学生出勤及转学与数学成绩的关系研究

◎ [美]卡洛斯·S·帕克 吉布斯·Y·坎雍哥

学生出勤及转学与数学成绩的关系研究

◎ [美]卡洛斯·S·帕克 吉布斯·Y·坎雍哥

本文描述了某大城市学区学生出勤及转学情况，旨在为学校和社区提供具有参考意义的结论。首先将一到十二年级所有学生的转学与缺勤情况按照性别、种族和社会经济地位等子类分别列出。然后考察其对学生数学成绩的影响。结果表明，即使在控制了社会经济地位和性别等变量后，缺勤与转学对（用国家水平测试作衡量的）数学成绩仍有消极影响。有意思的是，其对不同种族学生的影响并没有差异。在出勤与转学情况相同的前提下，黑人学生和白人学生表现出相似的成绩格局。本文最后进一步考察了学区内的10所高中，确定了缺勤与转学值得关注之处，并从确定问题严重程度、出现的学校年级等角度探讨了给地区的启示，利用这些信息来提高出勤率和降低转学率，制定系统的方法妥善安排转入和转出的学生。

大规模评估 数学成绩 城市学区

一、引言

学生每缺勤一天，就会因为缺乏与老师的交流而错过了知识的学习。学校教育时间的错失会导致学生成绩低下乃至更进一步的旷课，形成一个为所有教育工作者所担忧的恶性循环(Phillips,1995)。出勤率与平均学分绩点（GPA）都是认知和行为领域适应性功能的重要指标(Roby,2004)。稳定地接受教育也是学习所不可或缺的。学生转学率高企并呈不断上升的势头，特别是在城市和社会经济状况欠佳地区(Fowler-Finn,2001)。接连不断的转学不但会对学生的成绩及其在社会与情感上的适应产生消极影响(Malmgren,& Gagnon,2005; Titus,2007)，对学校和班级教学也同样具有消极影响(Fowler-Finn,2001; Kerbow,1996)。

本研究描述了美国东北部某大城市学区一至十二年级学生的转学和缺勤情况，旨在为学校和社区提供有意义的参考。另外还希望确定不同种族、社会经济状况和性别之间是否存在差异，描述转学与缺勤对学生成绩的影响程度。本研究是由学区、社区组织和附近一所大学共同设计的一个有效的学校表现指标体系。学校发展报告每年会根据不同的背景资料和学术表现指标，提供关于区内每所学校的可靠数据(A+ Schools,2006)。本文还对学校和社区所特别关心的问题进行了补充分析，提供深度解析(e.g.,Parke,2006)。本文的数据来自2004-2005学年反映该区所有学校的第一份年度报告以及关于出勤和转学情况的相关补充分析。

（一）研究框架与文献综述

本研究所运用的理论模型假设孩子通过上学培养其认知能力。也就是说，孩子在学校掌握了阅读、算数以及其他学科(Entwisle & Alexander,1988)。学校对学生的表现负责。“不让一个孩子掉队”的规定要求学生达到一定水平的熟练程度，而学生在成绩测试中的表现则是评估学校的基础。现在人们越来越重视标准化测试分数，它是衡量办学质量和教学问责制的工具(Crone,2004)。

然而，一所学校的效率不应该仅以标准化测试分数为基础。要完整地看待学校的表现，必须将诸如衡量系统投入与过程的背景指标等其他因素的贡献纳入考量范围。这些背景指标包括学生特点、教职人力资源、支持服务、学生出勤与转学情况(National Forum on Education Statistics,2005)。因此，一些地方教育行政机构便与社区基层机构和大学合作，设计出一套学校表现指标体系来有效评估其辖区内的学校(Meyer,1996)。这些学校表现指标可以在发放给家长的报告中找到。这些报告为社区内的所有成员提供了精确可靠的数据，促成了学校与教育机构之间展开有建设性的对话。

（二）转学

根据美国统计局的数据，1999年3月至2000年3月间搬家的美国人口约有430万。最常见的搬家原因包括求职、工作地点变动、与家人和朋友团聚、远离犯罪高发地区、找好的学校、流离失所、搬离太差或太贵的住房、与房东不和、家庭关系破裂、房产被收回或征用(U.S.Census Bureau,2001)。在研究学生转学时，研究人员的界定标准往往很宽泛。Malmgren和Gagnon(2005)根据家庭原因、机构原因或学校原因来对学生转学进行分类。家庭原因引发的转学包括住址或家庭结构发生变化。机构原因指由儿童福利机构强制执行的。学校原因包括将学生转至要求更严格或更宽松的环境，因行为问题被送到特殊学校，或开除出校。对转学的发生的时间和程度也可进行考察。Alexander,Entwisle和Dauber (1996)对比了巴尔的摩暑期与学年中转学的学生，确定他们的去留（离开还是留在学校系统）。

在实证研究中也有关于转学程度的描述。在芝加哥，只有38%的学生在整个小学阶段都没有转过学(Kerbow,1996)。大多数转学都发生在学校系统之内的。82%的转学生从芝加哥的一所学校转到另一所学校。在南加州的小学，每个月都有4到10名新生入学(Franke,Isken,& Parra,2003)。大部分转学生来自移民家庭。另一些关于转学程度的研究对特定子类的学生展开考察。例如，Malmgren and Gagnon(2005)指出，情绪有问题的学生中只有11%在小学阶段从学前班到五年级都从未转学。每个转学生在其小学阶段平均每人转学3次。许多研究都记录了转学对学生成绩的不利影响。明尼阿波利斯公立学校的研究人员 (Hinz,Kapp,& Snapp,2003) 发现，平均而言，转学3次或以上的学生，其阅读成绩只有那些从未转学的学生的一半。Kerbow (1996)指出，芝加哥学生接连不断的转学导致其学业滞后。换言之，6年内转学超过三次的学生比不转学的学生成绩落后整整一学年。

然而，转学与成绩之间的关系是复杂的，因为转学生可能具有相似的人口特征。例如，人们发现家庭收入与转学存在关联。根据中北部地区教育实验室(NCREL)的报告，贫穷学生和来自移民家庭的学生之所以转学，往往是由于移民工作的特点或者低收入者的经常性跳槽(Biernat & Jax,2000)。除了社会经济状况不佳外，研究还表明，转学生在社会、心理和学业上都处于不利地位(Rumberger,2002)。另外，他们还面临着辍学、品行不端和暴力倾向等风险(Malmgren & Gagnon,2005; Osher,Morrison,& Bailey,2003)。

