師范畢業生教師教學效能增值評價指標體系及模型構建

中圖分類號：G420 文獻標識碼：A 文章編號：2095-5995（2025）02-0069-12

教育評價不僅是推進教育事業循序改革的肇始之舉，更是教育高質量發展和現代化治理的關鍵環節。因而揮好教育系統的“指揮棒”，不僅關乎國家的未來和民族的命運，也是推進教育高效、生態、現代化發展和社會進步的重要舉措[1]。2018年9月，習近平總書記在全國教育大會上強調，“要扭轉不科學的教育評價導向，堅決克服唯分數、唯升學、唯文憑、唯論文、唯帽子的頑瘴痼疾，從根本上解決教育評價指揮棒問題\"2]，教師評價作為教育評價中的一個子系統，如何推進教師評價改革對建設高質量教育體系尤為重要。2020年10月，中共中央、國務院印發《深化新時代教育評價改革總體方案》，明確提出“改進結果評價，強化過程評價，探索增值評價，健全綜合評價”3]，在中央層面首次明確提出探索增值評價。

教師增值評價運用增值模型測算教師對學生學業成績的凈效應，實現對教師教學效能的評定，在提升教師教學質量、促進學生個人發展方面具有重要價值和意義。4]近年來，在相關政策的引領和推動下，我國部分省份已經開始積極探索增值評價，但從評價方式和評價效果來看，效果并不明顯。師范生培養是國家“強師·強教·強國”戰略鏈條中的重要環節。基于師范畢業生教師在教師群體中的特殊性和重要性，如何科學評價其教學效能，提升教學質量，應當受到關注。

一、文獻綜述

教師教學效能增值評價應用中使用的增值模型，本質上是利用一組計算方法和規則，通過控制一系列協變量影響，以確定教師對學生成績產生的“凈影響”的統計模型[5]，它反映了教育評價中各因素的內在關系，是增值評價的理論依據，也是核心。早期主要是簡單差值法和預測差值法，后隨著教師評價體系指標的復雜化演變，多層線性模型（HIERARCHICALLINEARMODEL，簡稱HLM）在處理多維嵌套數據，對教師效能做出更準確的估計方面展現出更大的優勢。

總體教師教學效能增值評價模型大致分為三類：基于描述統計的增值模型、基于統計回歸的增值模型以及基于計算機算法的增值模型[6]。以描述統計為基礎的增值模型主要包括獲得分數模型（GainScoreModel，簡稱GSM）和學生成長百分等級模型（STUDENT GROWTHPERCENTILEMODEL，簡稱SGP）；基于統計回歸的模型主要包括HLM以及它的衍生模型；基于計算機算法的的增值模型包括分類和回歸樹模型（ClassificationAndRegressionTrees）（以下簡稱CART）[7]。

為了計算學生成績的凈增長值，最簡單的思路就是計算前后兩個時間點原始分數的絕對變化或者分數的排名在同類群體中的相對變化，分別對應獲得GSM和SGP，兩種模型都是基于描述統計量計算學生的增值分數，在此基礎上，兩種模型通過聚合群體增值分數的中位數或平均數，即可獲得教師效能。

教育增值評價中的數據往往呈現嵌套的結構特點，例如學生嵌套于班級、班級嵌套于學校、學校嵌套于更高宏觀單位等，HLM作為一種分析具有嵌套結構數據的回歸模型，是一類重要的增值模型[8]。HLM的衍生增值模型主要分為單波模型和多波模型兩類，單波模型適用于已知學生、教師或學校層面的變量數據，并已獲前、后兩個時間點考試數據的情況，常見的單波模型有CAM，多波模型也叫MRM，這類模型以高質量縱向數據庫為基礎，能夠同時對多個學科、多學校系統和多次成績進行聯合建模，描述教師效應的多波模型主要包括TVAAS、CCM以及變量持久模型（VarriablePersistenceModel，VPM）（以下簡稱VPM）[9]

如表1所示，這些模型各有優缺點，如何選擇合適的模型是進行數據分析的關鍵。

我國也有根據本土實際考量構建的教師教學效能增值評價模型，例如北京懷柔區教科研中心使用國內研究者設計的“簡約式增值評價模型”衡量其區域內教師、學校的效能[10]；石艷（2022）等學者構建增值評價計量模型對師范院校畢業的學生教學效能進行對比評估[1]

在國際上，美國是最早將教師教學增值性評價應用于教師評價實踐的國家[12]。田納西州和達拉斯市是美國增值性評價開始較早的地區，也是教師增值性評價發展速度較快的地區，他們利用增值性評價對教師效能進行評估，并把評估結果與教師獎懲掛鉤。除此之外，目前易斯安那州、北卡羅萊納州、田納西州、俄亥俄州、得克薩斯州和弗羅里達州等地區都開始將教師增值性評價應用于教師評價之中[13]

