关键因素构建WPBL学习效果评价方法研究*

周孟君 王心旺

PBL(problem based learning)医学教育模式是以问题为基础，以医学生为主体，以小组讨论为形式，在辅导教师的参与下，围绕某一医学专题或具体案例的诊治等问题进行研究的学习过程〔1〕。基于网络平台的PBL(以下简称WPBL)已成为一种有效教学手段被各个医学院校所采用。在网络与计算机技术平台的支撑下，以问题为基础，以医学生为主体，以小组讨论为形式，在辅导教师的参与下，围绕某一医学专题或具体案例的诊治等问题进行研究性学习过程，简称网络式PBL(WPBL，Web-PBL)。WPBL教学模式最先由广州医学院引入医学教育领域并获得成功〔2〕。以考试分数为评价手段的传统评价方法已不适用于WPBL教学模式。如何探讨行之有效的WPBL评价方法来进行学习效果的评价便成为亟待研究的新课题。

研究方法与材料

1．聚类分析

本研究采用聚类分析的基本思想，依据数据本身所具有的定性或定量的特征来对大量的数据进行分组归类以了解数据集的内在结构，并且对每一个数据集进行描述的过程〔3〕。该算法是给定m维空间R中的n个向量，把每个向量归属到k个聚类中的某一个，使得每一个向量与其聚类中心的距离最小的方法〔4〕。本研究聚类方法选用为R型聚类间平均链锁法(between-groups linkage)，该方法只考虑两类间个体的距离的平均值。在选择距离测量技术上选用Cosine，它是变量矢量的余弦，这是模型相似性的常用度量方法。通过得出变量树状聚类图，把原来的对象集合分成相似的组或簇，进一步获得数据的内在规律。

式中Aj是方差贡献率，即第j个公因子的方差在方差累积百分比中所占的比重。wj是方差，wm是方差累积百分比。比如:关键因素K1表示为A1F1，关键因素K2表示为A2F2，Kj表示为AjFj。即第一关键因素代表第一个综合变量，第二关键因素代表第二个综合变量，依次类推。

4．综合评价模型

以方差贡献率Aj作为综合评价模型的权重，由各因子的线性组合得到综合评价模型表达为:

记关键因素Kj=AjFj，

即:Kj/(K1+K2+K3+…+Kj)为第j关键因素归一化得分。

按E’的绝对值从大到小排序，以此对学生WPBL学习效果进行综合评价。

5．实例来源

本研究以教育技术标准委员会2002年发布的《教育信息化技术标准CELTS-22—网络课程评价规范》为评价依据，模型变量以《Specifications for Evaluating Web-Based Courses》、《网络课程评价规范》以及全球医学教育最低基本要求(GMER)为基础。结合WPBL模式课堂具体案例，挑选出20个指标。指标评价标准按照:(1)非常好记4分，(2)比较好记3分，(3)一般记2分，(4)比较差记1分，(5)非常差记0分。根据因子分析对样本量的要求来确定样本数:变量数=5:1。采用单纯随机抽样调查方法，从广州医学院开展WPBL教学模式的学生中随机抽取10%学生，发放调查问卷，回收有效问卷101份。对调查表中的遗漏和重复进行补充和改正，并对有逻辑问题的问卷作了及时回访。用SPSS统计软件17.0进行数据的统计分析。

研究结果

根据上述研究方法，对表1所列数据进行分析，结果如下:

1．聚类分析结果

经过变量聚类分析筛选，第一步X12与X14被合并，它们之间的相关系数最大，为0．98。第二步X9与X10合并，其间相关系数为0.98，余类推。由树状聚类图可以直观看出，变量1到变量14的相关性较大，从而筛选出14个变量。

2．问卷信度和效度

(1)内在信度分析结果:

调查表由14个变量组成，总的内部一致性系数α为0.84，经标准化以后的信度为系数α为0.85，表明问卷的信度较好。

(2)分半信度分析结果:

按题号的奇偶性分半，调查表第一部分7个变量，内部一致性系数为0.67，第二部分7个变量，内部一致性系数为0.82。两部分之间的相关系数为0.63。Guttman分半信度系数为0.77，表明问卷的信度较好。

3．构建综合评价模型

(1)因子分析前提条件考核

对各样本数据采用KMO统计量和Bartlett球形检验，以判断样本数据是否符合因子分析的前提条件。检验变量间偏相关性的KMO统计量为0.803，接近1，表明各变量间的相关程度无太大差异，数据适合做因子分析。Bartlett球形假设检验拒绝原假设(P＜0.01)，表明变量之间的相关性符合提取公因子的前提条件，适合做因子分析。