当考虑社会经济状况、其他人口统计变量和之前的成绩时，一些研究显示，转学与学生成绩的联系并不显著 (e.g.,Alexander et al.,1996; Heinlin & Shinn,2000)。然而，大多数研究人员都认同的观点是，即便转学生的背景特点会是影响成绩水平的因素之一，转学的负面影响也不可忽视。暂时撇开人口统计数据，“转学几乎必定会从某种程度上中断孩子的学业”(Kerbow,1996,p.158)。这种中断的原因包括老师和学校教授的课业不连贯、错过了关键概念、跟不上教学节奏等。另外，转学也会给老师和学校带来负面影响(Fowler-Finn,2001; Kerbow,1996; Kerbow Azcoitia,&Buell,2003; Stover,2000; Titus,2007)。在班级中，老师要花更多的时间补课，讲新课的时间就相应减少，并且还得想办法让非转学的正常生也参与其中。由于要进行基础知识回顾，老师们尝试新的教学法和进行教学创新的积极性受到打击。对学校而言，转学给学校的长远规划带来负面影响，它要求教职人员花更多精力维护学生的学业记录、使其保持精确和更新、让新生融入班级、为转学生提供支持及其他服务。

（三）出勤

学校的出勤情况是另一个备受关注的与成绩有关的变量。明尼阿波利斯公立学校(Hinz et al.,2003)的研究人员发现，缺勤率达到20%的学生，他们的分数比那些接近全勤的学生低20分。在德克萨斯州，一项关于英语水平有限(LEP)的小学生的学业表现的研究显示，没能通过五年级英语测试的学生在一至五年级每年的缺勤天数多于通过测试的学生(Alanís,2000)。研究还称，一至五年级在同一所学校念书的学生参加全国性考试的通过率比他们的转学生同学要高，对于英语水平有限的学生尤是如此。

在马里兰州和俄亥俄州开展的大规模校园调查建立起出勤与成绩之间的关系。Lamdin (1996)考察了巴尔的摩公立学校系统97所小学的数据。一所学校的平均出勤率越高，其学生的阅读和数学成绩就越好。师生比和生均支出等校方投入也被加入回归模型，但它们对学业成绩的影响并不显著。Roby (2004)研究了俄亥俄州所有学校的四、六、九、十二这4个年级。出勤率从85%到99%不等。通过俄亥俄州的水平测试可以发现学校出勤率与学生成绩之间存在强相关。相关程度的最高值.78出现在九年级。Roby还对每个城市地区成绩最高的3所学校和成绩最低的3所学校进行比较。成绩低的学校年平均出勤率明显较低。

学生缺勤的原因有很多。Kube and Ratigan (1992)认为，学生缺勤的原因已不再局限于生病或家人去世。好的天气、假期和同学间的竞争压力对日平均出勤率和学生成绩的影响大于学生生病或家人去世。其他旷课原因还包括无力支付学费、文化宗教活动、承担养家的责任、学习热情。

（四）研究目的与研究问题

本文对东北部城市学区的转学、出勤和成绩数据进行分析描述。笔者考察了区内80所学校每个年级的数据，这样就能够对小学、初中和高中进行比较。分析的单位是学生，这意味着本研究所有变量的数据来源都以学生个体为单位，而非以学校集体为单位。按照学区对学生的4种分类来考察他们的出勤和转学情况：稳定出勤生、稳定缺勤生、转学出勤生、转学缺勤生。研究还考察了排除社会经济状况和性别的作用后，种族与转学-成绩之间的关系。换言之，它确定了对黑人学生和白人学生而言，转学与缺勤对他们的数学成绩的影响是否一致。以下3个问题是本文所关注的。

1.研究问题Ⅰ：一至十二年级所有学生按人口统计子类划分，其转学率和缺勤率分别是多少？

2.研究问题Ⅱ：通过宾夕法尼亚州学校评估体系(PSSA)的测量，八年级和十一年级的转学和出勤情况对数学成绩有怎样的影响？对于人口统计子类的影响是否有差异？

3.研究问题Ⅲ：区内10所高校的转学、缺勤及两者对数学成绩的影响有何差异？

本研究与其他研究的不同之处在于，其根本目标是以对学区有参考意义的方式回答上述问题。与任何针对实证数据的调查一样，可以运用许多统计技巧和方法来获取结果。例如，某些研究可能是借助回归分析来分析学生和学校因素对成绩差异程度的影响，从而进一步深入研究特定领域。本文并非如此，而是旨在获取更多富有描述性和统计性的结果，为校方和社区提供有关学校准确的情况。学区官员、教师、家长和其他感兴趣的市民可以获悉到作为年度达标进步幅度其中一项的总体出勤率，并大致了解学校系统的转学情况。然而，关于每个年级和每所学校的特定信息则无法公开。

本文给出的结论是完整报告所给出信息的一部分(A+ Schools,2006; Parke,2006; Parke & Kanyongo,2007)，里面包括一系列附加的背景指标以及所有受测年级（三、五、八、十一）数学和阅读成绩。当赋予这些数据意义时，它能够为进一步研究指明目标。教育管理者和教职员工的时间都十分宝贵，因此使他们在浏览这些数据时将注意力、资源和精力引导到最有用的地方才是最有益的。

二、研究方法

（一）样本和数据来源

2004-2005学年，学区入学人数为3.2万人。本研究对区内全部80所学校的数据进行分析。其中53所小学中的绝大多数开班从幼儿园到五年级，少数开班至八年级。17所初中从六到八年级。10所高中从九到十二年级。全区大约57%的学生为非裔美国人，38%为白种人，6%为亚裔、西班牙裔或印第安人。大部分学生(64%)享受免费或优惠午餐。

