基于问卷和随机化回答模型的大学生作弊问题的调查研究

2018-05-23王立霞

吉林化工学院学报 2018年4期

王立霞，王璐

(吉林化工学院经济管理学院，吉林吉林 132022)

应试教育，是当今社会和未来一段时间内都较为普遍和公平公正的一种选拔人才的制度，因此作为学生都会面临考试。考试制度对于评定学生成绩、帮助学生衡量自身掌握所学知识与技能的程度有重要作用，也为校方教学工作的评估提供了重要依据。而在经历了“千军万马过独木桥”顺利考取大学的大学生群体中，其在考试中作弊的现象却屡禁不止，且近些年大学生作弊的人数、原因、心理都呈现出复杂化的倾向，可见考试作弊已经成为一种亟待关注的社会问题。

目前学术界对于大学生作弊这一问题的研究大多集中在社会学、心理学、教育学的理论视角，很少从问题主体大学生身上收集第一手数据进行统计分析，并且作弊属于敏感性问题，实际调查中很难获取真实数据。本文从大学生身上收集一手数据调查，同时运用敏感性问题调查中的随机化回答调查技术(以下简称为RRT技术)，试图从这两方面对大学生作弊的研究上有所突破。

一、相关理论

(一) 相关概念

1.敏感性问题：指在一定时期或一定调查目的的基础上为获取信息所提出的涉及被调查者隐私、禁忌等不愿真实回答或不便公开表态的问题。例如私人的财产情况、青少年的婚前性行为、婚姻中的不轨行为、官员受贿情况等[1]。

2.考试作弊：是指通过不正当途径获得试题答案的行为，包括替考、夹带或记录与考试有关公式、抄袭他人答案、纵容他人抄袭自己答案、多人合谋传递答案、考试中使用通讯工具等行为[2]。

(二) 敏感性问题处理方法的相关研究介绍

1.非数字化处理方法

保密法或释疑法：此方法通常是在调查前向被调查者保证此次调查中会对其个人信息及相关数据进行保密，或者是在问卷的开头加入一些说明性语言。

引导法：此方法分为口头引导和书面的引导性语言。可以通过采用第三人称提问或者设定特定场景运用假定性语句来降低敏感度[3]。

模糊法：此种方法把敏感性问题的敏感部分模糊化，如可以将数值归纳成若干区间，通过区间的选择降低敏感度。

2.数字化处理方法—RRT技术(Randomized Response Technique)

①沃纳模型(Warner Model)

1965年，沃纳最先提出了随机化回答技术RRT技术，此模型是最简单的一种用于定性敏感性问题的随机化模型。其设计了两个与敏感性问题(具有特征A)有关但相互对立的问题，让被调查者按预定的概率P从中抽取一个问题进行回答，但调查者并不知晓他们回答的是哪个问题，因此较为容易取得被调查者的支持，最后可以计算出敏感性问题特征在人群中的真实分布情况。使用到的随机化装置如下：外形相同的若干张卡片上写有问题：“你属于特征A吗？”(如：你在考试中作弊了，对吗？)和“你属于特征A-吗”(如：你在考试中没有作弊，对吗？)[4]。

②西蒙斯模型(Simmons Model)

西蒙斯在1967年对沃纳模型进行了改进，其在调查中采用了无关问题B替代了沃纳模型中问题A-。西蒙斯模型也属于定性的RRT技术。一定程度上消除了沃纳模型的隐私安全隐患，但并不是完全消除，2010年刘守宗等人提出可以建立一个随机装置(如抛硬币)来定义无关事件B，从而更好保护被调查者隐私[5]。但总的来说，西蒙斯模型较沃纳模型而言，更加易于操作也更完善。

③其他随机化回答模型

Mangat在1990年提出了二阶随机化回答模型，基本思想是两个随机化装置的方法.第一个装置由两条陈述组成，即(i)“我有敏感属性A”，(ii)“到第二个装置”，配置概率分别为T和1-T[6]。1997年孔圣元构建了随机变量和模型，基本思想是:在一张调查表上提出两个相互独立的问题，其中之一是敏感性问题，另一个是非敏感性问题。只要求被调查者回答两个问题的数值总和，即回答两“随机变量和”的数值[7]。