我國各地的教育實踐中，例如蘇州市、長沙市、上海市普陀區、青島市市南區等地區，目前已經開始利用增值評價對學校辦學質量等進行監測[14]。張文靜和辛濤（2010）利用增值模型通過以房山區小學四年級學生為研究對象，探討了哪些教師特征變量會對學生數學成績產生顯著影響[15]。凡細珍和任杰（2013）利用階層線性模型，在新疆雙語教學中引人增值性評價研究[16]。但是與國外相比，由于我國引進增值評價的時間較晚，國內學術界在教師增值評價的實踐應用方面較為空白。

二、師范畢業生教學效能增值評價數學模型選擇

在本研究中，以在接受該師范畢業生教師一段時間的教育下，學生的綜合素質的發展情況作為師范畢業生教師教學效能增值評價模型的因變量，這體現了兩層數據的嵌套結構。在查閱文獻的基礎上，本文以多層線性模型為基礎，構建含學生層和教師層兩層預測變量的增值評價模型。

（一）多層線性模型的基本原理及優勢

多層線性模型是針對經典統計技術在處理具有多層結構的數據時所存在一些弊端從而導致分析結果的不準確而提出的，它的最大優點是能夠對廣泛存在的多層數據結構進行深入的分析和解釋[1]。本文研究的核心內容是構建師范畢業生教師教學效能增值評價模型，探究學生層因素和教師層因素對師范畢業生教學效能的影響，其中師范畢業生層因素為教師層面的宏觀變量，而學生層因素為個體層面的微觀變量，數據存在嵌套結構，即學生嵌套于教師。

多層模型可綜合分析宏觀與微觀因素的影響，將個體因素的影響從群體因素中分離出來，從而調節數據的聚類性質，使得研究的參數估計更為準確、更能反映數據的實際特征。多層線性模型能夠為研究提供更為精確的估計。首先，它獲得了回歸系數的精確估計。多層線性模型是建立“回歸的回歸”，但是多層線性模型和“回歸的回歸”估計方法是不同的，“回歸的回歸”是根據普通最小二乘法進行估計，而多層次線性模型使用的是收縮估計（shrinkageestimation），收縮估計比普通最小二乘法估計的“回歸的回歸”更為穩定[18]。其次，通過建立多層線性模型可以對各層次間的變異量進行觀測，不要求觀察數據之間相互獨立，也可以在同一研究中對不同層次變量間的關系進行分析，不同層級間的差異不會因為數據分層問題而被忽視掉。就本文來說，多層線性模型能夠分別確定學生特征和師范畢業生特征對師范畢業生教學效能的影響，同時還能通過學生特征與師范畢業生特征之間的相互關系考察對師范畢業生教學效能的影響。再次，截距項和斜率項之間的關系能夠更加有效地反映各微觀學生特征變量、宏觀師范畢業生特征變量同師范畢業生教學效能之間的變動規律。最后，更適合縱向研究，多層線性模型可以用來研究縱向數據中結局測量隨時間變化的發展軌跡。

綜上，本文采用多層線性模型來分析學生層和教師層因素對教師教學效能的影響，首先嘗試以學生中考成績作為學生的起始水平，以學生和教師層影響因素作為自變量X，以及學生綜合素質發展水平為因變量Y為依據建立師范畢業生教師教學效能增值評價模型。

（二）多層線性模型的構建步驟

一般來說，建立多層線性模型主要包括四個步驟：構建零模型、構建隨機效應模型、構建加人第二層變量的擴展模型、構建完整模型。

1．構建零模型

零模型是多層線性模型的基礎，又稱為空模型。零模型不包含任何層次的解釋變量。其原理是通過方差成分分析，將總方差（TOTALVARIANCE）分解為組內方差（INTRA-GROUPVARIANCE）和組間方差（INTER-GROUPVARIANCE），由此計算組內相關系數（INTRACLASSCORRELATIONCOEFFICIENT，ICC）。組內相關系數是總變異中組間的變異量，如果該數據大，說明組間存在差異，這時要建立分層線性模型；如果該數據小，說明幾乎沒有組間無差異，建立分層線性模型用處不大，根據現有研究所建議的判斷準則[19]，ICC（1）小于0.059屬于低度組內相關，介于0.059與0.138之間屬于中度組內相關，高于0.138則屬于高度的組內相關。

為了檢驗師范畢業生教師教學效能是否存在學生個體間水平的變異，是否需要利用多層線性模型，首先要建立零模型進行檢驗，計算個體間的變異在總變異中的比例，判斷本研究的數據是否適合構建多層線性模型，具體模型如下[20]

第一層： Y_ij=β_0j+r_ij 第二層： β_0j=γ_?00+μ_?0j

該模型有兩層方程，每層方程均不存在自變量。此模型用來估計因變量的變異（即方差Var）有多少分別歸因于學生層和師范畢業生教師層，以此來檢驗第二層的變量所在的層次的比例是否顯著。

