成績的影響因素[4]。總結相關文獻，可以發現目前學者關于學業預警的影響因素研究主要集中在社會、家庭、學校、個人等四個層面。筆者特展開調查研究并通過建立回歸模型進行分析以期探索出影響學生學業預警機制建立的主要影響因素，為高校輔導員開展學業預警提供具體指導，為高校深化教育教學改革提供參考。

一? 研究對象與方法

（一）? 研究對象

隨著大數據時代的到來，黨中央、國務院對此也是高度重視，廣泛將其應用于教育教學領域，為教育數據積累提供了便利的同時也為學生的教育改革管理提供了新的機遇。通過收集并分析學生各方面的信息，對學生的在校情況進行相關評估并挖掘隱藏在數據背后的關聯，從而根據數據變化趨勢指導教育改革實踐。筆者面向安徽中醫藥大學中西醫結合學院的2017級畢業生收集他們的學業成績信息，并從社會、學校、家庭、學生四個維度對其展開調查，參與調查學生432個，獲得有效問卷421份，有效率97.5%。

（二）? 指標選取

其中，以畢業生的四年平均成績作為因變量，其余共35個指標作為自變量，具體變量與取值如下。

1? 因變量

本文選取畢業生的四年平均成績作為指標，其中包括該專業本科階段所有必修課程與選修課程共63門，計算公式為：C1M1+C2M2…CNMN/M1+M2+…+MN。（其中Cn為第N門課的成績，Mn為第N門課的學分）。

2? 自變量

對自變量進行賦值處理，對于所獲數據，原始的非結構化、半結構化數據通過數據清洗成為結構化數據，并對缺失值、異常值以及數據標準化等處理。

（三）? 統計學方法

運用SPSS 22.0軟件進行統計分析，采用主成分分析法，建立多因素回歸分析模型，以P<0.05為差異有統計學意義。

二? 結果

（一）? 主成分分析

1? KMO與Bartlett檢驗

首先通過對原始數據即35個自變量進行適用性檢驗從而確定變量數據是否適合進行主成分分析。檢驗結果顯示該數據KMO值為0.725，Bartlett球形檢驗近似卡方2 653.16，其對應P值0.000，說明適合進行主成分分析。

2? 提取主成分

將原始變量標準化后進行主成分分析，其中原件1，2…35即為變量x1，x2…x35，基于特征值大于1和主成分累計貢獻率大于60%的提取主成分的一般標準，本文中主成分F1—F14的特征值分別為4.431、2.410、2.033、1.808、1.484、1.318、1.292、1.224、1.142、1.116、1.091、1.057、1.030、1.016，其方差貢獻率分別為12.661%、6.886%、5.802%、5.165%、4.239%、3.765%、3.691%、3.499%、3.262%、3.189%、3.117%、3.020%、2.942%、2.902%，累計方差貢獻率超過了64%，這表明主成分F1—F14能夠較為全面地反映原始指標的信息。

3? 公因子命名

主成分F1—F14的因子載荷表，可以看出F1={對專業的興趣，學習目的，時間規劃，新型教學方式對學習是否有幫助，學習氛圍，學風建設活動開展情況，學風建設活動成效，職業規劃}，除時間規劃與職業規劃外6個變量均與學校有關，可以命名為“學校影響因子”，F2={掛科數目，戶籍所在地，生活費/月，自習次數/周，父母最高文化水平，輔導員聯系家長情況，家庭成員職業相關性}，除掛科數目、自習次數/周外5個變量均與家庭相關，可以命名為“家庭影響因子”，F3={學生組織個數，授課教師滿意度，戀愛情況，擔任班委}，除授課教師滿意度外3個變量均與學生的課外活動有關，可以命名為“課外活動影響因子”，F4={大學英語四六級通過情況，家庭月收入}，2個變量均與學生的學習（素質/物質）基礎有關，可以命名為“學習基礎影響因子”，F5={早起次數/周，熬夜次數/周}，2個變量均與學生的生活習慣有關，可以命名為“生活習慣影響因子”，F6={與同學相處氛圍，學科競賽次數}，2個變量主要反映學生間的相處情況，可以命名為“人際關系影響因子”，F7={平均上網娛樂時長/周}，該變量與學生的娛樂時間有關，可以命名為“上網娛樂影響因子”，F8={學籍制度了解情況}，該變量與學生對學校制度了解情況有關，可以命名為“學校制度影響因子”， F9={家庭結構}，此變量主要反映學生的生活環境，可以命名為“家庭環境影響因子”，F10={平均運動時長/周}，該變量與學生的運動情況有關，可以命名為“身體健康影響因子”，F11={心理問題}，該變量與學生的心理健康情況有關，可以命名為“心理健康影響因子”，F12={與輔導員平均溝通時間}，該變量主要反映學生與輔導員進行溝通的情況，可以命名為“輔導員影響因子”，F13={國家支持}，該變量主要反映國家對于本專業的支持度，可以命名為“國家政策影響因子”，F14={高考成績，就業前景，專業社會認可度}，3個變量均與學生的選擇就業情況有關，可以命名為“就業情況影響因子”。