(2)公因子筛选

根据约相关矩阵的特征值，以特征值大于1为提取标准，对公因子进行筛选，一共提取到4个公因子，累积贡献率达到64.99%。

表1 约相关矩阵的特征值

从表1可以看出，从第5个特征值为0.94，小于1，因此选择4个公因子为宜。结合四个关键因素主要影响的变量，关键因素可综合解释为:K1集体协作能力、K2自学技能和探究精神、K3临床推理和解决问题能力及K4网络课堂医学知识的记忆和理解。

由(公式2)计算出公因子的表达式为:

F1=0.86X14+0.71X12+0.63X13+0.52X10+0.34X11+0.32X9+0.24X3+0.25X8+0.22X1+0.17X4+0.10X6+0.10X5+0.02X7+0.01X2

F2=0.68X9+0.64X5+0.57X4+0.56X10+0.53X8+0.26X6+0.25X12+0.22X11+0.22X13+0.17X1+0.14X7+0.12X2+0.11X14+0.08X3

F3=0.88X7+0.66X6+0.33X8+0.32X4+0.22X11+0.22X5+0.19X1+0.16X12+0.11X14－0.07X13－0.04X2+0.03X3+0.02X10－0.01X9

F4=0.66X3+0.62X2+0.36X9+0.32X11+0.30X13+0.25X1+0.20X10+0.16X4+0.11X8+0.10X14+0.10X6－0.09X7+0.05X12+0.03X5

将14个评价指标分别代入以上4个公因子表达式可得101位学生的公因子得分。根据方差累积百分比的定义，方差累积百分比wm可以表达为:wm=w1+w2+w3+w4按(公式 3)可以分别计算出:A1，A2，A3，A4。按(公式4)可以计算出四个关键因素为K1，K2，K3，K4，相关数据见表 2。

表2 各学生四个公因子得分及方差

按(公式6)可得4 个关键因素 K1，K2，K3，K4和综合评价模型E的计算结果:

学号 wmA1 A2 A3 A4 K1K2K3K4E E’

2007111004 0．62 0．39 0．01 0．00 0．00 1．18 0．22 0．11 0．07 1．58 1．00 2007111016 0．47 0．29 0．01 0．00 0．00 1．18 0．22 0．11 0．07 1．58 1．00 2007111017 0．96 0．61 0．01 0．00 0．00 1．22 0．23 0．12 0．01 1．58 1．00

……

…

…

…

…

…

…

…

……

…

2007111336 0．04 0．03 0．00 0．00 0．00 0．68 0．02 0．06 0．07 0．56 0．35

学号 E E’ E排名 K1K1排名 K2K2排名 K3K3排名 K4K4排名

2007111004 1．58 1．00 1 1．18 3 0．22 24 0．11 42 0．07 57 2007111016 1．58 1．00 2 1．18 4 0．22 25 0．11 43 0．07 58 2007111017 1．58 1．00 3 1．22 2 0．23 21 0．12 39 0．01 95

………………………………2007111293 0．01 0．01 101 0．14 71 0 101 0．21 20 0．07 60

4．综合评价

按E’绝对值从大到小排序，以此对学生WPBL学习效果进行综合评价。

表4中，E’为综合评价模型函数归一化处理值。K1，K2，K3，K4为四个关键因素。例如，按照综合评价模型函数值 E绝对值从大到小降序排列，学号为2007111004的学生综合评价函数值为1.58，排名为1，即该学生在WPBL模式下其综合评价排名为第1名，集体协作能力为第3名，自学技能和探究精神为第24名，临床推理和解决问题能力为第42名，对网络课堂医学知识的记忆和理解排名为第57名。

结 论

本研究在深入认识综合加权法的基础上，提出了对综合加权法的改进。采用方差在方差累积百分比中所占的比重来确定权重，有效避免了主观定权的缺陷，是一种有效的尝试。利用因子分析对原始变量信息进行压缩，不对原有变量进行取舍，引入综合变量得到原始变量大部分的信息。综合变量少于原始变量的个数，避免了传统评价中原始变量间存在多重共线性的缺陷。大大减少了评价过程中筛选变量的工作量。本研究提出的以关键因素构建WPBL学习效果评价通过自我评价实现了评价渠道的多元化。对学生的评价以教学目标为依据，体现了学生自主学习和自我发展的特点，做到评价和教学相匹配。具有可操作性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。

1．Barrows H S．Problem-based，self-directed learning．JAMA，1983，250(22):3077-3080．

2．魏东海，林爱华，尹梅，等．基于网络平台的以问题为基础学习教学模式的构建．中华医学教育杂志，2009(5):93-95．

3．郭仁忠，张克权．Q型聚类分析中变量相关性的处理方法分析．武汉测绘科技大学学报，1987(3):64-78．

4．卢敦，张丽．聚类分析与因子分析在天津港富营养化分析中的应用．数学的实践与认识，2010(11):72-79．

5．徐春宏．基于因子分析的教学评价策略分析．湖南医科大学学报(社会科学版)，2009(4):232-233．