判别模型在高中《通用技术》学业评价体系中的应用初探

汪松

摘要：目前高中《通用技术》学业评价体系中虽然有一些分数的体现，但仍然是以表现性评价为主线的。本文旨在将判别模型引入到评价体系中，通过部分可靠的、相关性较大的定性定量数据进行整合性的考核评判，从而使评价体系更加全面、科学。

关键词：判别模型；通用技术课程；评价体系

中图分类号：G632.0 文献标识码：A 文章编号：1992-7711（2017）01-0103

一、我校《通用技术》创新实验课程建设情况

作为广西教育厅确立的“广西普通高中《通用技术》与《综合实践活动》课程创新实验”实验学校，我校正在探索高中阶段一种全新的科技素养培育机制，以研究性学习及部分国家必修、选修课程为切入点，以科学探究的理念统领《通用技术》《综合实践活动》等高中新课程，通过必修、选修和社团活动等多种课程组织形式，使通过课程的有效实施培养学生的科技创新意识和实践能力，成为学校教育制度化的安排。我校创新实验课程的总体定位是：把《通用技术》和《综合实践活动》课程内容创新整合为包含《探究科学》《探究技术》《探究社会》模块的创新实验课程，开发一系列综合性、实践性、探究性特征突出的课程资源，通过stem项目教学的方式培育学生的科技素养和实践能力，力求全面提升学生的综合素质。

我校从2012年11月底开始在高一年级开设每班每周1节的《综合实践探究》创新实验课程，在高二年级开设每班每周2节的《通用技术》创新实验课程，一直持续到现在。

【基金项目】广西教育科学“十二五”规划2013年度广西普通高中课程改革专项课题《创建普通高中通用技术课程学业评价模型的实践研究》（2013ZJJ115）

二、研究判别模型在通用技术课程评价中运用的意义

《普通高中技术课程标准（实验）》及《广西普通高中新课程通用技术学科教学指导意见（试行）》仅给出了课程性质、理念、目标、结构、设置、实施和评价的一些大的要求和原则，缺乏一系列配套纲领的指导，也缺乏大量可供借鉴的案例，给课程实施带来了操作上的重大困难。高中新课程改革的一个重要内容就是学业评价的改革，在通用技术课程实施过程中，学业评价是与教学并行的同等重要的过程。在新课程背景下，高中通用技术课程学业评价机制的建立是一项系统工程，它涉及到高考层面、会考层面、学校学分认定层面，以及微观的学习过程与学习成就评价层面等，从学生需要出发不断完善课程学业评价机制显得尤为重要，而学生学业评价方式是影响学生课程认同的主要因素之一，加强通用技术课程学生学业评价的实践探索，积累课程实施经验，对于我校乃至整个广西当前的高中新课程改革的通用技术课程实施是十分重要而迫切的。

本文通过对培训样本的聚类和判别分析，建立的四水平判别函数模型，具有一定的精度和预测能力，其稳定性也较高。该模型不仅尽量避免了教师主观因素的影响，而且还便于理解和操作。因此，该模型对目前的通用技术课程学业评价具有一定的辅助价值。

在本文中，聚类分析和判别分析联合起来使用。先对300个样本做聚类分析，分成四类，然后根据样本的分类结果，进行判别分析，建立四水平判别函数以对检测样本进行分类判别。本文中做数据分析采用的是费歇尔（Fisher）判别法。

三、判别模型的建立及模型精度检验

1. 判别函数的建立

以广西桂林市第一中学高2014级410名学生的通用技术课程学业评价为例。本文借助数据分析软件Spss16.0，采用Wilks'λ方法①对培训样本的300个数据进行逐一判别，经判别发现，有四项指标对判别函数的贡献要相对大一些，它们按贡献的大小依次被引入到判别函数中：课程结业作品得分（x1）、平时作业均分（x2）、学习态度（x3）、科技运动会成绩（x4）。根据判别分析得到的判别函数系数表建立形如Y=a0+a1x1+a2x2+a3x3+a4x4（其中a0是判别函数的常数项，a1、a2、a3、a4分别是变量、x1、x2、x3、和x4 的系数）的线性判别函数。

据呈现的Fisher线性判别函数系数，建立四水平线性判别函数：

不合格组：Y1=-486.32+1.246x4+2.714x3+4.707x2+6.568x1

合格组：Y2=-612.18+1.431x4+1.608x3+4.258x2+6.929x1

良好组：Y3=-712.254+2.513x4+2.834x3+4.557x2+6.823x1

优秀组：Y4=-826.832+2.601x4+3.296x3+4.852x2+7.235x1

将110个待判样品的各变量值带入到四水平线性判别函数的表达式中计算出判别得分，并将样品划分到判别得分最大的组中。

2. 判别模型精度的检验

根據Spss16.0做判别分析得到的模型精度检验的数据，我们可以得到如下结论：

（1）根据培训样本所建立的判别模型进行分组，已经分的300个个案正确分类280个，错误分类20个。其中不合格组正确分类6个，错误分类1个；不合格组正确分类率为85.7%，错误分类率为14.3%；合格组正确分类29个，错误分类4个；合格组正确分类率为87.9%，错误分类率为12.1%；良好组正确分类150个，错误分类12个；良好组正确率为92.6%，错误分类率为7.4%；优秀组正确分类95个，错误分类3个；优秀组正确分组率为96.9%，错误分组率为3.1%。

（2）根据这300个个案为先验数据，将待分类的110个个案分别分入不合格组、合格组、良好组、优秀组的为3，16，60，31个，分别占总数的2.7%，14.5%，54.5%，28.3%。

（3）通过对样本进行回代检验的正确判别率为95%，这说明所建立的判别模型的预测精度相对较高，模型是有效的，且具有一定的判别能力和预测能力，可以用作新样品的判别。

（4）模型正确判别率的差值在10%以内，模型预测能力的稳定性较强。

四、判别评价模型建立的实际意义

现阶段，对于通用技术这个新的课程，很多学校缺乏有效的学生学业成绩评价系统，从而无法实现对学生学业成绩进行有效评价。这不仅大大影响了学生课程学习效果，而且对课程的发展极为不利。

目前为止，绝大多数通用技术课程学业评价的研究，仅停留在定性层面，而且在实际操作中，定性评价难度高、工作量大、评价的结果主观性较强。本文将定性与定量相结合的方法运用到通用技术课程学业评价的研究中，这样得出的学业评价体系，可能更客观、更科学！该判别模型是在本校实验数据的基础上产生的，在本校的通用技术课程评价上有一定的辅助价值和推广意义！

注：①以选入变量后检验模型中全部变量的鉴别能力是否有显著性意义为变量选入依据，本文是用变量的Wilksλ统计量以及概率值和平均典型相关系数的大小进行比较，确定出最后的选入变量。

（作者单位：广西桂林市第一中学 541000）