座位與成績的鄰近效應研究

摘 要：基于隨機控制試驗方法，本文通過對4個班級210名學生2個多月時間的試驗檢驗了座位是否能夠影響學生學習成績。結果表明，前排學生比相鄰后排學生的百分位成績平均提升4.5個百分點，即座位和成績之間存在鄰近效應。研究結論能給“往前坐”的學風建設政策提供實證支撐，對于推進校園學風建設具有現實意義。

關鍵詞：座位；成績；鄰近效應；隨機控制試驗

一、引言

“往前坐”往往是老師上課對學生座位的一般要求，這通常是基于一種默認的共識，即前排座位有利于學習。因為通常認為坐在前排的同學擁有靠得近、聽得清、看得明的客觀優勢，可以得到更好的授課體驗，進而有利于學習成績提升，該效應稱為鄰近效應。但在教學的過程中，我們同樣會發現一種現象：認真學習的同學坐在哪里都會認真學習，無心學習的同學坐在哪里照樣心猿意馬，體現出一種與座位無關的學習主觀性。因此，“往前坐”是“確有其效”還是老師的“一廂情愿”？這是一個有趣而值得探討的問題。若“往前坐”確有其效，那么前排座位是一種微觀層面的優質稀缺資源，應該得到有效且公平地利用，可以通過隨機分配的方式進行座位安排；若“往前坐”僅是老師的“一廂情愿”，那么這便只是一種課堂展現形式，無關乎成績，需對“往前坐”的意義進行反思。

對鄰近效應的探討歷時已久，但結論尚存爭議。Griffith最早從心理學的角度開展相關研究，得出坐在中間排的同學比前后排的同學成績更高的非典型結論[1]。后續學者研究中有表明鄰近效應存在的，Benedict和Hoag發現選擇坐在教室前面的學生表現更好，當喜歡后座的學生座位向前移動時，這些學生的成績有所提高[2]；Perkins和Wieman研究了一個有201名學生的大型物理教室，這些學生在上半學期被隨機分配座位，然后在下半學期被要求交換座位（從前到后），發現這對上半學期的成績分布產生了重大影響，后排的學生獲得F的可能性比前排的學生高出近六倍[3]；此外，一些研究同樣表明了鄰近效應的存在[4～5]。相應的，有學者研究不支持鄰近效應[6～7]，對此一個可能的解釋是鄰近效應受教室大小影響，對于大教室上課的學生，座位越往前越能提升成績，而這種現象在小教室不存在[8]。國內學者對鄰近效應的研究較少，有學者通過記錄學生自主選座數據，采用控制變量回歸的方法來推導因果關系，表明座位越靠前，學習成績越好 [9]；采用問卷調查法和單因素方差分析進行因果分析，表明學生在自由選擇課堂座位時，會形成以教師為中心的“學業優勝區” [10]。

盡管當前有較多相關研究，但現有研究主要存在因果推導的可靠性不足的問題，如采用控制變量的回歸分析和v/OiSxfHss4J8550sJJGclDcYEB9TCwQYWFRRzjPOg0=單因素方差分析都沒有本質上解決內生性問題，無法從相關關系有效地推導到因果關系，即有可能是好學生選擇了前排的位置，而不是前排位置造就了好學生。推導因果關系的主要的困難在于如何內生性問題，而解決內生性最有效的辦法是隨機控制試驗（Randomized Control Trials ，RCT） [11]。

鑒于此，本文采用RCT方法進行座位與成績之間的因果推斷。具體的，每堂課對學生上課的座位進行隨機分配，并記錄座位，同時每堂課進行課后測試，記錄成績，試驗持續了2個多月時間。通過RCT確保作為核心解釋變量的座位最大程度上符合條件獨立假設（Conditional Independence Assumption，CIA），使得座位與成績之間的因果關系推導具備可靠性，這亦是本文的主要邊際貢獻。

二、試驗設計

本試驗開始于2023年秋季學期初，至2023年11月中旬結束，共2個多月時間。以溫州商學院金融貿易學院《金融市場與金融機構》課程的本科學生為研究對象，共4個班，210名學生參與了研究。

在試驗開始的第1周，我們收集到了學生的基本情況，包括性別、學號、手機號、期初平均績點、座位傾向等信息。同時根據上課教室結構，利用EXCEL制作隨機座位程序，可以實現一鍵隨機安排全班同學座位。正式試驗從第2周開始，課前我們通過隨機座位程序生成座位分布，提前發布在微信群，學生上課根據座位入座。每堂課結束前5分鐘左右，我們會安排一次隨堂測試，測試內容均來自本節課的授課內容，一般由10～12題客觀題構成，測試通過手機上的“課堂派”平臺發布，為了給學生多一點空間和樂趣，我們設置了每次測試有2次切屏的機會，但同時，由于題目均為原創題目，網絡上一般找不到原題，通過這樣的方式來最大限度保證隨堂測試能反映出學生的真實所學。