2．構建隨機效應模型

基于零模型，在第一層次引入解釋變量，不含第二層自變量，同時設定第一層次截距項為隨機值、第一層次斜率為固定值[21]。截距項為隨機值，第二層次變量會對其產生影響，進而影響總體因變量。斜率為固定值，第二層次變量不會對第一層次解釋變量是斜率項產生影響，不存在互動效應。模型的具體形式為：

第一層： Y_ij=β_°j+β_1jX_ij+r_ij 第二層： β_0j=γ_?00+μ_0j β_1j=γ₁₀+μ_1j

在此模型中，我們的目的僅僅是考察第二層的變異，即第二層的方差。在實際研究中，研究者可能還沒有確定具體的第二層預測變量，通過隨機效應模型，能夠初步判斷哪些第一層預測變量對因變量有顯著影響，即只是用來對第一層微觀變量的初步選定，同時確定第一層自變量的取值在第二層的單位之間是否存在顯著差異。

3.構建加入第二層變量的擴展模型

該模型是在在第一層的基礎上加入第二層的自變量，檢驗第二層中自變量有哪些變量對第一層中自變量和因變量的關系產生影響，并通過截距項和斜率項判斷影響方向和程度。通過對固定效應參數的估計，若發現第二層中變量對第一層中的斜率項通過顯著性檢驗，則表明第二層中變量對第一層中自變量與因變量之間的關系存在顯著性影響。在隨機效應參數估計上，利用組內誤差和組間誤差計算變異系數，判斷引入 μ_°j 與 μ_1j 的必要性以及第一層中自變量同因變量之間是否存在顯著性變異，模型的具體形式如下：

第一層： γ_?ij=β_?0j+r_?ij 第二層： β_°j=γ_°0+γ_°1W_1j+μ_0j β_°j=γ_°0+γ_°1W_1j+μ_°j

4．構建完整模型

完整模型又稱全模型，完整模型是最典型的階層線性模型，能清晰解釋個體層次和總體層次因素如何影響因變量。同時包含第一、二層的預測變量，可以深人地解釋因變量Y的總體變異是如何受第一層與第二層的變量影響的，模型的具體形式如下：

第一層： Y_ij=β_0j+β_1jX_ij+r_ij 第二層： β_°j=γ_°0+γ_°1W_1j+μ_°j β_1j=γ₁₀+γ₁₁W_1j+μ_1j

上述模型中，下標i表示第一層的個體，即學生，下標j表示第一層的個體（學生）所隸屬的第二層的單位（師范畢業生教師）[22]；結果變量Y（Outcomevariables）表示第j個單位中的第i個個體的因變量值，本實例中具體是指Y代表第j個師范畢業生教師的第i位學生的發展水平；預測（解釋）變量 X_ij （Pre-dictorsvariables）表示第j個師范畢業生教師的第i個學生的某一個變量觀測值，例如學生父親學歷； β_°j 是第一層的隨機截距，第j個單位的平均數，即代表了第二層單位的各組平均值； β_1j 是第一層的隨機斜率； r_ij 表示第一層的隨機誤差項（殘差residual），表示未被當前自變量解釋的殘差變異，不能被自變量所解釋的部分。

第二層教師某個預測變量j，表示第j個班級的師范畢業生教師某一個特征變量，例如師范畢業生教師的薪資待遇； γ_?00 是第二層回歸直線的截距，即全部第二層的平均水平，這里是各師范畢業生教師平均教學效能的平均數，就是隨機截距的總平均數；γ_?01 是師范畢業生教師層級預測變量 W₁ 對截距項 β_°j 影響的偏回歸系數； γ₁₁ 為第二層回歸直線的斜率；μ_°j 表示第二層上的隨機誤差項（殘差），是截距的變異數，即第j個教師某個特征變量帶來的截距上的誤差。 γ_?10 和 γ₁₁ 分別表示截距 β_1j 對于師范畢業生教師某個變量j的回歸直線的截距和斜率； μ_1j 表示由第j個教師特征變量帶來的斜率上的誤差[23]。

三、師范畢業生教學效能增值評價指標體系構建

如前文所言，師范畢業生教師教學效能的影響因素是教師增值評價體系的“投入”部分，而學生的綜合發展水平則是教師增值評價體系的“產出”部分。因此，構建師范畢業生教師教學效能影響因素及學生綜合素質水平指標體系是本文的核心所在。為盡可能獲取影響因素及綜合素發展水平數據，本文在大量閱讀文獻及訪談的基礎上，通過問卷設計，試圖找出學生層和師范畢業生教師層教學效能的影響因素，并架構起衡量學生綜合素質發展水平的指標體系。

（一）影響因素指標體系的建立

在增值評價中，師范畢業生教師教學效能是依據學生的綜合素質發展水平來判斷的，學生的發展不僅受到自身的影響，也受到其任課老師的影響。因此本研究根據學生嵌套于教師這種多層次的數據結構，將師范畢業生教師教學效能影響因素指標分為學生和師范畢業生教師兩個層次進行研究，使指標體系更加客觀、完善。

