基于DEA分析的学习成绩相对有效性评价研究*
2016-12-08钟双喜
张 珉 钟双喜
(江西中医药大学经济与管理学院 江西南昌 330004)
基于DEA分析的学习成绩相对有效性评价研究*
张 珉 钟双喜
(江西中医药大学经济与管理学院 江西南昌 330004)
科学地评价学生的学习有效性对于高校人才培养质量至关重要。针对目前教育评价中存在问题,运用DEA方法,对学生学习的有效性进行评价。运用DEA模型进行学习有效性分析,数据易得,无需量纲化,不用确定权重,能较为客观公正地反映学生真实的学习情况。
DEA分析 学习评价 学习有效性
一、对于学生学习有效性评价的研究是目前教育评价研究的热点问题
科学地评价学生的学习有效性对于高校人才培养质量至关重要,它是学生认识自己的前提条件,是激励学生努力学习不断进步的动力,同时也是教师培养学生的参照基础。近年来,各类高校依据高等教育发展的需要在教学内容、方法、过程、模式、课程结构、教材内容等诸多方面实施了教学改革尝试,至今已形成很多成熟的学习评价理念。
但是,目前仍有许多高校对于学生学习有效性的评价通常采用终结性评价,即以学期末的各门课程的考试成绩为标准,来评判学生学习的效果。这种评价方式忽视了学生的基础情况,使得评价结果难以反映学生的学习有效性,致使评价结果并不科学。尤其近十几年来,高校不断扩招,即使同一个班级,学生的入学成绩也有很大的差距,甚至总分相差达到100多分。同时,高校入学分数以高考总分为标准,即使入学时总分相同,但各科的成绩相差也可能很大。因此,学生的基础并不相同,如果采用同一的评价方法评定学生的学习效果,难免会忽略对学生学习成绩提高幅度的考虑。
基于此,本文以某高校市场营销专业学生市场营销学相关课程的学习情况为分析案例,探讨影响学生对于课程学习有效性的因素,并通过DEA模型中的C2R模型、BC2以及超效率(SE-DEA)模型对该班级38名同学的学习有效性进行评价。从而找出每位同学学习的薄弱环节,提出针对性的改进措施。
二、DEA模型构建
DEA(Data Envelopment Analysis)模型由美国学者A Charnes和W.W.Copper创建于1978年。该模型以相对效率为基础,以数理规划为路径,依据多指标投入和产出数据,对相同类型的决策单元(DMU)进行相对有效性评价或效益评价的方法。
本文主要运用DEA模型中的C2R模型、BC2以及超效率(SEDEA)模型进行分析[1]。
1.C2R模型
C2R模型中xij表示第j个决策单元对第i种投入的投入量,yij表示第j个决策单元对第r种产出的产出量。C2R模型的意义在于:如果该模型的最优解 θ<1,则表示还能找到一个决策单元,它可以用比被评价单元更少的投入获取不少于被评价单元的产出,从而表明被评价单元相对效率不高,为非相对有效; 如果θ=1,则被评价单元为相对有效。C2R模型如下:
为了更方便地解释学习有效性,在本文中引入了和两个变量,分别代表松弛变量和生育变量,建立模型如下:
当θ=1,为有效,且技术和规模同时有效;当θ=1,但中只有一个大于0时,有效性较弱,且技术与规模不能同时达到有效,可通过调整使得技术效率和规模效率达到最佳状态;当时,是非有效状态。
2.BC2模型
模型是规模效益可变的DEA模型,它是在C2R模型上加上了一个约束条件,即模型得到的效率值是纯技术效率,与模型联用可进行综合评价。
3.S E− DEA模型
由于C2R模型和模型无法区分之间的差异,Andersen等人提出了(Super Efficiency DEA)模型。该模型计算出的θ值可以大于1,可以区别出的效率差异,并进行排序分析[2]。
三、指标及数据来源
学习过程可以看做一个学习投入和学习产出的系统环境,每一个学生可以视为一个DMU单元[3]。通过以上三个模型,可以科学地分析学生学习的有效性,并可以追溯学习有效及学习非有效的原因。据此可以向学生提出学习改进建议,任课老师也可根据分析结果,因材施教,提升整体教学质量。
课题研究选取了我校经济与管理学院2015级市场营销专业38名同学,对其市场营销相关课程的学习有效性进行分析。综合文献检索结果,结合市场营销的专业特性以及所需数据的可得性,投入指标分别选取该班级同学的入学成绩(高考成绩)、入学数学分数、市场营销学课程周学习时间以及到课率等四项指标;产出指标为市场营销学课程的期末考试成绩。投入指标中的入学成绩和数学分数通过查阅教务处学籍档案可得;市场营销学周学习时间通过调查问卷可得;到课率通过教学督导组提供。产出指标的考试成绩由教务处教学办提供。