二、研究设计与实施

(一) 数据收集

调查于2016年1月5日开始发放问卷，截止2017年2月4日共收回问卷452份，通过整理分析对12份问题问卷进行剔除，最终有效问卷440份，(网络问卷220份，实地问卷220份)，问卷有效率达到97.35%。随机化问答装置下得到的有效答案数为232个，为了更好对比分析，剔除与12份问题问卷对应的12个回答，故最终得到回答数为220个。

(二) 数据处理

1.问卷测试

表1 主成分分析

根据因子分析效度分析中的相关指标，我们可以观测因子提取的方差累计贡献率，由表1可知本问卷的因子个数提取较少，同时方差累计贡献率较高，故可以认为因子分析的效度是合适的。

表2 KMO和Bartlett的检验

同时，也采用因子分析中的KMO和Bartlett的检验，由表2可知，KMO的值为0.628>0.5,说明因子分析的效度可行，可以进行因子分析；此外，Bartlett 检验的p值=0.000<0.001，说明因子的相关系数矩阵为非单位矩阵，在提取最少因子的同时又可以解释大部分的方差，故认为本次调查问卷的内容效度是合适的。

2.样本构成

由表3可知，接受本次调查的女大学生较多，其中女大学生所占比例为53%，男大学生所占比例为47%；其次是调查对象的年级分布，以大一大四居多，大二大三较少，其中大四学生最多，比例为46.3%。其中原因可能为大一大四的课程较少一些，时间比较充裕，在校园中遇到的概率较大；最后在专业分布中，文科及社会科学、理工科及商学专业占据了多数，分别为35%和26%。

表3 样本构成

三、研究结果与分析

(一) 大学生对作弊的认知

1.大学生对目前作弊现状的直观感受

图1 你认为目前大学生作弊现象严重吗

图2 你目睹过他人考试作弊吗

从图1中可以看出，三分之二的大学生认为当前大学生作弊的现象严重，其中将近半数的人指出大学生作弊现象已经到了非常严重的地步。同时从图2可以看出，大多数的大学生都目睹过他人考试作弊，没有目睹考试作弊的学生仅仅占到14%，可见当前大学生作弊的现象确实已经到了普遍的地步，急需得到关注与解决。

2.大学生对于作弊行为的认知及建议

从图3可以看出，大学生对于作弊行为的态度上，有41.82%的人认为作弊是不正确的行为，但是可以理解。四分之一的大学生认为作弊是错误可耻的行为，但是调查发现选择此种看法的同学中，仍有31.58%的人有过作弊行为。另一方面，有10%的学生认为目前大学生作弊是很正常的事情，还有一些同学选择了很难讲清、与我无关的选项。

有无活动性出血或明显渗血，填塞组48h后逐渐拔除高膨胀海绵，根据出血情况分为无明显出血、少量渗血、较多出血。不填塞组明胶海绵可吸收无需取出。

图3 你对大学生作弊的态度

从图4可以看出，取消学位成为了威慑大学生作弊的第一原因，同时学校的纪律约束和当场被抓获时的尴尬也分占了19.77%和26.26%。

从图5可以看出，考试方式多样化、严格考试制度、加大处罚力度成为被调查者认为减少大学生作弊的三种最有效措施。

图5 你认为有什么方法可以减少大学生作弊

(二) 大学生作弊情况

1.你作过弊吗？

通过图6、图7我们发现三分之二的大学生在考试中做过弊(涉及私人机密使被调查者出于保护隐私而给出虚假回答的可能性误差包含在内)，进一步分析我们发现大三大四的作弊比例更高，男生较女生的作弊比例也更高，大四学生男女作弊比例分别达到了73.83%和66.67%。

