IT类课程自主学习情况调查分析

2020-05-13李良

安徽电子信息职业技术学院学报 2020年2期

李良

（苏州工业职业技术学院，江苏苏州 215104）

自主学习是指支配自己的时间主宰自己的学习，其主要是由学习者的实际态度、学习能力和分析策略等因素综合而成的。如今，国内外学习的发展趋势是以学习者自主学习为主的学习形式，自主学习的实质是以学生自身作为学习的主体，通过学生自己对问题的独立分析、自主思考、研究探索等方法来实现学习目标，从而达到既定的目的[1]。通过对某职业院校学生IT类方向课程自主情况的调查，收集关于学生自主学习的数据，并利用相关分析、假设检验、因子分析等多种统计学方法分析数据，从而达到了解高职学生自主学习各方面的综合情况。

一、数据的初步统计与分析

本次调查涉及的课程是以的IT类课程为主，调查对象为80名学生，其中男生38人，女生42人，分别占样本比例数量的47.5%，52.5%；其中大一、大二人数分别是40人、40人，占样本比例数量的50%，50%。

1.完成作业方式

学生自主完成作业三种完成方式中，选择“抄袭他人”占10%，选择“与同学讨论完成作业”占57.5%，选择“独立完成”占32.5%。有良好习惯的学生是很少会抄袭他人作业的，所以完成作业的方式可以表现出学生自主学习的能力，一般情况下学习能力越强的学生他自主完成作业可能性就越大。

2.影响自主学习因素

影响学生自主学习的因素中，选择“自我控制力差”占66.3%，选择“没有合适的学习环境”占32.5%，选择“网络游戏”占1.3%。说明在校生有超过一半的学生因自我控制力差而导致自主学习能力不强，这也成为影响学生自主学习的主要因素；还有部分学生因为学习场所而无法自主学习。因此，提供好的环境也可以让学生努力学习。

3.自主学习主要内容

自主学习内容中，选择“专业学科知识”占40%，选择“职业技能知识”占37.5%，选择“提升学历”占17.5%，选择“无内容”占5%。说明大多数学生在自主学习内容上还是放在校内的主要课程方面，他们想通过自主学习提高自身的专业技能。还是有5%的学生对自主学习的内容毫无概念，这对学生来说是有负面影响的。

4.学习类型

学习类型，选择“积极主动，有目标 ”的32.5%，选择“被动学习，老师安排”占53.75%，选择“盲目学习，他人学才学”占7.5%，“没目标”占6.25%。说明目前学生比较积极，有自己的学习方向和目标，但是被动学习比例也比较高，今后在对学生的自主学习的激励方式方法上还有待提高。

二、相关分析

在统计学中，相关分析表现出彼此变量之间的密切关系程度及其变化的规律。根据收集的问卷结果，利用SPSS软件的相关分析功能，分析学生自主学习的成绩，是否与学生预习课程的时间和学生利用空余时间学习的时间、完成作业的时间等因素的密切程度。分析结果图1所示。

图1 相关系数结果

从图1可知，与学生“专业课程成绩”相关度最高的三项是：“自主学习时间”“网络学习平台时间”“预习课程时间”，相关系数分别为0.921、0.872、0.662。根据所统计的相关系数可以明显看出，学生想要在自己的专业课上面取得较好的成绩，最重要的是“自主学习时间”。因此，学校还是要重视学生在大学生活中的自主学习能力的锻炼，更应该在学生学习的过程中让学生对自己的学业做出明确的时间安排，通过针对性的、计划性的自主学习，才能更好帮助学生实现自主学习。

三、假设检验分析

假设检验是SPSS中基本的推断方式，主要是用于判断样本与样本之间，样本与总体之间的差异。利用假设检验分析学生所在年级、学生自主学习时间、男女生之间的差异对于学生专业课程成绩总体情况的影响是否有显著性差异。