本文的数据来自由学区维护的实时信息系统、《社区报告：匹兹堡市公立学校发展》(A+ Schools,2006)以及关于转学和缺勤情况的补充报告(Parke,2006)。第一个来源是一个旨在为学校服务器提供高效准确接入的网络界面。它含有丰富的学生信息，包括学生的测验成绩、人口统计信息、出勤和转学信息等。社区报告是邮寄给区内所有家长的，也会派发给社区相关市民，或可在市图书馆及其他公共场所索取。它包含了每所学校的所有表现数据，包括国家评估和该区其他标准化测试给出的阅读和数学分数。报告中还给出了每所学校的许多背景数据，包括学校层面的出勤率、转学率和稳定率，人口统计数据和各种教师及校长数据。报告中与高中有关的部分包含了学习能力倾向测验（SAT）分数、大学预修课程录取信息、毕业率、考上大学的学生比例。补充报告发放给学校管理者及教职员工、感兴趣的家长和社区成员。

（二）数据分析

本文考察了2004-2005学年一至十二年级学生的出勤和转学数据，以及2005年八年级和十一年级学生PSSA的数学和阅读成绩数据。决定采用该学区数据系统所维护的出勤-转学数据作为变量。学生被分为4类：稳定出勤生、稳定缺勤生、转学出勤生、转学缺勤生。稳定生是指整个学年都没有转过学的学生。转学生是指在一个学年中至少转过一次学的学生。出勤生是指整个学年中缺勤率低于5%的学生，缺勤生是指缺勤次数较多的学生。尽管该变量为本研究所特有，但我们对转学和缺勤的定义与其他研究相似(e.g.,Alexander et al.,1996; Hinz et al.,2003); Malmgren & Gagnon,2005)。

为了回答研究问题Ⅰ关于普遍性的问题，我们按照年级、性别、种族（黑人、白人、其他）和社会经济状况（享受免费、优惠或正价午餐）分类给出出勤-转学的学生比例。运用卡方分析确定年级与所有学生以及每一子类的学生的出勤-转学的显著关系。

对于研究问题Ⅱ，即对数学成绩的影响，我们对每个年级进行了双因素方差分析(ANOVA)。将出勤-转学与种族（黑人子类和白人子类）作为独立变量。“其他人种”类别没有囊括其中，原因是该类别学生人数较少，并且其中的种族类型较多。因变量是PSSA的量表分。如前所述，选择了特定的分析方法，以便让该学区和社区的大部分人都能读懂研究结果。相比与回归法有关的标准化系数和标准化相关性，与ANOVA相关的平均值和标准差等描述性统计数据往往更容易为教育从业者们所理解并对他们有意义。我们分析的最终目的就是要提供精确而又有用的数据。

析因的ANOVA使我们能够考察出勤-转学对成绩的主要影响以及这两个自变量之间的相互作用。换言之，通过考察每个种族学生的成绩与出勤-转学之间的关系，从而确定对黑人学生和白人学生两个子类的影响是否存在差异。最后，通过双因素协方差分析(ANCOVAs)确定方差分析的结果在排除了性别和社会经济状况这两个协变量后是否有变化。

回答研究问题Ⅲ需要对高中进行更深入的考察。由于高中各年级的学生数量更多，因此我们可以分别对这10所学校做出上述分析。每所学校成绩的比较加上学校信息的补充，如学校类型（精英中学或社区中学）、参加SAT的学生比例、SAT分数和兰德公司给出的学校总体评级(Gill,Engberg,& Booker,2005)。

三、结论

这里只给出了一部分结论。在年度报告(A+ Schools,2006)中可以找到关于学校的补充背景数据，在补充报告中可以找到更多关于出勤-转学的信息(Parke,2006)。需要指出的是，本文的推理测试所给出的结论在实际报告中并没有那么显著，因此与描述性数据区别不大，不过对于统计证据感兴趣的人，也可供其作参考。

（一）研究问题Ⅰ：按照年级和人口统计数据给出学生出勤和转学

1.按年级的出勤-转学情况

表1给出了每个年级每个出勤-转学类别的学生比例。在低年级（一至五年级）中，一年级的稳定出勤生比例最高（80%），并随年级增长而逐渐降低（五年级为47%）。相反，一年级的转学出勤生比例最低（9%），到五年级则增至47%。无论是稳定生还是转学生，每个年级的缺勤生比例都不高（总体为5%）①。年级层次与出勤-转学的关系显著，χ2(12,N=11,796) =1096.49,p＜.001，效应量适中（.305）。

表1 一到十二年级4种出勤-转学类别的学生比例

在初中阶段，年级与出勤-转学的关系也很显著χ2(6,N=7,597)=404.27,p＜.001，相关系数为.231。与小学阶段相似，稳定出勤生的比例从六年级的77%下降至八年级的56%，而转学出勤生的比例从7%上升至20%。在出勤方面，初中生缺勤生（无论是稳定生还是转学生）的比例稍高于小学生。

缺勤的比例到了高中阶段继续扩大。稳定缺勤生的比例范围为20%-34%，转学缺勤生为12%-20%。年级与出勤-转学的关系同样很显著，χ2(9,N=9,839)=215.79,p＜.001，尽管其相关系数不如小学和初中年级的强(r=.148)。随着年级的递增，稳定出勤生的比例呈下降趋势，而转学缺勤生的比例则呈上升趋势。

2.按种族的出勤-转学情况

图1给出了3个种族子类（黑人、白人、其他）的结果。其他类的结果应审慎对待，因为它代表了包括亚裔美国人、西班牙裔和印第安人在内的多种族学生。另外，这类学生的人数较少。②在完整报告中给出了实际的比例以及每种学校层次的独立数据。图表中的第一组条形柱代表小学各年级。种族与出勤-转学的关系显著，χ2(6,N=11,796)=468.41,p＜.001，但相关系数很低(r=.199)。黑人转学生比白人和其他种族转学生更多。不同种族的两类缺勤生的差异非常小。

图1 小学、初中和高中各年级按种族的出勤-转学情况

在初中阶段，白人和其他种族子类的稳定出勤生比例高于黑人子类。在剩余的出勤-转学类别中，黑人学生子类的比例稍高于白人学生。虽然关系呈显著，χ2(6,N=7,597)=180.59,p＜.001，但与小学阶段相似，其相关系数较低。