三、數據與計量模型

（一）變量說明

試驗期內，因節假日等因素影響，4個班完成了7周次試驗，累計獲得了210名學生1271個試驗數據。在試驗過程中，少部分同學存在隨意測試、誤交作業的情況，為此，本文對測試成績尾部5%的數據進行了縮尾處理。相關變量定義如下：row（座位），前排（1～2排）、中排（3～4排）、后排（5排及以后）分別計1、2、3；score（課堂測試成績），隨堂測試結果，每次總分為10～13分，classroom（上課教室），共涉及兩個教室，分別取0、1；gender（性別），男性0，女性1；grade（年級），大四0，大二1。pref-seat（座位偏好），通過問卷獲得學生座位傾向，前排（1～2排）、中排（3～4排）、后排（5排及以后）分別計1、2、3；GPA（平均績點），期初平均學分績點。

（二）隨機性檢驗

座位的隨機性是本文的核心，試驗的隨機性直接決定了本文試驗結果的可靠性，因此在數據分析之前，我們首先必須對隨機性進行檢驗。因為本文的座位分為前、中、后三個分組變量，t檢驗不再適用，所以采用單因素方差分析（One-way ANOVA）進行隨機性檢驗。具體的，選取學生的學號、平均績點（GPA）、手機號碼、座位傾向（pref-seat）和性別（gender）5個變量進行方差分析，分析這5個變量在前、中、后三個區域中的均值是否存在顯著差異，若是真實隨機，則不應該存在顯著的組間差異。在7次試驗35個指標中，有33個ANOVA P值是大于 0.1的（限于篇幅未列出結果，有需要的讀者可向作者索要，下同），表明這些變量不存在顯著的組件差異。同時，Bartlett's P值均大于 0.1，通過方差齊性檢驗。因此，本文的座位安排是滿足隨機性要求的，基于該數據的因果推斷是可靠的。

（三）模型設定

本文基礎實證模型采用橫截面數據回歸模型，因為核心解釋變量作為隨機變量，已經滿足條件獨立假設（CIA），內生性的問題已經大大削弱，基礎模型設定如下：

其中scorej、rowj分別表示學生j的測試成績和座位區域，Controlsj表示相關控制變量，包括上課教室、性別、年級、平均學分績點等。需要說明的是，一般情況下，在回歸方程中加入控制變量起到兩個作用，一是保證條件均值假設CIA成立，二是減小誤差，提高估計精度。本文核心變量[rowj]作為隨機變量，具備外生性，與[εj]本身不相關，這已經保證了OLS估計量的一致性，因此從內生性的角度出發，此時加入控制變量并無作用。但從估計精度的角度看，還是很有必要，因為座位畢竟提供的信息太少，估計精度不高。所有回歸均采用穩健標準誤差。模型中的[β]是研究關注的重點，若存在鄰近效應，則[β]應顯著為負。

四、實證結果

（一）基礎回歸結果

首先，基礎回歸模型中不加入控制變量，圖1展示了回歸結果，7次回歸結果的[β]系數都是負數，但只有3次是在10%的水平上顯著，部分支持了鄰近效應。以第1周次結果為例，row每增加1單位（即中排比前排、后排比中排），平均成績下降0.435分，而第一次測試成績score的平均值為6.01，標準差為2.01，因此座位每往后1區域，平均測試成績下降7.2%（0.435/6.01）。相應的，根據第2～7周次回歸結果，座位每往后1區域，平均成績分別下降4.23%、5.33%、1.3%、0%、2.65%、4.6%。相應的可以計算，row每增加一個標準差，第1～7周次score分別降低0.21、0.12、0.12、0.04、0.04、0.09、0.17個標準差，體現出座位差異能解釋4%～21%的成績差異。整體上表明鄰近效應的存在，盡管有些周次的回歸結果不顯著，一個可能原因是基礎回歸中沒加入控制變量，導致估計精度不夠。

在基礎回歸模型的基礎上，我們加入了年級、教室、性別、平均績點四個控制變量。在控制了這些因素后，row的系數基本沒有發生大的變化，相關結果分析不再贅述，row的7個系數中有4個在10% 的水平上顯著，擬合度均提高到10%左右。在控制變量中，最顯著的影響是平均績點GPA，表明平時成績好的同學，上課測試成績也會好，平均績點能解釋成績20%～45%的差異。

（二）面板數據回歸結果

如前所述，盡管座位是隨機變量滿足CIA，可以解決內生性問題，橫截面數據模型的估計值是一致的，但同時，橫截面模型的估計效率不高，盡管加入了一些控制變量。而面板數據的固定效應模型可以對不可觀測的非時變因素進行控制，提高估計精度。鑒于此，本文將橫截面數據構造成面板數據，采用面板數據模型（2）進行回歸。

需要說明的是：一是模型中的控制變量如年級、性別等均是非時變變量，均已包含在ID的固定效應中（ID_FE）；二是為了使得成績能夠跨期比較，我們對成績進行了百分位處理，即先將每一期成績進行排序，再除以當期試驗的總人數，得到百分位成績scoreperc，該值越小表明成績越好。根據固定效應回歸結果，座位指標row在1% 的水平上顯著，row每增加1（即每往后挪一個區域），百分位成績往后挪4.5個百分點，表明存在鄰近效應。從擬合度上看，調整后R2達到 31%，顯著高于橫截面回歸模型，驗證了面板模型的高效性。