如前分析,运用DEA法时要求所有的分析单元应是同类型。课题分析中所选择的38名学生授课教师相同,学习环境相同,满足DEA分析法的外部环境要求。所选学生数量也达到DMU个数应达到投入指标和产出指标两倍的要求。由此可见,通过DEA分析可以得到预期的对于学习有效性的评价要求。
所有数据分析均采用Deap2.1和EMS1.3软件。
四、实证研究
通过数据录入和软件分析,研究结果表明全班38名同学中有15名同学的规模学习收益率达到了1,说明这部分同学在市场营销学课程的学习中花费了较多的时间和精力;18名同学的规模学习收益率呈现递增状态,说明这部分同学的学习有效性还有进一步提升的空间;5名同学的学习收益率则呈现递减状态,说明这部分同学的学习有效性较差,需要及时调整自身的学习方法和态度。全班38名同学的综合效率为0.900,纯技术效率均值为0.918,规模收益均值为0.983,从总体看来,该班的整体学习效率处于较高的水平。具体如表一所示:
1.C2R模型分析
通过C2R模型可以得出,序号为4、5、8、13、16、20、21、24、27和28的10名学生处于学习有效状态,达到了最佳的规模收益。其余同学的学习显示为无效状态。
2.BC2模型分析
表1 实证研究结果
C2R模型学习有效的学生在BC2模型下结果相同,依然显示为有效。对C2R模型中显示无效状态的学生进行分析,序号为6、7、23、26、33的5名同学技术效率等于1,但是规模效率却小于1,说明这5位同学技术有效,规模无效。除去这5名同学和10名学习有效的同学,在剩下的23位同学在学习态度、学习方法以及学习时间上还存在一定的问题,需要进一步调整自身的学习状态,进一步提升学习效率。
表2 C2R模型中学习有效同学的 DEA S E− 模型得分
3.S E− DEA 模型分析
由于C2R模型和模型无法区分单元之间的差异,而S E−DEA计算出的综合效率可以大于1,可以区别出决策单元的效率差异,并进行排序分析。如表2所示,S E−DEA模型中得分最高8号同学,得分最低的是27号同学。这说明虽然在C2R模型这10名同学都显示为学习有效,但仍可以排序,以区分学习效果的优劣程度。
五、结果分析
从实证结果来看,该班同学的学习有效性虽然还有提升空间,但总体上学习效率不错。对于学习非有效的同学而言,主要原因有3个。首先,学生对于学习重要性的认识程度不够,学习态度不端正。听课不系统,只对感兴趣的实战案例课认真听讲,对于理论课程觉得乏味,不愿意认真听讲。对于老师布置的课后作业也是应付而已,没有认真完成,导致学习效率低下。其次,从表一来看,大部分同学的学习效果处于规模递增的状态,自身的学习潜能还未充分释放,时间花了,但效率不行。因此,在教学过程中,老师要强调学习的主动性,不是为老师学而是为了自己学。最后,对于DEA有效的学生需要总结经验,分享经验,鼓励同学之间的交流,以促进全班同学学习效率的提升。
结语
科学地评价学生的学习有效性对于高校人才培养质量至关重要,它是学生认识自己的前提条件,是激励学生努力学习不断进步的动力,同时也是教师培养学生的参照基础。
本文运用DEA模型中的C2R模型、BC2以及超效率(SE-DEA)模型对学生的学习有效性进行了评价。评价过程中,不但着眼于学生的最终成绩,同时也考虑到了学生各自参差不齐的学习基础,评价结果较为科学。运用DEA模型进行学习有效性分析,数据易得,无需量纲化,不用确定权重,能较为客观公正地反映学生真实的学习情况。同时,利用分析结果可以追溯学习有效与否的原因,为教师提升教学质量,学生提升学习质量提供的改进方向。
[1]马占新.数据包络分析模型与方法[M].北京:科学出版社,2010(第二版).
[2]Andersen P, Petersen N C. A procedure for ranking efficient units in data envelopment analysis[J].Management Science,1993(1):1261-1264.
[3]陈美华.基于PCA—DEA的英语有效学习过程评价模型研究[J].东南大学学报,2014(6):108-111.
[4]李金霞.基于数据包络的学生学习相对有效性评价[D].北京:中国地质大学,2016.
*课题项目:本文系江西省教育科学“十二五”规划课题《基于DEA分析的学习有效性评价研究》的研究成果,课题编号:15ZD3LYB023