在高中阶段，结果呈显著，χ2(6,N=9,839)=652.20,p＜.001，种族与出勤-转学之间的相关系数较强(r=.257)。最明显的差别出现在稳定出勤生和转学缺勤生这两个类别。黑人子类的稳定出勤生比例比白人和其他子类低，转学缺勤生比例比他们高。

3.按社会经济状况的出勤-转学情况

在研究社会经济状况与出勤-转学的关系之前，我们想先确定社会经济状况与种族是否显著相关。研究表明，这两个变量一般情况下是相关的，尤其在城市地区。再者，许多学校教职员工和学区内的社区成员认为，黑人和白人学生的比例与享用免费或优惠午餐和正价午餐学生的比例是一致的（即这两个变量将学生分成了类似的组别）。结果表明，种族与免费或优惠午餐变量之间的关系显著(p＜.001)并且强度适中(小学各年级r=.378，初中各年级r=.382，高中各年级r =.367)。黑人学生享受免费或优惠午餐的比例高于白人学生。然而，几乎所有黑人学生的社会经济状况都不佳和几乎所有白人学生的社会经济状况都不错的认知是错误的。例如，在小学和初中各年级，20%的黑人学生没有享受免费或优惠午餐的资格，而50%的白人学生具有这种资格。

因此，出勤-转学类别研究了4个子类的学生：享受免费或优惠午餐的黑人学生、享受正价午餐的黑人学生、享受免费或优惠午餐的白人学生和享受正价午餐的白人学生。图2给出了小学生的结果。可以留意到，黑人柱状图的和白人柱状图的走势相似。例如，当考察稳定出勤生（每幅图表的前两个条形柱）时，享受免费或优惠午餐的黑人学生的比例为50.5%，而享受正价午餐的黑人学生的比例为64.4%——两者相差13.9%。白人学生也存在同样的情况。享受免费或优惠午餐的白人学生的比例为65.4%，而享受正价午餐的白人学生的比例为78.8%——两者相差13.4%。

尽管本文没有显示，初中的结果也大体如此。对于稳定出勤生，享受免费或优惠午餐和享受正价午餐的黑人和白人学生人数比例分别相差14.5%和20.8%。在高中各年级，白人学生的比例差距更明显。分别享受两种午餐类别的稳定出勤生的比例差距，白人学生达到24.3%，而黑人学生仅为11.9%。

图2 小学各年级（一到五年级）按种族和午餐的出勤-转学情况

4 .按性别的出勤-转学情况

根据性别来分析，小学各年级男生与女生的出勤-转学差异不明显。初中和高中各年级的性别差异在统计上明显，但关系非常弱。稳定出勤的女生比例仅比男生高出一点。由于篇幅所限，此处暂未列出性别结果的图表。

（二）研究问题Ⅱ：出勤-转学对学生成绩的影响

1.八年级PSSA数学成绩

表2的双因素方差分析结果表明，八年级学生的出勤-转学对数学成绩影响显著(p＜.001)。图基分析显示，稳定出勤生的平均量表分（1332）比另外3个类别的平均分都要高：稳定缺勤生（1193）、转学出勤生（1228）、转学缺勤生（1160）。4种出勤-转学类别中唯一差异显著的出现在两种转学生类型之间。转学出勤生的平均分明显高于转学缺勤生。种族变量对数学成绩也有显著影响(p＜.001)。白人学生的数学量表分（1377）明显高于黑人学生（1213）。

在考察两个独立变量对数学成绩的同时效应时，我们还从方差分析中发现种族和出勤-转学之间没有显著性交互影响(p＞.01)。换言之，尽管白人学生的成绩总体上优于黑人学生，白人和黑人学生在所有4种出勤-转学类别中的量表分走势基本趋同。仔细研究图3能够更好地理解这一结论的意义。图表直观地表现了种族与出勤-转学之间的非交互作用。要注意，连接每个种族量表分的线基本平行。这意味着无论是黑人学生还是白人学生，4种出勤-转学类别的数学成绩走势基本一致。不考虑学生的种族，他们的出勤-转学情况对数学成绩的影响是相同的。运用协方差分析并控制了社会经济状况和性别变量后，所有结果都没有变化。

表2 八年级数学成绩双因子方差分析的结果

2.十一年级PSSA数学成绩

方差分析结果表明，主效应和交互效应都很显著，但在排除了社会经济状况和性别变量后，出勤-转学与种族之间的交互作用便不再显著。因此此处只列出了协方差分析的结果。

表3的协方差分析表明，出勤-转学效应显著(p＜.001)，种族效应显著(p＜.001)。在出勤-转学方面，4种类别中每一对的数学量表分都有显著差异。平均分从高到低排分别是稳定出勤生（1360）、转学出勤生（1256）、稳定缺勤生（1175）和转学缺勤生（1078）。在种族方面，黑人学生的数学成绩（1130）明显低于白人学生（1409）。

排除了社会经济状况和性别的影响后，两个变量之间的交互作用变得不明显(p＞.01)。与八年级的结果相似，黑人和白人学生所有出勤-转学类别的数学量表分的走势相同。图4直观地展示了每个出勤-转学类别下的两个子类的平均分。尽管白人学生的连线高于黑人学生，两条连线的数学成绩都呈现从稳定出勤生到稳定缺勤生下降、然后转学出勤生上升，最后转学缺勤生下降的趋势。换言之，对于两个种族，最高的数学平均分出现在两个出勤生类别，而两个最低的数学平均分出现在两个缺勤生类别。

图3 八年级按种族的出勤-转学情况与PSSA数学平均量表分

（三）研究问题Ⅲ：进一步考察高中

这一节给出了一些针对每所区内高中的分析。给出了出勤-转学类别的比例，并描述了对PSSA数学成绩的影响。最后就通过学生表现和学校表现的补充指标对学校作了简单比较。

1.高中缺勤和转学的普遍情况

完整报告中给出了直观的图示。本文中，图5表示每所高中十一年级稳定出勤生的比例。将学校按学生比例从高到低排（从76%到17%），每个条形住的置信区间为95%。③其中两所学校（A校和B校）的置信区间比例高于其他大部分学校，因此它们的稳定缺勤生的比例（分别为7%和10%），转学缺勤生比例（分别为3%和 2%）比其他学校低并不奇怪。然而，一个有趣的结论是，A校的转学出勤生比例（14%）高于其他学校。

