某专业不同班级的学友关系分析

2015-07-14陈张兼

亚太教育 2015年8期

陈张兼

某专业不同班级的学友关系分析

陈张兼

教学方式日益更新，大学生自主的协助学习日益显得重要。因此对大学生的学友关系的表现研究显得有一定的意义。本研究试图探究相同专业不同班级之间的学友关系现状。是否本班级内的学生更能形成学友关系，“班级”变量是否是影响相同专业不同班级间学友关系的影响因素。利用基于社会网络分析的软件UClNET6.0软件，对收集到的数据进行密度、相关性、凝聚系数方面进行量化分析。

社会网络分析；学友关系

社会网络是指社会行动者和他们之间的关系的集合。用点表示行动者，用点直接相连的线表示行动者之间的关系。本次的研究就围绕着社会网络分析的关系分析，着重对大学生之间的“学友关系”这一关系进行分析报告。通过本次研究试图找出该年纪专业的学友关系模式，从而提出更有效的改进方法。

所有的教学活动都是为了“学”，由“学”而成“人”，而“学”又必须有“友”，学友的存在可以大幅度地提高大学生学习的效度。研究出影响学友关系的因素就可以更加有效直接地帮助同学之间的学友关系的建立和维持。

一、研究方法和步骤

研究数据采集利用问卷调查法，问卷调查法是教育研究中最基本、最常用的方法，用Visual Studio2010开发的问卷调查系统，对本校已入学一年的203位学生进行了同一的数据收集，收集到的数据完全回收到sql2008R2数据库中。探讨发现，人们所说的信息中只有48%为真实准确的，于是对歧义数据和错误数据进行了删除，随机挑选了某一专业的两个班级，有效数据一班共有479条记录。

二、研究结果

沿UCINET6.0软件的Network-Cohesion-Density-Old Density procedure路径计算出一班整体网络密度为0.9674。整体网络的密度反映了一班班级内部学友关系的密切程度，密度越大，网络中点之间连线越多，行为者之间的平均联系程度就越为紧密，其值等于“实际关系数”除以“理论上的最大关系数”。介于0和1之间，数值越接近1说明研究对象群体群体间的联系越紧密。由此可见一班的整体学友关系密切，同学们之间绝大多数都有稳定的学友关系。同学们都习惯协助学习。同理得出二班的学友关系平均密度为0.8667，其值接近1说明所研究的二班班级内也有密切的学友关系。其次导入两个班级的数据得出密度为0.6383，明显低于任何一个班级内部的平均密度，说明两个班级之间的学友关系的紧密程度低于班级内部的学友关系。

在UCINET6.0中沿Network-Cohesion-Distance路径计算得出两个班级的平均距离为1.362，建立在“距离”基础上的凝聚力为0.819。在UCINET6.0中沿着Network-Cohesion-clustering-coefficient路径得出两个班级的凝聚系数为0.823。一班，二班各自为0.973、0.913。凝聚系数反映了班级在学友关系上的凝聚程度，从数据上看两个班级在学友关系上的凝聚均很高，但两个班级之间的凝聚系数明显低于班级内部。

结合密度和凝聚系数的研究可以假设，所研究的班级，班级内部有较好的学友关系，班级之间也存在不少学友关系但相较于班级内部明显有所下降。说明虽然同学们学习同一个专业但班级的不同导致了两个班之间的交流、学习减少。即班级的差异对学生之间形成学友关系产生了负面的影响。

为证明假设的成立，使用QAP相关分析的分析方法，利用随机化检验方法检验这种“关系”与“关系”之间的关系。传统的OLS（最小二乘法）统计分析方法，是对不共线的变量之间的统计分析，而对“变量”与“关系”的关系就不再适用。QAP（二次指派程序）是一种对两个方阵中各个格值的相似性进行比较的方法［1］。基于QAP的计算方法对“班级”属性和学友关系进行“关系”的研究，从而检验假设的正误。

沿UCINET软件Tool-Testing Hypotheses-Dyadic（QAP）-QA Pcorrelation路径导入“班级”矩阵和“两个班级学友关系”矩阵得到“Significa”数值为0.465，表明显著性水平。显著性的高低说明观察到的相关系数是随机出现的可能的高低。可见班级的差异对学生学友关系的形成造成影响的假设并不成立，因为0.465说明其造成的影响是随机出现的概论为0.465。

进而对数据进行自相关分析，计算得出两个班级间的实际观察到的学友关系数为234，理论值为229.798，对比发现实际数值率大于理论值。对数据重排后观察值大于差值的相对频次为0.302，反映了观察值的显著性。0.302表明数值显著，即两个班级之间存在稳定的学友关系。