（三）采用座位虛擬變量的回歸結果

此外，我們引入座位虛擬變量來衡量位置，座位虛擬變量可以提高鄰近效應的分析顆粒度。具體的，為避免共線性引入dum2-dum7共6個虛擬變量，分別代表第2排-第7排座位（因第7排之后樣本較少，所以將第7排及之后的統一納入第7排），虛擬變量的回歸系數代表相應座位與第一排座位鄰近效應的差距，采用面板數據模型（3）進行回歸。

圖2展示了回歸結果，整體上看，越往后的位置，其百分位成績也越靠后，支持了前文的觀點。需要說明的是，第2和3排的回歸系數不顯著，意味著第2排、3排位置與第1排沒有顯著差別，表明位置的作用存在一定的閾值效應。

五、結論

本文采用隨機控制試驗方法，通過對4個班級210名學生2個多月時間的試驗檢驗了“往前坐”是否能夠提升學生學習成績。研究表明，前排座位能顯著提升學生成績，即存在鄰近效應，學生座位每往前一個區域（座位分前中后三個區域），百分位成績提升4.5個百分點。且鄰近效應在學習意愿和性別方面沒有異質性。

本文采用的隨機控制試驗能夠可靠地推導座位與成績的因果關系，彌補了當前相關研究的不足。同時研究結果能給“往前坐”的學風建設政策提供實證支撐。

進一步討論：本文結論支持了鄰近效應的存在，一個直接的政策建議就是鼓勵“往前坐”。但在教學實踐中，可能會存在兩種情況：一是前排會空著，導致這個優質的稀缺資源被浪費；二是學生搶著前排坐，導致前排資源不能公平分配。如何將前排高效且公平用起來是教學需要認真考慮的事情。在本次試驗過程中采用的隨機座位模式或許可以提供一些思路。在這個試驗過程中，隨機排座體現出了一些好處：前排座位根據隨機安排，都會有人坐，不會存在資源浪費，保證了資源的有效利用；隨機安排使得大家都有相同概率能夠獲得前排優質資源，實現微觀層面的教育公平；通過隨機方式，打散了學生的群聚效應，課堂紀律相比自由選擇更容易管理；通過座位安排，可以清晰掌握每個學生的位置，對于課堂提問和點名有顯著的幫助。因此，隨機座位安排可以高效、公平地利用前排資源，同時對于課堂紀律管理具有較好的作用。

參考文獻：

[1] GRIFFITH C.R.A Comment Upon the Psychology of the Audience[J].Psychological Monographs，1921，30（3）：36-47.

[2] BENEDICT M E，HOAG J.Seating Location in Large Lectures：Are Seating Preferences or Location Related to Course Performance？ [J].The Journal of Economic Education， 2004，35（3）：215-231.

[3] PERKINS K K，WIEMAN C E.The Surprising Impact of Seat Location on Student Performance[J]. The Physics Teacher，2005，43（1）：30-33.

[4] ARMSTRONG N，CHANG S M. Location，Location，Location[J]. Journal of College Science Teaching，2007，37（2）：54-58.

[5] ZOMORODIAN K，PARVA M，AHRARI I，TAVANA S，HEMYARI C，PAKSHRI K，SAHRAIAN A.The Effect of Seating Preferences of the Medical Students on Educational Achievement[J]. Medical Educa_{x7AxLuHjm+yhAjsZ1uIlLlL2VfkxF4nZw0FushaxCTo=}tion Online，2012（17）：1.

[6] PARKER T，HOOPES O，EGGETT D.The Effect of Seat Location and Movement or Permanence on Student-initiated Participation[J]. College teaching，2011，59（2）：79-84.

[7] KALINOWSKI S，TOPER M.L.The Effect of Seat Location on Exam Grades and Student Perceptions in an Introductory Biology Class[J]. Journal of College Science Teaching，2007，36（4）：54-57.

[8] LACROIX K.S，LACROIX. Does Seat Location Matter？ A Review of the Proximity Effect in Large and Small Classrooms[J]. Community College Enterprise，2017，23（2）：58-69.

[9] 劉慧鳳，楊曉彤.座位選擇與學習成績相關研究——基于大學多課堂的自然試驗研究證據[J].高教探索，2017（5）：43-48.

[10] 王映學，段寶軍，張曉州.大學生課堂座位選擇與學業成績的關系研究[J].重慶高教研究， 2017，5（3）：65-72.

[11] ABEL BRODEUR，NIKOLAI COOK，ANTHONY HEYES.Methods Matter：P-Hacking and Publication Bias in Causal Analysis in Economics[J]. American Economic Review，2020，110（11）：3634-3660.

作者簡介：李昌克（1989— ），男，浙江溫州人，溫州商學院助教，碩士，研究方向為銀行經營管理；陳習定（1981— ），男，湖南婁底人，溫州商學院教授，博士，研究方向為公司金融；陳凱鳴（1990— ），女，浙江溫州人，溫州商學院副教授，碩士，研究方向為公司金融。