图6 不同年级的作弊比例

图7 不同年级的男女作弊比例

2.非数字化处理问题

从图8可以看出，超过一半的大学生将如果自己作弊的原因列为了没复习好，避免挂科，19.09%的学生则认为对考试课程不感兴趣是自己考试作弊最有可能的原因。随着奖学金等制度的建立，许多同学对此的渴望也成为了考试作弊的原因之一；而其他原因中，出于同学友情、心理不平衡等方面也分别占据了11.36%和4.32%。

图8 考试作弊原因分布图

从图9可以看出，超过三分之二的学生虽然不愿意，但是还是会给予配合，直接拒绝的同学仅仅占到了13.41%。令人感到诧异的是在被调查者中，竟然没有同学选择向老师举报。

图9 如果一个关系好的同学考试中向你“求助”，你会怎么办？

(三) 非参数检验

1.性别和是否做过弊是否有关？

建立原假设H0：性别与是否作过弊是两个独立的分类变量

H1：性别与是否作过弊是两个不独立的分类变量

表4 性别*作过弊吗交叉制表

表5 卡方检验

a 单元格(0.0%)的期望计数少于5。最小期望计数为 82.80；b.仅对2x2表计算

进行列联表与卡方独立性检验，从表5中可以看到，卡方值为0.298，同时p值为0.585，远大于0.05的显著性水平要求。因此，不能拒绝“性别与对作弊态度无关”的原假设。

2.年级和对作弊行为的态度是否有关？

建立原假设H0：年级与是否作过弊是两个独立的分类变量

H1：年级与是否作过弊是两个不独立的分类变量

表6 年级*作过弊吗交叉制表

表7 卡方检验

a.0单元格(0.0%)的期望计数少于5。最小期望计数为24.40。

进行列联表与卡方独立性检验，从表7中可以看到，卡方值为16.913，同时p值为0.001，远小于0.05的显著性水平要求。因此，拒绝“年级与是否作过弊无关”的原假设，我们可以认为年级与是否作过弊有关。

3.性别和作弊的原因是否有关？

建立原假设H0：性别与作弊的原因是两个独立的分类变量

H1：性别与作弊的原因是两个不独立的分类变量

表8 性别*作弊的原因交叉制表

表9 卡方检验

a.0单元格(0.0%) 的期望计数少于5。最小期望计数为8.00。

进行列联表与卡方独立性检验，从表9中可以看到，卡方值为11.988，同时p值为0.35,小于0.05的显著性水平要求。因此能拒绝“性别与作弊的原因无关”的原假设，我认为性别与作弊的原因有关。

4.专业和作弊的原因是否有关？

建立原假设H0：专业与作弊的原因是两个独立的分类变量

H1：专业与作弊的原因是两个不独立的分类变量

表10 专业*作弊的原因交叉制表

表11 卡方检验

1) 6单元格(25%) 的期望计数少于5。最小期望计数为1.70。

进行列联表与卡方独立性检验，从表11中可以看到，卡方值为20.789，同时p值为0.144，大于0.05的显著性水平要求。因此，不能拒绝“专业与作弊的原因无关”的原假设，我们没有理由认为专业和作弊的原因有关。

(四) RRT技术结果

即约有77.27%的大学生有在考试中作弊的行为。

最后再计算出总体πA的置信区间为：

所以，以95%的把握程度推断大学生考试作弊人数比例在66.86%至87.68%。

(五) 不同数据采集方式下的作弊比例结果比较

从表12我们可以看出，实地采集、网络采集、RRT技术得到的大学生作弊的比例由低到高，呈现出比较明显的差异。同时以95%的把握程度推断大学生考试作弊人数的比例在三种情况下分别为：实地采集[47.51%,60.68%]；网络采集[59.65%,72.17%]；RRT 技术结果[66.86%,87.68%]。可以看出，网络采集和RRT技术得到的置信区间有重合的部分，实地采集和RRT技术为同一批调查主体，但得到的作弊比例置信区间却相去甚远。