1.不同年级的自主学习时间

根据大一和大二各40个同学的两个样本，通过SPSS软件假设检验功能分析得到如下结果，如图2所示。

图2 大一、大二学习时间的假设检验结果

从图2可以知道，在“独立样本T检验”表中，“方差方程的Levene检验”的P的值为0.865，大于0.1，说明两个独立样本的方差是齐性的。所以，在选择“假设方差相等”列表中查看假设检验的结果，该列表中的独立样本T检验的Sig.（双侧）的值是0.019，小于显著性水平0.05，这说明大一学生专业课程成绩的显著性不同大二学生专业课成绩。

根据样本均值的统计，大一学生自主学习的时间均值是71.95分钟/天，大二学生自主学习的时间均值是78.6分钟/天，说明大二的自主学习时间要显著高于大一的自主学习时间。

2.不同性别的课前预习时间

根据38个男同学和42个女同学两个样本，通过SPSS软件假设检验功能分析得到如下结果，如图3所示。

图3 男、女同学预习时间的假设检验结果

在选择“假设方差相等”列查看假设检验的结果，该列的两个独立样本T检验的“Sig.（双侧）”值为0.012，小于显著性水平0.05，说明男生预习课程的时间上与女生预习课程时间存在差异，有明显性的差异。

同时，与之前的平均值情况相结合，可以得出：女生在预习课程时间的显著性高于男生预习课程的时间。

四、因子分析

（一）因子分析

SPSS的因子分析的基本目的是通过使用少数的因子来描述较多指标或者是因素彼此之间的联系，就是将相对而言比较密切的数据变量归在同一个类别中，其中的每一类变量就是一个因子，用比较少的几个因子去反映出原来资料所能够呈现出大部分信息[2]。

在本课题的数据分析研究中，使用因子分析法中的主成分分析来对多元数据进行分析，让我们对数据有大致的了解。

（二）选取变量

因子分析是指用少数几个因子来描述许多因素之间的联系，以较少几个因子反映原来资料大部分信息的统计方法。本文将学生自主学习影响因素分解为15个因素，分别为：学习资源、设置目标、目标监督、师生关系完成作业、预习复习、做笔记、上课听讲、多做难题、教学视频、独立解决问题、去图书馆、看参考书、与同学交流、分析错题。通过SPSS因子分析功能，筛选出15个因素的公共因子，减少分析的维度，提高分析的效率。

（三）因子分析检验

将15个变量输入SPSS，作为分析变量，然后进行因子分析。使用KMO和Bartlett’s球性检验两种方法分析变量之间的整体关联性强度，结果如图4所示，KMO的值为0.711，超过0.7，而Bartlett’s球性检验的sig值为0.000，小于显著性水平0.05，两个检验结果显示：这些变量之间的关联性较强，能够提取有价值的公共因子，适合做因子分析。

图4 因子分析检验结果

本研究采用主成分法，然后用最大方差法进行因子轴旋转，共有6个公共因子特征根超过1，6个公共因子分别称为：F1、F2、F3、F4、F5、F6，6个公共因子的载荷矩阵见图5。

图5 旋转因子载荷矩阵

旋转后的因子载荷矩阵结构表明，因子F1的主要成分为：学习资源、设置目标、看教学视频、自己解决问题、多做难题，定义其为学习动机因子；因子F2的主要成分为：目标监督、师生关系、常去图书馆定义其为学习过程因子；因子F3的主要成分为：多看参考书、与同学交流，定义其为学习方法因子；因子F4、F5、F6包含的信息较少，所以只保留前3个公共因子。

各因子名称、特征值、方差贡献率及累积方差贡献率见表1。3个因子的累积方差贡献率为52.446%，大于50%。这表明使用3个公共因子已经保留了原始数据中较多的信息量，因子分析的结果是可以接受的。

表1 各因子方差贡献度

结论：自主学习方面激励措施可以考虑三个方面：学习动机、学习过程和学习方法，并且优先考虑学习动机，因为学习动机是学生学习的根本原因所在，有了学习的动机才会有在自主学习过程中付出努力。学校可以鼓励学生在自主学习过程中动机的培养，通过开展一些学习竞赛、评选优秀学习标兵等方式激发学生的积极性，通过学习榜样树立，促进自主学习达到良好的成效。