1.學生層和師范畢業生教師層影響因素指標的獲取

基于已有文獻和訪談資料，得出師范畢業生教師教學效能學生層影響因素指標共計20項，具體維度劃分如表2所示：

得出師范畢業生教師教學效能教師層影響因素共計21個，具體維度劃分如表3所示：

最后我們將影響因素細化為具體的可測量指標，形成了一份包括20道題的師范生教學效能影響因素學生問卷和一份21道題的師范生教學效能影響因素教師問卷，并對問卷進行試測。

（二）學生層影響因素指標體系的分析及確立

通過訪談人員觀點和已有研究的總結已經初步擬定評價指標，但還需對初始指標進行數據分析，以分析結果為依據刪減修改指標，從而確定最終的學生層和師范畢業生教師影響因素指標。本次試測向學生發放問卷200份，回收193份，回收率達到96.5% ，剔除無效問卷20份，最終得到有效樣本173份。向師范畢業生教師發放問卷100份，回收91份，回收率達到 91% ，剔除無效問卷8份，最終得到有效樣本83份。問卷采用李克特五點法進行評分，將問題的五個選項按重要性程度分別賦予1-5的分值。

將學生問卷中20個變量數據進和教師問卷中21個變量數據整理賦分后，錄入軟件SPSS27.0進行分析。

1.信效度檢驗

根據表4、5顯示，學生層影響因素問卷的克隆巴赫系數為0.893，說明該問卷信度很高，具有較強的內部一致性，執行現狀量表的KMO值為0.897，在0.8-0.9之間，適合做因子分析。Bartlett球形檢驗近似卡方值1797.303且顯著性小于0.001，自由度為190，達到顯著水平，表明20道題之間有相同因素，適合做因素分析。

2．探索性因子分析

由于師范畢業生教師教學效能受學生層多重因素影響，本研究有必要通過探索性因子分析，篩選出影響師范畢業生教師教學效能的學生層若干主要影響因素。通過SPSS27.0軟件進行處理，對不合適的題項進行刪減，最終保留16項。學生層影響因素的信度變為0.897，效度變為0.888，通過信效度檢驗。然后按照特征根的值大于1的原則進行因素提取，將原來16個因素轉化為3個共同因素，這3個共同因素的累積解釋方差解釋率達到了61.328% ，累計方差解釋率大于 60% ，證明這3個共同因素可以有效解釋總體，因此這3個共同因素是有效的。

其次，進行碎石圖檢驗：

如圖1所示，從第3個因素之后，坡度線較為平坦，因而保留3個因素比較適宜。根據累計方差解釋率和碎石圖可以看出，根據測評指標貢獻率所命名的3個因子中，還可以通過因子旋轉作進一步整理，形成學生層影響因素變量，如表6所示。

由表5可知，因子分析在剩余的16個指標中提取了3個公因子，第一個公因子下有八項指標，分別是“學習習慣、課堂表現、學習動機、學習方法、學習意志、規則意識、實踐參與”，這7項指標代表了學生在學習行為和心理上的特征，所以我們將第一個公因子命名為“學習特征”，第二個公因子下有五項指標，分別是“學校活動、學校硬件設施、學校文化氛圍、同伴關系、師生關系、”，這幾項指標指向學生長期所處的的學習環境，所以我們將第二個公因子命名為“學習環境”，第三個公因子下有四項指標，分別是“母親學歷、父親學歷、家庭文化氛圍、家庭經濟水平、”，這些因素反映了學生的家庭特征，所以我們將第三個公因子命名為“家庭背景”。

3．驗證性因子分析

為了進一步說明學生層影響因素問卷的有效性，本研究利用SPSSAU統計軟件對問卷數據進行驗證性因子分析。驗證性因子分析的常用指標為：卡方自由度比（ χ²/df ），近似誤差均方根（RMSEA）、比較擬合指數（CFI、NNFI）、Tucker-Lewis指數（TLI），增值擬合指數（IFI）、標準化均方根殘差（SRMR）等。一般認為當 χ²/dflt;3 ，RMSEA lt; 0.08， CFIgt;0.9 ， NNFIgt;0.9 時， TLIgt;0.9 ，IFIgt;0.9 模型擬合較好。如表7所示，學生層影響因素問卷的 χ²/df 為2.007，RMSEA為0.077，CFI為0.925，NNFI為0.911，TLI為0.911，IFI為0.926，SRMR為0.074，問卷整體擬合效度較高。

（三）教師層影響因素指標體系的分析及確立

1．信效度檢驗

如表8、9所示，師范畢業生教師問卷的克隆巴赫系數為0.858，達到了0.8以上，說明問卷的信度很高，具有很強的內部一致性；KMO值為0.763，說明問卷的效度較高并且可以做因子分析。Bartlett球形檢驗近似卡方值743.600且顯著性小于0.001，自由度為210，適合做因素分析。

