基于结构方程模型的高校排课系统研究

胡 娟 殷志祥 张丽丽

（1 淮南职业技术学院，安徽 淮南 232001）

（2 安徽大学，安徽 合肥 230031）

（3 安徽理工大学，安徽 淮南 232001）

十九大报告提出优先发展教育事业，全国再次掀起教育改革热潮，计算机网络技术和人工智能的迅猛发展也为高校教务排课系统管理带来了新契机。有效规避课程冲突、提高教学效率、减少差错率是排课系统模型得以满足实际教学需求的基本要求。

国内对教务排课问题的探究始于80年代初[1]，经历了从手动排课到借助人工智能构建决策系统的阶段。石昭仲[2]基于遗传算法，从系统管理员模块、教学管理模块、学生管理模块、教师管理模块4个模块展开高校教务管理系统设计研究；古卫涛[3]选取教师和学生两种用户角色，其中教师角色包含9种，系统探究课程管理、排课、课表生成、课程查询等功能模块，满足各部门用户使用需求；刘腾[4]等选取广东海洋大学二级学院排课模式为研究样本，探究学科专业、课程类别、班级类别、学生人数、教师人数等多种资源的优化编排组合；信东旭等[5]通过探究UEAS高校教务管理系统，认为教务处为排课系统的总管理员，二级单位教务人员为二级管理员，全校授课教师的用户名和密码由总管理员统一分配的检索准确性和效率更高；杨静华[6]采用数据流图、数据字典明晰排课管理流程，构建开课计划、教学任务、课表等7个模块较为全面的排课管理系统优化组合模型。

结合案例高校排课实际情况，从满足排课需求、优化管理方案着手，辨识排课管理影响因子，明晰因子间作用关联，保障高校教务排课管理系统有效运行。

1 样本选取

依托前期研究基础，结合排课实践经验，抽取六所代表性高校作为案例样本。通过查阅案例高校的教务管理系统以及众多文献资料，筛选功能模块及相应影响指标[7-8]，在此基础上，借助问卷验证指标有效性并加以识别，共计筛选出20个观测变量。经过甄别，剔除无效问卷，收回有效问卷200份，有效率达89.384%。借助Cronbach′s Alpha检验问卷信度，通常 Cronbach′s Alpha超过 0.7有效[9]。整体Cronbach′s Alpha为0.896，单指标Cronbach′s Alpha均超过参考值0.7，问卷信度较高。借助KMO与Bartlett检验效度，所列20个指标题项的综合KMO为0.876，Bartlett球形检验值为1588.405，对应Sig值为0.000，问卷效度较好，也说明指标数据拟合效果好，适合展开因子分析。

2 研究变量设计

高校教务部门合理安排课程是提升并优化教学服务质量的关键环节，教学效果评判取决于教师和学生对排课系统分配课程的满意程度。在问卷调查量化指标数据的基础上，对提取的20个指标数据进行因子分析，得到五个主成分因子，解释率为82.637%。五个主成分分别是课程信息管理（CIM）、教学计划管理（TPM）、成绩录入查询管理（AIQM）、师生评教管理（MTSAT）与排课系统管理（CASM），初始理论结构模型如图1所示。

图1 高校排课系统影响因素初始理论模型图

3 模型假设与检验

3.1 假设检验

考虑到高校排课系统管理主要受课程信息管理、教学计划管理、成绩录入查询管理和师生评教管理四个外在潜变量与主体因素的影响，故提出如下假设：

假设Ha1：高校排课系统受课程信息、教学计划、成绩录入查询管理以及师生评教管理等因素影响；Ha2：假设课程信息受教学计划、成绩录入查询管理的影响；Ha3：假设教学计划受课程信息、成绩录入查询管理的影响；Ha4：假设成绩录入查询管理受课程信息、教学计划的影响；Ha5：假设师生评教管理受课程信息、教学计划、成绩录入查询管理的影响。

3.2 模型构建

剖析高校教务排课系统管理影响路径与作用机理是科学规划高校教育教学工作的基础保障，另外，高校排课系统关联路径探究是检验关键观测变量是否显著的重要环节，考虑高等教育教学模式的改革以及“双一流”高校建设，高校教务管理系统逻辑关联层面复杂多样日益增加。结合多年实际教务排课经验，对比分析多种模型方法，最终选取结构方程模型作为测度高校排课系统影响因素路径系数及作用效应的解析工具。