表3 十一年级数学成绩双因素方差分析的结果

图4 十一年级按种族的出勤-转学情况与PSSA数学平均量表分

图5 各高中十一年级稳定出勤生的比例

2.各高中的出勤-转学对PSSA数学成绩的影响

一些高中由于十一年级学生人数太少一直无法按照4种出勤-转学类别展开调查。因此，仅比较出勤与缺勤（将稳定与转学类别结合起来）和稳定与转学（将出勤类别结合起来）。

3.出勤生与缺勤生

图6给出了每所高中两组数学量表分平均值，分别代表出勤生和缺勤生的PSSA数学平均分。每个平均值附近的竖线代表95%的置信区间（平均值真值可能值的范围）。各高中的区间广度各不相同，因为它考虑了每所学校的学生人数，以及每个学生分数的偏差程度。学生人数较少或分数偏差较大的学校的置信区间较广。学生人数较多或分数偏差较小的学校的置信区间较窄。

10所高中里的7所（B校、C校、E校、F校、H校、I校和J校）的比例附近的置信区间并不重合，说明两个PSSA平均分的差异。每所高中的出勤生的数学成绩都比缺勤生高。10所中的另外3所（A校、G校和D校），尽管出勤生的分数较高，但两组学生的数学分数并没有差异。

4.稳定生与转学生

接下来的分析目的是确定稳定生与转学生的PSSA分数是否相似。图7表明每所高中稳定生的平均分高于转学生的平均分，但置信区间只表明一半学校（C校、E校、H校、I校和J校）在两个平均分上的差异。在这5所学校中，稳定生的数学成绩比转学生高。要注意到，大部分学校的转学生置信区间大于稳定生，因为转学生类别的学生人数较少。

5.学校其他指标的比较

在两所稳定出勤生比例最高的学校（A校和B校），75%的学生参加了SAT，比例高于其他高中。B校的SAT数学和语言成绩高于学区平均分，A校的SAT成绩则接近学区平均分。这很可能与每所学校的办学特色方向有关，B校附近有一所工程预科公立中学，A校是一所在市中心文化区的艺术精英学校。

还可以用两个学校层面的表现指标来对比学校。兰德公司(Gill,Engberg,& Booker,2005)计算出学校表现指数(SPI)，它能估计每所学校对学生的阅读和数学成绩的平均贡献。评分范围从1（低）到4（高）。第二项指标是平均学生成绩（ASA），它是每所学校阅读和数学平均成绩的预估，基于PSSA、Terra-Nova以及新标准成绩。评分范围从1到100。两所学校的评分都很高。A校和B校的SPI分别是4和3，ASA分别是74和72。

图6 各高中十一年级出勤生和转学生与PSSA数学平均量表分的关系

图7 各高中十一年级稳定生和转学生与PSSA数学平均量表分的关系

稳定出勤生比例最低的两所学校（I校和J校）的PSSA数学分数低于地区平均分。两所都是没有精英项目的社区学校。I校开设商科和金融专业，以及烹饪和美容专业。J校开设初级预备役军官训练团和法律及政务专业。J校参加SAT的学生人数比例最小（31%），低于所有其他学校。I校该比例（48%）接近地区平均值。两所学校的SAT语言和数学成绩都低于地区平均值。另外，两所学校的评分都很低。I校和J校的SPI分别是1和2，ASA分别是13和16。

剩下的6所高中，其SAT和兰德公司评分的表现介于稳定出勤生人数比例最高的两所和最低的两所学校之间。总的来说，这些附加的表现指标得出的结论与PSSA指标一致。转学率和缺勤率高的高中学业表现较差。

四、讨论

本章节是对一些主要结论的归纳和与其他研究结果的比较。我们将关注转向对该学区的启示以及其他面临类似教学问题的大城市地区。最后，简要讨论了地区及其社区和高校合作伙伴进一步分析的方向。

（一）结论归纳

首先运用地区数据库所记录的一个变量，纵观各年级转学和缺勤的普遍情况。在小学阶段，转学比缺勤普遍。转学生的比例随着年级递增而增加，每学年至少转学一次的学生比例，从一年级12%的上升到五年级的52%。在出勤方面，一到五年级学生有90%出勤率至少达到95%。这些发现与其他城市地区如芝加哥(Kerbow,1996)和巴尔的摩(Alexander et al.,1996)对小学的研究结果相一致。但随着年级递增，数据显示出勤率下降。在高中阶段，九到十二年级平均只有54%的学生被定义为出勤生。这个低比率与明尼阿波利斯的发现一致，只有47%的学生达到一学年95%的出勤率(Hinz et al.,2003)。

研究表明，转学生和低出勤率学生在某些人口特征方面趋同，如低收入、少数族裔、父母教育程度低(e.g.,Alexander et al.,1996; Kerbow,1996; Malmgren & Gagnon,2005; Paik & Phillips,2002)。种族与转学的关系，尽管在小学和初中阶段显著，在这里却很弱。黑人子类比白人子类转学更多，但不同种族的出勤率差异却可以忽略。在高中，这一关系的程度更深。最显著的是，黑人的稳定出勤生比例比白人低，转学缺勤生的比例比白人高。

在分析美国种各族的社会经济状况时发现了有趣的结论。黑人和白人学生的走势相似。黑人稳定出勤小学生的正价午餐和免费或优惠午餐之间的差异为14%。对于白人小学生，这个比例为13%。这个走势维持到初中，但是在高中阶段白人学生稳定出勤类别的社会经济状况差异大于黑人学生。

关于研究问题Ⅱ的分析显示了每个年级层次出勤-转学对全国性测试的数学成绩的显著影响。稳定出勤生的平均量表分高于其他3个类别的学生，出勤-转学对各种族的成绩的影响不存在差异效应。这意味着尽管白人学生总体上成绩高于黑人学生，4个出勤-转学类别的两个组别走势趋同。不考虑学生种族，他们的出勤-转学情况对数学成绩的影响是一样的。