2.探索性因子分析

利用SPSS27.0軟件，將師范畢業生教師層影響因素的不合適的題項進行刪減，最終保留15項。師范畢業生教師層影響因素問卷的信度變為0.854，效度變為0.833，通過信效度檢驗。然后繼續按照特征根的值大于1的原則進行因素提取，可將原來15個因素轉化為4個共同因素，這4個共同因素的累積解釋方差解釋率達到了 65.128% ，大于 60% ，說明這三個公因子可以有效解釋整體，其次，進行碎石圖檢驗：

如圖2所示，從第4個因素之后，師范畢業生教師層影響因素的坡度線較為平坦，則平坦后的公因子可以剔除，因而保留4個公因子比較適宜。參照學生層影響因素的操作方式，通過因子旋轉作進一步整理，形成師范畢業生教師層影響因素變量，如表10所示。

由表10可知，第一個公因子下有5項指標，分別是“教學管理、教學評價、教學互動、教學反思、教學合作”，這5項指標主要指向師范畢業生教師的教學活動，兼顧教學活動的過程與結果，所以我們將第一個公因子命名為“教學活動”，第二個公因子下有5個指標，分別是“教學信念、教學方法、教學體態、教學知識、教學經驗”，這5項指標是師范畢業生教師在教學開始之前的準備工作，所以將其命名為“教學準備”，第三個公因子下有“教學態度、職業倦怠、教學壓力”三項指標，是師范畢業生教師在教學中的心理活動，關系到師范畢業生教師的教學積極性，所以將第三個公因子命名為“教學熱情”，最后一個公因子下有“榮譽表彰、工資待遇”兩項指標，與師范畢業生教師的個人背景信息有關，所以我們將最后一個公因子命名為“背景信息”。

3．驗證性因子分析

為了進一步說明師范畢業生教師層影響因素問卷的有效性，本研究繼續利用SPSSAU統計軟件對量表數據進行進一步地驗證性因子分析。如下表所示，師范畢業生教師層影響因素問卷的RMSEA為0.056，CFI為0.953，NNFI為0.941，TLI為0.941，IFI為0.955，SRMR為0.069，問卷整體擬合效度較高。

（四）學生發展水平指標體系建立

師范畢業生教師教學效能增值評價是通過將學生的發展水平的預測值與實際值進行比較來進行的，通過模型構建得出學生發展水平的預測值，在前期還有一項重要工作就是確定學生的真實發展水平。以往的增值評價往往只用學生的學習成績這一項指標來實現對學生發展水平的衡量，顯然這有失偏頗，不符合我國當下培養“全面發展的社會主義建設者和接班人”的教育目的。

通過查閱文獻發現，目前我國已有學者對增值評價中學生發展水平的指標體系構建進行了初步嘗試，例如張亮學者根據有關研究成果編寫了普通高中學校學生各方面素質指標因素重要性理解程度問卷[24]，這一問卷擴展了學生發展水平指標體系的研究范圍。通過借鑒張亮博士的研究成果，研究小組擬定了一份學生綜合素質發展情況調查問卷，涵蓋學生的德育、智育、體美勞育，更加貼合我國現有的教育目的。德育下設兩個維度，分別是“情感”和“社會性”，智育主要通過“學力”來體現，而體、美、勞更多為學生運動技能與品質素質，有其共性的一面，所以將這三育合為一體，主要通過“運動技能”這一指標來體現，最終形成了一份含有16道題目的學生綜合素質發展測試卷。

（五）師范畢業生教師教學效能增值評價指標體系

建立師范畢業生教師教學效能增值評價體系包括投人和產出兩部分。本研究評價體系的投人部分是師范畢業生教師教學效能的各項影響因素，分布在學生和師范畢業生教師兩個層次。產出部分是學生在該師范畢業生教師教學后達到的發展水平，包括學生德、智、體、美、勞的發展情況，通過情感、社會性、學力和運動技能這四個子維度來進行衡量。通過上述分析，師范畢業生教師教學效能增值評價指標體系已基本構建完成，呈現于表12。

四、師范畢業生教學效能增值評價模型的構建

在對師范畢業生教師教學效能學生層和師范畢業生教師層影響因素梳理的基礎上，本章構建多層線性模型，以教師背景、教學準備、教學活動、教學熱情為宏觀影響因素，以學生起始水平、家庭背景、學習行為特征、學習心理特征、學習環境為主要的微觀影響因素，將兩個層次的因素共同納入實證模型，綜合對學生綜合素質發展水平的影響因素進行定量研究，從而分析師范畢業生教師的教學效能。