通过前期问卷筛选、数据提取，实证分析4个外在潜变量对排课系统管理的作用路径。模型构建如下：①筛选影响高校排课系统管理的课程信息、教学计划、成绩录入查询管理以及师生评教管理四个主因子视作外因潜变量；②筛选排课系统管理视作内因潜变量；③筛选20个测量指标视作观测变量；④筛选问卷量表数据协方差视作模型初始数据，运用SEM模型对高校教务排课系统管理进行结构方程建模，参照结构方程运行参数拟合标准值及Modification Indices（MI）数值大小，对不满足拟合优度的指标之间展开修正，接着选用与进行求解、检验。求解所得观测变量之间的因果关联及SEM模型输出结果如图2。

图2 高校排课系统影响因素标准化运算结果

3.3 结果分析

参照模型中协方差修正指标信息，对显示的MI修正指标值以及Regression Weights估计参数改变量展开相应修正，监测模型参数和拟合优度，修正后的模型适配度结果如表1所示。

表1 高校排课系统结构模型适配度检验

通过表1可知，高校教育教学排课系统管理结构模型中为x2/df＝1.658，模型在可接受范围内。RMSEA数值愈小，模型适配度愈佳[9]，本模型RMSEA为0.052，适配良好。GFI为0.918、AGFI为0.913、NFI为0.921、CFI为0.906、PCFI为0.927，整体全部达到参照标准临界值以上，根据数据参数值推断所构建的高校教务排课系统管理结构模型整体适配良好，同案例高校所甄选的20个指标样本数据解释程度较高，差异程度偏低，排课系统管理模型可接受。基于此，整理变量之间的直接效应值、间接效应值，求解总的标准化效应值如表2和表3。

表2 外因潜变量对内因潜变量的作用效应值

根据表2所得检验结果可知，对于假设Ha1，外因潜变量MTSAT、AIQM、TPM、CIM对内因潜变量CASM 有影响，对应路径系数依次为0.403、0.754、0.665、0.547，影响较为显著，即 MTSAT、AIQM、TPM、CIM每增加1个百分比就会引起CASM分别改变0.403、0.754、0.665、0.547个百分比，Ha1通过验证。

表3 外因潜变量间的作用关联

对于假设Ha2，外因潜变量课程信息CIM受教学计划TPM、成绩录入查询AIQM的影响，作用路径系数依次为0.998、0.500，均通过显著性检验，课程信息管理CIM同教学计划管理TPM的关联系数最大，即两者关系最密切，相互影响程度较高，假设成立；假设Ha3，外因潜变量教学计划TPM受课程信息CIM、成绩录入查询AIQM的影响，作用路径系数依次为0.998、0.397，通过检验，这表明教学计划管理同成绩的录入与查询管理关联程度不大；假设Ha4，外因潜变量成绩录入查询AIQM受课程信息CIM、教学计划TPM的影响，作用路径系数分别为0.500、0.397，通过检验但是关联性不大；假设Ha5，外因潜变量师生评教MTSAT受课程信息CIM、教学计划TPM、成绩录入查询AIQM的影响，对应关联系数分别为0.692、0.733、0.855，影响较为显著，通过检验。

4 结论

在高校教务课程编排管理过程中，对高校排课系统影响最大的是成绩录入查询管理，其作用效应值为0.754，是高校教育教学排课系统管理的主要影响因素。因此，要根据不同年级的不同课程，合理优化教务管理总部门和不同二级单位教研室自动和手动排课管理流程，设置相应的课程表管理办法，对排课结果进行最优化约束管理，以期实现资源最大化利用。

师生评教管理是提升高校排课系统管理的调控变量和催化剂，其总的作用效应值等于0.403，课程信息管理作用效应值为0.547，教学计划管理作用效应值为0.665，对教务排课系统管理影响都很大。因此，加强师生评教管理、课程信息管理、教学计划管理以及成绩录入查询管理可以管控和督促教学资源更全面、更合理的使用和调配，统筹规划，真正实现高校教务教学管理最优化。