在那些服务于军人家庭学校方面，研究普遍表明出勤和转学对学业有负面影响(e.g.,Hinz et al.,2003)。然而有些研究发现，在控制了可能引起混淆的变量如社会经济状况、性别和先前的成绩后，转学与学业不再有关联(e.g.,Alexander et al.,1996; Heinlin & Shinn,2000)。在本研究中，即便在控制了性别和社会经济状况后，出勤-转学变量的确仍对成绩有显著影响。所有年级（三、五、八和十一）在全国性测试（PSSA）的数学和阅读成绩都能证明这点(所有证据，见Parke,2006)。

即便收入水平和转学的关系很显著，研究人员相信转学对学生学业的影响不可忽视。“由于转学生的家庭生活的混乱，他们最需要稳定的学校环境以平衡他么的生活”(Titus,2007,p.92)。Alexander et al.(1996)曾说：

“背景控制有助于避免将学生的学校教育的结果（错误地）归到学校的作为上。但需要注意，如果转学确实会带来负面影响，那么调整社会不利地位的有关措施就会刚好抵消掉我们希望监测的效果”(p.8)。

研究问题Ⅲ包含一个对区内10所高中的独立分析。大多数高中里的大部分学生是稳定出勤生或者稳定缺勤生，但各校的比例不同。成绩结果显示每所高中的出勤生的PSSA数学平均分比缺勤生高，10所高中里的7所分数的差异在统计上显著。转学似乎对成绩的影响不及出勤大。其中5所高中，平均而言稳定生的数学成绩在统计上高于转学生。

（二）对街区的启示

在大多数教育研究中，数据的意义很大程度上取决于学区是否能够理解这些信息，是否能够运用它来指导工作。本节聚焦这些结果如何让地区确定问题的严重程度，确定亟待关注的转学和缺勤年级与学校。源自简单而又系统的数据分析的结果有助于确定优先事项和重新组织回答以下问题所需的附加数据，即为何这些数据能表现这些内容？因此，地区工作人员可以就提升出勤率和降低转学率问题作出有据可依的决策。本节最后简要描述了美国各地教育工作者用以减少转学和缺勤的负面影响的一些方法。

1.明确问题所在

学校领导、教职员工区对转学率缺勤率高企普遍有所了解，但通过实证数据的形式，问题的所在便更为明了。从各个年级和各所学校出发进行广泛考察，使我们发现有助于未来深入考察的特定数据。这里详细探讨了4种特性：⑴小学高年级转学率，⑵高中的缺勤率和10所学校的差异，⑶享受免费或优惠午餐学生与享受正价午餐学生中稳定出勤生的比例差异，⑷转学与缺勤对两个种族的学生学业的负面影响。

地区的第一个优先事项是进一步考察小学的转学情况。令人惊讶的是，相比初中和高中，小学阶段的转学是一个突出问题（尤其在三、四、五年级）。40%-50%的小学高年级学生被归类为转学出勤生或缺勤生，相比之下高中各年级只有25%。地区数据库记录和更新转学的信息，包括转学的日期及原因（例如：搬离本区，转到私立学校、教会学校或特许学校）。本研究的结论表明，值得花时间和资源调查小学各年级学生转学的时间、去向和原因。

转学一般出现在什么时候？发生在学年中的转学比发生在学年初或学年末的转学对学生学业、老师教学和课程进度的消极影响更大。转学生的流向和来源是哪里？首先将转学分为区内转学和区外转学。然后可以得到每所学校的转学情况。有些学校的学生人数较稳定，而另一些学校的转学生较多，如高中。为什么学生要转学？学生转学有很多原因。有些是学校原因（如安全问题、教育质量、特殊教学项目），有些是由于家庭住址变化，还有一些与机构相关。

找出学生转学的时间、去向和原因，有助于地区找到让学生和家庭不转学的方法。例如，改变家庭住址的可以选择当年继续留在原学校。如果家庭对学校不满意，那么就应该改善学校的受欢迎程度，让家长们找到归属感。通过加强学校、教师和家庭之间的社会联系，就不存在家长就为子女的教育问题另谋出路的需求，孩子也就不用转学了(Kerbow et al.,2003)。最后，引起人们关注孩子转学给他们的学业和对学校的适应性带来的负面影响，有助于鼓励家长将问题在校内就地解决，而不是一味寻求转学。方法包括同侪调解、与教员和其他家长联系、参加学校组织的活动。

地区第二个优先事项是调查高中的缺勤问题。尽管高中生也有转学情况，对这些年级的学生来说，缺勤才是一个更严重的问题。本研究的结论表明，10所学校的缺勤情况各不相同。有些学校出勤生比例高（超过75%），而另一些则很低（25%或以下）。数据表明有的学校在让学生每天上学方面表现比其他学校好。为何学校之间会存在差异？有人认为是由于该区的学生构成或学校所在的街区造成的。另一些人则认为高出勤率是由于学校氛围好，而非源于学生的人口特征。

再有，更深入地探究这个问题，地区数据库可于确定缺勤的原因是因故还是无故。每所学校的出勤率都由许多因素共同作用而成。地区职员可以结合其他可用的背景和表现指标来区分人口特征相似但出勤水平有差异的学校。例如，为何D校的出勤问题不及人口特征与其相似的H校严重？H校的管理者和教师能够从D校身上学到什么？

当地区了解到每所学校缺勤的更多情况后，接下来的步骤便是确定是否所有学校的出勤情况都已按标准格式被监控和记录下来。当理解了问题的严重程度和发展趋势后，地区就能探讨改进这些统计数字的方法。换言之，怎样才能让学生来上学？可以改进出勤的规章和手续，明确教职员工的角色和责任，让学生融入教学，让家庭和社区融入学校(Hinz et al.,2003)。

第三个优先事项源于稳定出勤生的人口特征比较结果。地区管理者、教职员工和家长往往会发布或读到两个种族（黑人和白人）之间和两个社会经济状况子类（免费或优惠午餐和正价午餐）之间数据对比的报告。本研究最有趣的结果之一，来自对每个种族的各种社会经济状况水平的考察。黑人子类以及白人子类享受免费或优惠午餐和正价午餐的稳定出勤生比例存在差异。在小学阶段，两者的差异幅度相同（14%）。在初中和高中阶段，白人子类两个社会经济状况子类的差异更显著。例如，高中白人学生的差异的比例为24%，而黑人学生为12%。