（一）零模型

通過HLM7.0軟件建立零模型，師范畢業生教師教學效能的總方差分解到學生個人和師范畢業生教師兩個層次，模型的設定與檢驗如下：

學生層： Y_ij=β_0j+r_ij

師范畢業生教師層：βoj=Y+μoj

通過零模型計算ICC值，如果ICC值高于0.138，則該數據適合并且有必要使用多層線性模型進行分析。

（二）隨機效應模型

如果運行零模型結果顯示，不同師范畢業生教師學生綜合素質發展水平存在顯著差異，也就是說學生綜合素質發展水平是由學生和師范畢業生教師層面的變量引起的，可以使用隨機效應模型進一步分析。與零模型相比，該模型僅加入學生層面的解釋變量和控制變量，主要通過統計控制的方式，控制其他影響師范畢業生教師教學效能的解釋變量。該模型以學生綜合素質發展水平為因變量，將學生層面的各變量納入模型，控制個體層面的變量，建立不納入師范畢業生教師變量的隨機效應協方差模型，可以分析學生的個體特征對其綜合素質發展水平的影響。模型具體形式如下：

學生層：

Y_ij=β_0j+β_1j （中考成績） +β_2j （父親學歷） + β_3j （母親學歷） +β_4j （家庭文化氛圍）+β_5j （家庭經濟水平） +β_6j （課堂表現） +β_7j （實踐參與） +β_8j （遵守規則） +β_9j （學習習慣）+β_10j （學習動機） +β_11j （學習方法） +β_12j （學習意志）+β_13j （學校活動） +β_14j （學校硬件設施）+β_15j （學校文化氛圍） +β_16j （同伴關系） +β_17j （師生關系） +r_ij

師范畢業生教師層：

β_?0j=γ_?00+μ_?0j

其中， β_°j 為截距， β_1j ， β_2j ， β_3j ， β_4j ， β_5j ， β_6j ，β_7j ， β_8j ， β_9j ， β_10j ， β_11j ， β_12j ， β_13j ， β_14j ， β_15j ，β_16j ， β_17j 分別代表學生的中考成績、父親學歷，母親學歷、家庭文化氛圍、家庭經濟水平、課堂表現、實踐參與、遵守規則、學習習慣、學習動機、學習方法、學習意志、學校活動、學校硬件設施、學校文化氛圍、同伴關系、師生關系對學生綜合素質發展水平的影響，分別由 γ₁₀ （中考成績對學生綜合素質發展水平的影響）， γ₂₀ （父親學歷對學生綜合素質發展水平的影響）， γ₃₀ （母親學歷對學生綜合素質發展水平的影響）， γ_?40 （家庭文化氛圍對學生綜合素質發展水平的影響）， γ₅₀ （家庭經濟水平對學生綜合素質發展水平的影響）， γ₆₀ （課堂表現對學生綜合素質發展水平的影響）， γ_?70 （實踐參與對學生綜合素質發展水平的影響）， γ_so （遵守規則對學生綜合素質發展水平的影響）， γ_so （學習習慣對學生綜合素質發展水平的影響）， γ₁₀₀ （學習動機對學生綜合素質發展水平的影響）， γ₁₁₀ （學習方法對學生綜合素質發展水平的影響）， γ^₁₂₀ （學習意志對學生綜合素質發展水平的影響）， γ₁₃₀ （學校活動對學生綜合素質發展水平的影響）， γ^₁₄₀ （學校硬件設施對學生綜合素質發展水平的影響）， γ₁₅₀ （學校文化氛圍對學生綜合素質發展水平的影響）， γ₁₆₀ （同伴關系對學生綜合素質發展水平的影響）， γ₁₇₀ （師生關系對學生綜合素質發展水平的影響），加上殘差（μi，μ，μ3，μ4j， μ_5j ， μ_6j ， μ_？j ， μ_8j ， μ_9j ， μ_10j ， μ_11j ， μ_12j ， μ_13j ，μ14j，μ15j，μ16j，μ17；）來估計。

（三）加入第二層變量的擴展模型

將第二層全部師范畢業生教師層自變量引人模型，得到模型具體形式如下：

學生層：

Y_ij=β_0j+r_ij

師范畢業生教師層：

β_?0j=γ_?00+γ_?01 （榮譽表彰） （薪資待遇） + γ_?03 （教學信念） +γ_?04 （教學方法） +γ₀₅ （教學體態）+γ₀₆ （教學知識） +γ_?07 （教學經驗） +γ_?08 （教學管理） + γ_?09 （教學評價） +γ₁₀ （教學互動）+γ₁₁ （教學反思） +γ₁₂ （教學合作） +γ₁₃ （教學態度） + γ^₁₄ （職業倦怠） +γ₁₅ （教學壓力） ）…+μ_ojβ_ij=γ_i0+ μ_ij ， i=1 ，2，3，4，5，6，7，9，10…

