基于多元统计分析的课程体系量化评价模式研究

摘要：本文对课程成绩应用因子分析、多元线性回归分析，实现对课程分类，检验课程设置的相关性、合理性和实施情况，判断课程的相对重要性，进而探索建立课程体系量化评价模式。

关键词：多元统计分析；课程体系；量化评价

一、研究背景

“课程体系”指在一定培养目标指导下，依据相关学科知识和能力要求按一定比例和逻辑关系选择并加以组织的课程结构、课程内容和教育教学活动的系统。它不是各类课程的简单“拼盘”，而是各门学科及要素相互联系与配合的结果。本科课程根据其在专业人才培养中所发挥的不同作用、所表现的形式、讲授的方式、修读的要求等分成不同的课程类别，根据不同的人才培养目标，合理处理不同课程在整个课程体系中的比例是课程体系优化要处理的一个重要问题，也是保证课程整体功能的条件。但由于对不同类型课程功能认识不到位，对不同类型课程重视程度不一，导致高校本科课程体系存在学分不断膨胀，学时与课程安排不尽合理，课程体系结构存在欠优化的现象。同时随着时代的发展及培养目标的调整，课程体系优化始终是管理者需注意的问题。

课程体系的优化的前提是对课程体系的有效分析评价，目前对课程体系的评价一般分为课程计划执行前、执行中、执行后的评价，且较多从执行前和执行中进行，以考察计划课程是否开出、各类课程学时学分比例等为主，该类评价是片面且粗放型的。对执行课程计划后实际构成的课程体系的评价为执行后的评价，它是针对课程体系目标、内容、过程三个要素全面的评价，虽然该评价是后验式的，但对新一轮计划的制订和课程体系优化具有指导意义。但目前执行后评价仅是计划制定者凭感觉或简单的学时学分比例计算为主，这类粗放的、定性化的评价对课程体系优化不能提供有效的依据。因此对课程体系定量化的分析与评价是课程体系优化的需要，也是管理者期待解决的问题。

我们知道，课程体系中的所有课程经过考核形成成绩，它是衡量学生是否掌握所学课程的重要标志，同时也是教师教学效果的检验，更是评估教学质量的重要依据。在正常情况下，课程成绩会由于知识结构、能力培养、评价手段等方面存在本质的不同而出现明显的差异，这表明课程之间相似程度很低。另一方面，常常发现数学成绩好的学生，其物理成绩通常较好。相对应的类似课程还有：思想修养与马克思主义哲学原理；机械原理与机械设计；电工电子与测量技术等等，这说明同一领域内的有些课程因知识结构、能力培养、评价手段等方面存在着较强的相似性。课程之间的相似性一般不会随试题的难易而发生改变。所以我们可以根据学生各门课程成绩之间的相似性将所学的课程进行分类，把成绩相似程度大的课程归在同一类，相似程度小的归入不同的类。学生所学课程的分类与课程体系目标分类的吻合程度，即为各课程在整个教学过程中达到专业教学目标所要求的程度。吻合程度越高，课程体系目标就实现得越好。

由于成绩分析是定量化的，因此对课程进行分类，检验课程设置的相关性、合理性和实施情况，判断课程的相对重要性也具有了定量化的特征，形成了定量化的课程体系评价。具体分析方法可使用因子分析或聚类分析实现课程分类与相关性分析，使用多元线性回归分析方法实现课程设置合理性、课程的相对重要性分析。

二、课程体系量化评价实例

下面以某校机械设计与制造及其自动化专业课程体系分析为实例，探索课程体系定量化评价的一般过程与方法。

1.专业培养目标的分析与数据准备

该校机械设计制造及其目动化专业培养目标为：“培养德、智、体、美全面发展，适应社会主义市场经济建设需要的，基础厚、口径宽、具备机械设计制造及自动化专业的基础知识与应用能力，能从事机械制造领域内机电一体化装备的设计、制造、产品开发、应用研究等方面工作的具有创新精神和实践能力的高级工程技术人才。”按照这一要求，该专业形成了192个学分、必修与选修相结合、“平台+模块”的课程体系。从基础能力、专业核心能力、其他能力这三个角度出发，对该专业课程体系目标具体划分如下：

基础能力：具有较为扎实的自然科学基础知识、较好的人文社会科学基础知识及较好的科技写作、外语运用能力和计算机运用能力。

专业核心能力：具有扎实的、较为宽厚的专业技术理论基础知识，主要包括工程力学、机械设计、电工电子技术、机械制造工程技术、计算机技术、机电控制技术、测试技术、数控编程与加工技术等基本知识； 掌握绘制工程图样的基本技术和能力，具备本专业所必需的计算、实验、测试及工程实际操作等基本技能； 掌握本专业所必需的专业知识，了解本专业的科学前沿及发展趋势。

相关能力：具有一定的机电一体化装备设计、制造、研发及组织管理的能力；具有较强的自学能力、创新与工程意识和较高的综合素质。

学生成绩数据来源于该专业2004届171名本科生四年全部成绩。样本总量为171，有效样本为167，有4人因转专业或降级使得数据不充分，因此剔除了这部分数据。其中对重修成绩仅取其第一次考试的成绩，即不考虑学生重修后的成绩。同时将五级分制成绩转换成百分制成绩。该专业除体育课外必修课57门，限选课6门，课程的选择以必修课与限选课为主，学生个人的任选课不做选择。对于类似大学英语分四个学期上的课程取其四个学期成绩的平均值。经整理后取得32门课程。