另一个近期关于该地区数学成绩数据的研究(Parke,2009; Parke & Keener,2009a)显示，有些高中在服务社会经济状况不佳的学生方面比其他高中做得好。为了更进一步研究之前的结果，地区工作人员可以按照学校的分解数据来确定是否某些学校的稳定出勤生的社会经济状况鸿沟小于其他学校。分解人口特征数据，不管是为了理解转学、缺勤还是成绩，都能揭示关于学校的有用信息。这些发现，与如大学入学考试和学校评级等其他可获取的高中表现指标一道，帮助描绘出一幅关于每所学校的强项和挑战的更完整的画面。

第四个关注点是通过大规模评估得到的缺勤和转学对数学成绩的负面影响。分解每个种族的数学成绩后发现，黑人和白人学生的结果走势相似。不考虑种族，两个最高的数学平均分出现在两个出勤生类别，两个最低分出现在两个缺勤生类别。类似地，稳定生类别的数学平均分高于转学生类别。简言之，不管是黑人学生还是白人学生，只要他们缺课或者转学，学到的知识就少了。

这个结果强化了研究区内转学和缺勤原因的重要性，亦即在讨论前面三个优先项时提到的，那么就可以采取措施降低学生转学和鼓励学生上学。同样重要的是集中力量帮助解决和减少负面影响，因为事实上，转学不可能完全消失，出勤率也不可能达到百分百。下一节将简要描述别的地方采取的一些措施。

2.向其他学区的做法学习

转学与缺勤不仅对学生学业有消极影响，研究表明它还给学校、教师和管理者带来负面影响，包括打断所有学生的学习进度、中断班级教学进度、使学校无法实施长期教学计划。再者，高转学率与辍学和行为问题等也有关系(Malmgren & Gagnon,2005; Osher et al.,2003; Rumberger,2002)。

可惜许多地区都没有应对转学与缺勤问题的系统和完整的方法。例如，将新生融入学校的责任通常会落到班主任身上，而班主任往往对学生过去的受教育情况了解有限。不过，地区可以从国外其他教育主管部门身上学习解决这些问题有关的措施、项目和战略。

在德克萨斯州的一个地区，每所学校都设立一名家长联络人，此人为执业教师，负责考勤，对出勤有问题的学生进行干预、举办家长培训工作坊、进行家访、为社区和社工提供参照(Paik & Phillips,2002)。在明尼阿波利斯，一个全面的出勤计划为教职员工处理学生的因故或无故缺勤设定了清晰的指引，为学校提供了完整的出勤数据，让学生投入学习，让家长和社区支持出勤(Hinz et al.,2003)。最后，军人家庭经常搬家，但他们在教育指导和社区层面都有一种安定感(Smrekar & Owens,2003)。国防部的学校有应对转学的支持机制。它们的教职人员比较稳定，有专人负责学生的教育问题。同时它们还对公立教育尽职尽责，包括鼓励家长参与到其子女的教育，并往往有资源和专人负责维护和交换学生的资料记录。

3.进一步研究的重要性

尽管地区正在深入挖掘之前提到的问题，研究者还可以从其他方面进一步研究。一个是对转学和出勤作出更具体可行的定义。本研究的变量将学生分为4个类别，并以此作为研究起点，因为此分类方法源于该学区，学校教职员工对此都非常熟悉。不过它也有局限性，因为它没有捕捉到学生转学的次数，也无法说明学生实际缺勤的天数。

还需要进行更多研究来考察学校所有年级在一段时间内的同生群。本研究考察了一个学年内的转学与出勤情况。我们现在分析的是高中阶段的数据，研究了从九到十二年级都一直接受学校教育的学生同生群人口特征和学业指标。初步结果表明，九年级只有一半的学生在4年内都留在该学区(Parke & Keener,2009b,2011)。大部分非同生群学生在九年级之后离开该学区并再也没有回来。其他非同生群学生在几年间不断转学，他们经常缺勤，也时常违反纪律。同生群与非同生群成绩的比较表明，同生群学生在3个标准化测试和数学课程上的分数明显高于非同生群学生。

最后要考虑的是附加变量对转学、出勤与成绩之间关系的影响。当进行研究时，为解释某种特定现象，总会涉及许多学生、家长、环境和学校背景等变量因素。因此需要记录并善用学区的纵向记录，从而最终完成它们原本的使命，即不断改善教学过程的方方面面。

注释：

①表中没有包含比例的标准误差，因为它们都接近1.0。例如，稳定出勤生的标准误差范围为0.8至1.1。

②笔者决定将其他种族学生纳入此描述性图表，因为该区家长表示，他们希望看到自己子女所在类别的结果。

③由于每所学校的样本量相对较小，正态分布的传统置信区间无法精确估算真值区间(Glass & Hopkins,1996)。因此引用了二项分布(Ghosh,1979)。

[1]A+ Schools.(2006).The first annual report to the community on public school progress (2004-05).Pittsburgh,PA：A+Schools：ACommunity Alliance for Public Education.

[2]Alanís,I.(2000).A Texas two-way bilingual program： Its effects on linguistic and academic achievement.Bilingual Research Journal,24,225-248.

[3]Alexander,K.L.,Entwistle,D.R.,& Dauber,S.L.(1996).Children in motion： School transfers and elementary school performance.The Journal of Educational Research,90,3-12.

[4]Biernat,L.,& Jax,C.(2000).Limiting mobility and improving student achievement.Hamline Law Review,23,1-37.

[5]Crone,T.M.(2004).What test scores can and cannot tell us about the quality of our schools.Business Review,3,5-21.

[6]Entwisle,D.R.,& Alexander,K.L.(1988).Factors affecting achievement test scores and marks of black and white first graders.The Elementary School Journal,88,449-471.

[7]Fowler-Finn,T.(2001).Student stability vs.mobility.School Administrator,58,36-40.

[8]Franke,T.M.,Isken,J.A.,& Parra,M.T.(2003).A pervasive school culture for the betterment of student outcomes： One school’s approach to student mobility.Journal of Negro Education,72,150-157.