式中， γ_?01 ， γ_?02 ， γ₀₃ ， γ_?04 ， γ₀₈ ， γ₀₉ ，γ₁₀ ， γ₁₁ ， γ₁₂ ， γ₁₃ ， γ₁₄ ， γ₁₅ 分別是師范畢業生教師層級預測變量 W₁ 榮譽表彰 W₂ 薪資待遇， W₃ 教學信W₄ 教學方法， W₅ 教學體態， W₆ 教學知識， W_？ 教學經驗， W₈ 教學管理， W₉ 教學評價， W₁₀ 教學互動，W₁₁ 教學反思， W₁₂ 教學合作， W^₁₃ 教學態度， W^₁₄ 職業倦怠， W₁₅ 教學壓力對截距項 β_°j 影響的偏回歸系數。

（四）完整模型

完整模型中同時引進學生和師范畢業生教師兩個層次的自變量，學生歸屬于各個師范畢業生教師之中，學生與師范畢業生教師存在明顯的嵌套機制，既反映學生層面和師范畢業生教師層面是如何共同作用于因變量，又同時反映了跨層級自變量間的調節作用。

值得一提的是，這是較為理想狀態下的師范畢業生教師增值評價模型，在實際操作中，要根據顯著性檢驗結果，對沒有產生顯著影響的一、二層預測變量進行刪減。

學生層：

Y_ij=β_oj+β_1j （中考成績） +β_2j （父親學歷） + β_3j （母親學歷） +β_4j （家庭文化氛圍）+β_5j （家庭經濟水平） +β_6j （課堂表現） +β_7j （實踐參與） +β_8j （遵守規則） +β_9j （學習習慣）+β_10j （學習動機） +β_11j （學習方法） +β_12j （學習意志）+β_13j （學習活動）+β_14j （學校硬件設施） +β_15j （學校文化氛圍） + β_16j （同伴關系） +β_17j （師生關系） +r_ij

師范畢業生教師層：

β_°j=γ_°0+γ_°1 （榮譽表彰） +γ_?02 （薪資待遇） + γ_?03 （教學信念） +γ_?04 （教學方法） +γ_?05 （教學體態）+γ₀₆ （教學知識） +γ_?07 （教學經驗） +γ₀₈ （教學管理） + γ_?09 （教學評價） +γ₁₀ （教學互動）+γ₁₁ （教學反思） +γ₁₂ （教學合作） +γ₁₃ （教學態度） + γ^₁₄ （職業倦怠） +γ₁₅ （教學壓力） …+μ_oj （204號

五、師范畢業生教學效能增值評價實施 的路徑探索

增值評價當下在我國并未得到廣泛應用，原因是其仍面臨著諸多爭議，例如評價模型的科學性、評價方式的可取性和評價結果的推廣問題。針對教師增值評價面臨的困境，結合增值評價在中國本土的具體實踐，嘗試進行路徑探索，試圖進一步優化師范畢業生教學效能增值評價體系，推進我國教師評價改革。

（一）頂層設計：堅持落實“五育并舉”的教育方針

教育增值評價始終堅持以學生發展為核心，因此在師范畢業生教學效能增值評價中，要始終堅持“五育并舉”的教育方針。如今的教育評價以育人為本位，服務為取向，逐漸實現從“因評價而育人”向“因育人而評價”轉換，增值評價亦是如此，在指標體系的構建中要充分考慮學生的德、智、體、美、勞發展，通過量質結合與互證的方式推進德智體美勞的增值評價，針對德育、美育、體育、勞動教育建立以觀察表、檔案袋等的質性評價為主、量化評價為輔的增值評價探索，針對智育評價則建立以學業水平考試成績等的量化評價為主、質性評價為輔的增值評價探索，推動學生的綜合素質發展。

（二）技術支撐：推動人工智能賦能數據分析

將人工智能融入師范畢業生教學效能增值評價中可以提升評價結果的準確性和可靠性。首先，師范畢業生教學效能增值評價需要追蹤學生及師范畢業生在一段時間內的成長數據，人工智能可以為其提供強大的數據底座，對學生及師范畢業生進行常態化監測。其次，傳統的技術手段難以確保增值評價指標測算的全面性，而人工智能則可以挖掘學生各方面的增值變化，從學生的學業成績到學生的知情意行。最后，傳統的評價方式導致了“功利主義”的評價文化，而人工智能基于技術共生，塑造了教師教育內生性增值評價文化，使我們更加重視教師教育評價中評價主體的多元化、評價過程的動態化等等。

（三）社會監督：提升公眾信任度

師范畢業生教學效能增值模型主要依托線性回歸和方差分析，從固定效應分析到混合效應分析，實現交叉效應、嵌套數據的分析，這對公眾來說是很難理解的，因此結果的推廣較為困難。但是，增值評價的理念已經悄然進人人們的視野，所以在評價過程中應當提升透明度，增強師范畢業生教學效能增值評價的可信性，獲得社會范圍內的支持。通過社會力量的監督，正向引導和反饋，提升師范畢業生的教學熱情，使教師評價改革真正落到實處。

參考文獻：

[1］靳玉樂，樸雪濤，趙婷婷等．筆談：新時代教育評價改革與制度創新[J]．大學教育科學，2021（01）：13-25.