2.宏观课程体系结构量化分析

应用因子分析对32门课程进行分类，提取公因子原则为不考虑因子特征值，以方差累计贡献率接近80％为原则。在spss软件中计算结果为提取了14个因子，累计方差贡献率达81.03％，分析过程从略。对14个因子按能力角度命名并将各自的方差贡献率作为权重系数标注出来，再按照培养目标的三项能力结构分类表示，如表1。

通过表1，对照课程体系目标要求可以看出：

基础能力课程满足要求，占到38.15％，说明体现了基础扎实的要求。其中自然科学基础占到基础能力的40.39％，计算机应用课程开设全面，其权重系数比例达13.93％，在基础能力中占到了36.51％，说明将计算机技术应用作为本科毕业生的基本能力得到了加强，符合信息社会的要求。外语应用、人文基础仍较弱，但这也与工科学生的要求有关。培养要求所要求的“科技写作”目标无对应课程，故建议应适当开设有关该类课程。

专业核心能力课程群全部满足了课程体系目标要求，占到了36.82％，说明核心专业能力强。其中工程设计能力比例较大，突出了其设计能力的培养。

满足相关能力要求的课程面窄，数量不足。相关能力中仅有两门课程，所要求的“自学能力、创新与工程意识和较高的综合素质”不能体现。当然由于选取数据仅为必修与限选课程，学生个性发展的任选课程未选取，对于个别学生而言，该能力有所体现，但该能力作为必

须的要求在课程体系设计中应引起足够重视，适当增加课程或者将部分选修变为必修。

综上所述，该校机械设计及其自动化专业毕业生课程体系特点为基础扎实，专业核心能力强，其他相关能力待改善，基本符合培养目标要求。

3.微观课程间相关依赖性的量化分析

应用线性回归分析，可针对具体某门课程建立线性回归方程，从而分析与其他课程的关系。

现以机械设计课程分析为例，利用向前筛选策略求解机械设计的回归方程的计算步骤从略。默认的显著性水平α为0.05。可得出回归表达式如下：

Y₁-一7.839+0.223X₁₂+0.232X₁₃+0.538X₁₅

该方程中，X₁₂为电工电子技术，X₁₃为工程力学，X₁₅为机械工程材料。该方程清晰地说明了机械设计课程与电工电子技术、工程力学、机械工程材料这三门课程相关依赖性大，其中电工电子技术课程尤为重要。

在应用该分析时应注意以下两个问题：

一是课程自变量的选取应先观察因变量Y与各自变量间是否有比较好的线性关系，以便选择恰当的数学模型形式，可采用散点图的方式初步判断；

二是进入回归方程的自变量的筛选策略通常有向前筛选、向后筛选、逐步筛选等方法，在不完全清楚哪些课程对预分析的课程有影响时，可采用向前筛选策略，建立回归方程后进行相关统计检验。

不难看出回归方程就是该课程与相关课程依赖性的量化表述，由此方程可以分辨课程的相对重要程度，找出课程设置的合理性依据，为教师授课提出建议，为教学管理人员合理设置课程提供依据。该方法可用于不同类课程的相关依赖性分析，也可用于同类课程间的分析。应用该方法该专业其他课程的分析从略。

三、课程体系量化评价模式

根据以上实例分析，总结建立课程系统量化评价模式，

该评价模式有以下主要环节：

(1)成绩数据的整理，应选取全部必修课程，部分选修课程；转换百分制成绩、成绩缺失数据的剔除，注意不及格重修后成绩应选取原始不及格成绩。

(2)对所选课程成绩的正态分布的检验，剔除不符合正态分布的课程，同时对该部分课程应通知管理部门及任课教师，分析原因。

(3)分别进行宏观分析与微观分析。

宏观分析对全部选取后的成绩数据应用因子分析，提取公园子的原则要以累计方差贡献率大于80％，根据各因子的方差贡献率作为权重系数做出课程体系分类比例表，对比分解后培养目标能力要求进行比较评价。

微观分析对预检验的课程进行线性回归分析，建立该课程回归方程，进行统计检验。若检验通过则该方程成立，依据该方程对照实际课程设置进行评价。

(4)根据以上量化评价，总结优势与不足，提出优化的建议并反馈相关管理部门或教师。

必须要说明的是，该量化评价模式是针对毕业生所有课程学完后进行的，是后验式的评价，对课程计划实施过程中可能出现的问题不具有预测性，只能在下一轮制订课程计划时解决；同时由于选取成绩数据是以必修课为主要对象，对于完全学分制下选取课程成绩数据可能存在困难，待进一步研究。

参考文献：

[1]肖芬.本科课程体系优化研究[MA].湖南农业大学，2007.

[2]何以建.从考试成绩的聚类分析看专业教学目标的实现[J].职教论坛，2002(8).

[3]刘影.多元统计分析在高校教学中的应用[MA].东北师范大学，2006.

[4]游家兴.如何正确运用因子分析法进行综合评价[J].统计教育，2003(5)；10～11.

[5]俞能福.多元线性回归在分析学生成绩相关性中的应用[J].大学数学，20137(2)：42

[责任编辑：周　杨]

推荐访问： 统计分析 量化 课程体系 评价 模式