[9]Ghosh,B.K.(1979).Acomparison of some approximate CIs for the binominal parameter.Journal of the American Statistical Association,74,894-900.

[10]Gill,B.,Engberg,J.,& Booker,K.(2005).Assessing the performance of public schools (Working Paper 315-1 EDU).Santa Monica,CA： RAND Education.

[11]Glass,G.V.,& Hopkins,K.D.(1996).Statistics methods in education and psychology (3rd ed.).Boston,MA： Allyn & Bacon.

[12]Heinlin,L.M.,& Shinn,M.(2000).School mobility and student achievement in an urban setting.Psychology in Schools,37,349-357.

[13]Hinz,E.,Kapp,L.,& Snapp,S.(2003).Students attendance-mobility in Minneapolis public schools.Journal of Negro Education,72,141-150.

[14]Kerbow,D.(1996).Patterns of urban student mobility and local school reform.Journal of Education for Students Placed at Risk,1,147-169.

[15]Kerbow,D.,Azcoitia,C.,& Buell,B.(2003).Student mobility and local school improvement in Chicago.Journal of Negro Education,72,158-64.

[16]Kube,B.A.,& Ratigan,G.(1992).Does your school have a clue? Putting your attendance policy to the test.The Clearing House,65,348-350.

[17]Lamdin,D.J.(1996).Evidence of students attendance as an independent variable in education production functions.The Journal of Educational Research,89,155-162.

[18]Malmgren,K.W.,& Gagnon,J.C.(2005).School mobility and students with emotional disturbance.Journal of Child and Family Studies,14,299-312.

[19]Meyer,R.H.(1996).Value-added indicators of school performance.In E.A.Hanushek&D.W.Jorgenson (Eds.),Improving America’s schools： The role of incentives (pp.197-223).Washington,DC：National Academy Press.

[20]National Forum on Education Statistics.(2005).Forum guide to education indicators (NFES 2005-802).Washington,DC： U.S.Department of Education,National Center for Education Statistics.

[21]Osher,D.,Morrison,G.,& Bailey,W.(2003).Exploring the relationship between student mobility and dropout among students with emotional and behavioral disorders.Journal of Negro Education,72,79-96.

[22]Paik,S.Z.,& Phillips,R.(2002).Student mobility in rural communities： What are the implications for student achievement? Naperville,IL： NCREL.Retrieved from http://www.ncrel.org/policy/

[23]Parke,C.S.(2006).Student attendance-mobility and the effects on student achievement in mathematics and reading (Technical Report No.06-12-01).Pittsburgh,PA： A+ Schools： A Community Alliance for Public Education.

[24]Parke,C.S.(2009).Mathematics achievement for cohort and non-cohort high school Students (2002 to 2006)： Large-scale assessments and math coursework (Technical Report No.09-05-01).Pittsburgh,PA： A+ Schools： A Community Alliance for Public Education.

[25]Parke,C.S.,& Kanyongo,G.(2007,April).Impact of student attendance-mobility on mathematics and reading student achievement.Paper presented at the annual meeting of the American Educational Research Association,Chicago,IL.

[26]Parke,C.S.,&Keener,D.(2009a,April).Analyzing math assessment scores,math coursework,and contextual factors for high schools in an urban district.Paper presented at the annual meeting of the American Educational Research Association,San Diego,CA.

[27]Parke,C.S.,& Keener,D.(2009b,April).Cohort versus non-cohort high school students’ math performance： Achievement tests and coursework.Paper presented at the annual meeting of the American Educational Research Association,San Diego,CA.

[28]Parke,C.S.,& Keener,D.(2011).Cohort versus non-cohort high school students’ math performance：Achievement tests scores and coursework.Educational Research Quarterly,34(4),3-22.

[29]Phillips,M,(1997).What makes schools effective? A comparison of the relationships of communitarian climate and academic climate to mathematics achievement and attendance during middle school.AmericanEducational Research Journal,34,633-662.

[30]Roby,D.E.(2004).Research on school attendance and student achievement： A study of Ohio schools.Educational Research Quarterly,28,3-15.

[31]Rumberger,R.(2002).Student mobility and academic progress.ERIC Digest.Retrieved from ERIC database.(ED466314)

[32]Smrekar,C.E.,& Owens,D.E.(2003).“It’s a way of life for us”： High mobility and high achievement in department of defense schools.Journal of Negro Education,72,165-177.

[33]Stover,D.(2000).The mobility mess of students who move.The Education Digest,66,61-64.

[34]Titus,D.N.(2007).Strategies and resources for enhancing the achievement of mobile students.NASSP Bulletin,91(1),81-97.

[35]U.S.Census Bureau.(2001).Why people move： Exploring the March 2000 current population survey.Retrieved from http://www.census.gov/population/www/socdemo/migrate.html

Student Attendance,Mobility,and Mathematics Achievement in an Urban School District

Carol S.Parke,Gibbs Y.Kanyongo

The authors aim to describe student attendance-mobility within a large urban district in ways that are meaningful and useful to schools and the community.First,the prevalence of mobility and nonattendance in Grades 1-12 across all students and by gender,ethnicity,and socioeconomic subgroups is presented.Second,the impact on student mathematics achievement is examined.Results show that nonattendance-mobility negatively impact mathematics achievement as measured by the state’s assessment,even after controlling for socioeconomic status and gender.Interestingly,there is not a differential impact across ethnicities.Black and White subgroups show similar patterns of achievement across attendance and mobility levels.Finally,the authors take a closer look at the 10 district high schools to determine where nonattendance-mobility is of particular concern.Implications for districts are discussed in terms of targeting the extent of the problem and where it is occurring,using that information to improve attendance and reduce mobility,and finally,instituting systematic approaches to deal with student movement in and out of schools.

large-scale assessment mathematics achievement; urban school districts

G40-054

10.3969/j.issn.1674-7178.2014.03.003

卡洛斯·S·帕克博士，宾夕法尼亚州匹兹堡市迪尤肯大学教育学院教育基金与领导系副教授，研究方向为教育测量、大规模评估与数学教学。吉布斯·Y·坎雍哥，迪尤肯大学教育数据与研究方法副教授，研究方向为数学成绩与教育数据的多元统计。

（编译：陈丁力）