[2]習近平談治國理政（第三卷）[M]．北京：外文出版社，2020.348.

[3]中華人民共和國教育部政府門戶網站．中共中央國務院印發《深化新時代教育評價改革總體方案．［EB/OL]．（2020-10-13）[2023-12-06]HTTPS：//wWW.moe.gov.cn/jyb_xxgk/moe_1777/moe_1778/202010/t20201013_494381.html.

[4]王娟，胡欽曉．美國教師增值評價的實踐經驗及啟示[J]．中國考試，2024（02）：83-91.

[5]LISSITZ R W，JIAO H.Value added modelingandgrowthmodelingwithparticularapplicationtoteacherandschooleffectiveness[M].Charlotte：InformationAgePublishing，2014：139.

[6]王霞，毛秀珍，張麗．教育增值評價：模型、應用及研究展望[J].教育學報，2023，19（04）：109-122.

[7］LOHWY.Fifty yearsof classification and regressiontrees[J]． International Statistical Review，2104：82（3）：329-348.

[8]周葉芹．多層線性模型在管理學研究中的應用[J].江西社會科學，2006，（10）：180-182.

[9]McCaffrey，D.F.，J.R．Lockwood，D．Koretz，T.A．Louis，L.Hamilton.Modelsfor value-addedmodeling of teacher effects[J]．Journal of Educationalamp;Behavioral Statistics，2004，（1）：67-101.

[10］程鑫一.增值評價在單元教學中的應用研究［D].遼寧師范大學，2023.

[11]石艷，張新亮，鄭琦等師范院校畢業生教學效能

評估研究—基于增值模型的實證證據［J]．教育發

展研究，2022，42（18）：27-37.

[12]蔡旻君，劉蕓．教育增值評價的內涵解析及應用探討[J]．上海教育評估研究，2023，12（01）：1-7.

[13]馮慧，饒從滿.美國教師培養項目增值評價探析一以路易斯安那州為例［J].比較教育研究，2018，40（06）：59-68.

[14］劉邦奇，朱廣袤，張金霞，智能技術支持的增值評價模式及典型實踐[J]．中國遠程教育，2022（12）：49-57

[15］張文靜，辛濤，康春花．教師變量對小學四年級數學成績的影響：一個增值性研究［J].教育學報，2010，6（02）：69-76.

[16］凡細珍，任杰．增值理念下的新疆雙語教學質量評價一對小學五年級漢語學科的實證研究［J]．中國考試，2013（10）：17-23.

[17］鮑威，劉艷輝．我國高等教育資源配置差異影響因素的多層線性模型分析［J]．教育發展研究，2011，31（19）：1-7.

[18]王霞.顧客滿意對價格容忍度的影響研究［D]．清華大學，2006.

[19]程秀蘭，馬艷，張慧，教育投入對我國西部農村3～6 歲兒童發展的影響一基于多層線性模型分析[J]．成都師范學院學報，2022，38（12）：1-11.

[20]劉紅云，孟慶茂，教育和心理研究中的多層線性模型[J].心理科學進展，2002（02）：213-219.

[21］蓋笑松，張向葵．多層線性模型在縱向研究中的運用[J]．心理科學，2005（02）：429-431.

[22]郭建鵬，唐禎，呂帥，什么因素影響了中國高校教師的教學投入一一基于個體與環境兩水平變量的分層線性模型分析［J].教育發展研究，2022，42（09）：57-70.

[23]鐘志強，高紅．大學物理實驗成績影響因素的多層線性分析［J]．鞍山師范學院學報，2021，23（06）：23-30.

[24］張亮．普通高中學生增值評價研究［D]．山東師范大學，2010.

Abstract： The basic idea of value-acdded evaluation of education is to investigate the relationship between educational input and output.Based on literature analysis and interviews，this paper constructs an index system of influencing factors at the student level and the teacher level through questionnaire survey，which is used as the“input”part of value-added evaluation of teaching effectiveness of normal graduate teachers. Taking the development level of students’comprehensive quality as the“output”part of the valueadded evaluation of teachers’teaching effectiveness，a multi-layer linear model is constructed to carry out value-added evaluation research on teachers’teaching effectiveness of normal graduates.And put forward three ways to promote the implementation of value-added evaluation of teaching effectiveness of normal graduates：（1） Top-level design：adhere to the implementation of the“five education”education policy；（2）Technical support：promote artificial intelligence to enable data analysis；（3）Social supervision：Enhance public trust.Provide suggestions for the implementation of value-added evaluation in our country.

Keywords：Normal Graduates；Teaching Efectiveness；Value-added Evaluation；Multi-layer Linear Model

（責任編校：周文鼎）