4? 因子得分

元件評分系數矩陣見表1。

因子F1—F14的得分分別為

F1=0.084Z21+0.103Z22+0.086Z24+0.095Z28+0.094Z30+0.104Z31+0.133Z32+0.119Z34

F2=0.211Z1+0.205Z3+0.219Z7+0.152Z10+0.236Z18+ 0.171Z29+0.134Z33

F3=0.234Z11+0.089Z14+0.208Z23+0.265Z25

F4=0.209Z4+0.213Z17

F5=0.284Z5+0.278Z6

F6=0.228Z12+0.305Z26

F7=0.300Z8

F8=0.289Z13

F9=0.379Z16

F10=0.368Z9

F11=0.420Z27

F12=0.365Z15

F13=0.392Z35

F14=0.35Z2+0.305Z19+0.216Z20

（二）? 回歸分析

以建立的多元回歸分析模型系數作為指標繪制散點圖（圖1），用以體現不同綜合指標在預警機制中的重要性。經檢驗，模型數據的德賓·沃森值為1.958，可認為樣本具有獨立性，而自變量VIF值小于5，可認為樣本之間不存在多重共線性，數據結果較為可靠。經過T檢驗，其顯著性都小于其標準值，表明回歸系數均有意義，結果得出該線性回歸方程常數項為-9.791E-15，回歸方程為

y=-9.791E-15+0.016F1-0.486F2+0.355F3-0.241F4+0.120F5-0.155F6+0.012F7-0.005F8-0.020F9-0.106F10-0.116F11+0.010F12+0.049F13-0.142F14=-9.791E-15-0.102 546x1-0.049 7x2-0.099 63x3-0.050 369x4+ 0.034 08x5+0.033 36x6-0.106 434x7+0.003 6x8-0.039 008x9- 0.073 872x10+0.083 07x11-0.035 34x12-0.001 445x13+0.031 595x14+0.003 65x15-0.007 58x16-0.051 333x17-0.114 696x18-0.043 31x19-0.030 672x20+0.001 344x21+0.000 1648x22+0.073 84x23+0.001 376x24+0.094 075x25-0.047 275x26-0.048 72x27+0.001 52x28-0.083 106x29+0.001 504x30+0.001 66x31+0.002 128x32-0.065 121 4x33+ 0.001 914x34+0.019 208x35，R2=0.507。

通過表2和圖1可以看出在我們構建的預警機制中影響顯著的綜合指標分別為家庭（F2）、課外活動（F3）、學習基礎（F4）、人際關系（F6）、就業情況（F14）、心理健康（F11）、生活習慣（F5）、身體健康（F10）八方面的。其中影響最大的五方面因素分別是家庭（F2）、課外活動（F3）、學習基礎（F4）、人際關系（F6）、就業情況（F14）。其中父母最高文化水平（x18）、生活費/月（x7）、掛科數目（x1）、戶籍所在地（x3）、擔任班委（x25）、輔導員聯系家長情況（x29）的影響因子系數排序前六，系數分別為-0.114 696、-0.106 434、-0.102 546、-0.099 63、0.094 075、 -0.083 106。從而可以得出社會層面={F13；F14}；學校層面={F1；F3；F8；F12}；家庭層面={F2；F9}；學生層面={F4；F5；F6；F7；F10；F11}。通過對回歸分析系數結合“社-校-家-生”四個維度進行逐步線性回歸分析可以得出自變量和因變量之間的回歸方程為四年平均成績=83.572-0.769×家庭因素+0.361×學校因素，說明對學生學業預警機制造成影響最明顯的兩個因素分別是家庭層面、學校層面，說明愈發艱苦的環境反而更能激發學生的學習動力，這也符合發展心理學所認為的家庭因素對學生的發展具有重要的影響，尤其是對其成長早期階段的影響將決定學生的人格形成，最終影響成就。而學校因素則呈正相關，說明學校對學生的學業預警需要起到正向積極的引導作用，其中輔導員的表現最為關鍵，輔導員在學業預警過程中需要將每一項措施落到實處，滿足學生關于學習的相關需求，為學生營造良好學習氛圍，督促學生嚴格遵守各項規章制度，培養出更多的人才。結合排除的變量表格，最終得出四個因素對學業成績的影響大小排序為家庭因素、學校因素、個人因素、社會因素（表3和表4）。

進一步對家庭因素與學校因素進行交互分析，我們發現家庭因素仍然對學生四年平均成績影響最大，而家庭因素和學校因素彼此之間不存在交互作用。

三? 討論

（一）? 社會層面：構建良好輿論生態，提高專業社會認可

回歸分析結果反映當前社會環境對于學生的學業預警機制建立也有一定影響。主要體現在專業的就業前景（-0.043 31）與社會認可度（-0.030 672）方面，且與學生的學業預警呈現負相關，即學生對于自身專業的就業前景與社會認可度評價越高，學習成績越好。反觀對自身專業評價不高的學生更可能觸及學業預警，故而如何建立專業自信是當前社會需要關注的難題。

《教育部關于加快建設高水平本科教育 全面提高人才培養能力的意見》[5]（教高〔2018〕2號）中，明確要求推進現代信息技術與教育教學深度融合，社會媒體應在國家大力支持下大力宣傳學業預警機制以及對各專業的就業方向進行科普，讓更多的學生、家長對自己的專業有所了解，建立起更強的專業自信從而投入更多的精力于專業學習中。實現預警信息的全覆蓋也有助于各大高校對于當前的先進做法進行借鑒從而敦促當前學業預警機制的建立與完善。此外，社會個體應致力于營造一個寬容的社會輿論環境，主流媒體應發揮主力軍的作用，聯合黨政機關構建社會輿論良好的生態環境，壯大輿論正能量，讓當代大學生都能敢于創新，敢于嘗試，在不違背原則的試錯中加深對專業的理解，摸索出一條適合自己的道路。