高校教师评教成绩影响因素分析——基于有序多分类Logistic回归模型

麦继芳， 陈俊宏，赵海清

(岭南师范学院 a.数学与统计学院，b.教务处，广东 湛江 524048)

0 引言

高等教育是人类发展到一定阶段的产物，其存在的根本目的在于满足受教育者发展的需要，将学生培养成具有某一专业知识的人才，为社会和国家提供高级专门人才。教师作为高等教育办学的主要角色，其教学质量和教学水平对高等学校的人才培养和办学水平具有深远的影响。教学质量管理及其评价系统是高校教学质量的保障体系的基本组成部分。教学评价作为教师教学质量的评判标准，它在教育评价活动中起着不可低估的作用。高校现有的教学评价系统主要包括：教学检查、学生评教、专家评教、专业评价、课程评价和院系教学综合评价等方面。其功能是广泛收集教学信息，通过对教师的教学质量科学地评价和诊断，不断改善高校评教系统，从而提高教学效果[1]。

关于教师教学评价分析的研究，极少学者从高校教师的教学质量的视角去研究。目前，国内现行关于高校教师教学评教方面的研究还不够深入，基本还停留在现状描述和理论分析层面，缺乏实证研究分析[2-6]。国外少些学者针对教师教学质量评价体系方面做了一定的研究，但针对高校教学质量影响因素分析这方面研究的文章尚少[7-11]。现行的评教体系仅包括学生成绩等基本信息以及学生对老师评价的信息，尚未结合教师的基本信息进行分析。文章基于有序多分类Logistic回归模型[12]，结合教师基本信息(如教师职称等)，对高校教师评教成绩进行建模分析。文章首先使用逐步回归分析方法，逐步剔除一些不显著变量，找出高校教师评教成绩的主要影响因素，再使用有序多分类Logistic回归模型对剩下的变量进行拟合和预测，并对拟合和预测结果进行分析。

1 数据来源及描述性分析

1.1 数据说明

为了避免评教过程中不同课程教学方式存在差异性，本研究选取广州某所高校2015级480位学生作为研究对象。收集2016—2017年度“统计学”这门课程的信息。收集的内容包括教师评教成绩，学生对教师的教学态度(x1)、教学内容(x2)、教学方式(x3)、教学效果(x4)的评分以及关于这四个方面的文字性评价信息，学生的平时成绩(x5)、期末考试成绩(x6)。授课教师的个人基本信息：是否参与编辑教材(x7)、教师职称(x8)、该学期任课总课时数(x9)和教龄(x10)。

将教师评教成绩划分为五个等级，分别是60分以下，60～69分，70～79分，80～89分，90～100分。并将教师评教成绩等级设为因变量y，其中y=1，2，3，4，5。此外，将学生对教师的文字性评价信息量化为0，1变量,若学生评价的文字中含有表1相应的关键词，则记为1；否则，记为0；所得结果见表1。

表1 学生文字性评价关键词得分标准

1.2 描述性分析

图1反映了学生在教学态度方面评价次数为347，约占60%。由此可见，学生对教师的教学态度尤为重视，这从侧面反映出教师的教学态度对学生的影响非同小可。

由表2可以知，高校教师评教等级的均值为4.75，可推知，总体上，学生对老师的评价持满意的态度；其偏度系数为-3.08，该分布为左偏态，且偏离程度较大，反映出个别学生对授课老师持有较极端的消极评价。在峰度和偏差上，除了教学效果的峰度和偏差较大之外，其他三项文字性评价的分布都较平稳且较对称，由此推测，可能是因为学生的个体差异，导致不同学生对不同授课老师的接受能力有较大的差异，故不同学生对教师的教学效果评价差距较大，而教师的教学态度、教学内容和教学方式这些是学生能够直接感受和体会的，评价也相对客观些，因此评价差距相对较小。其次，学生平时成绩的均值、最大值、最小值、峰度和偏度分别为：88.92、50、100、4.54、-1.78，期末成绩的均值、最大值、最小值、峰度和偏度分别为：76.59、0、99、3.39、-1.19，可以看出，总体上学生的平时成绩普遍较高，但期末成绩的峰度与偏度都较小，且更趋近正太分布，这说明期末成绩比较接近自然常态，而学生的平时成绩受教师的主观因素影响较大。

表2 变量的描述性统计信息

续表2

2 有序多分类Logistic回归模型

有序多分类Logistic回归模型[13]是一种概率型非线性回归模型，该模型适用于分析一个有序多分类因变量与多个自变量之间的关系。该模型不要求变量服从正态分布，其自变量可以是连续的，也可以是非连续的，对于离散的，有等级划分的因变量最为合适。有序多分类Logistic回归模型的基本思想是将因变量分割为两个等级，针对这两个等级建立因变量为二分类的Logistic回归模型[14]。

s=1,2,…,k-1

(1)

其中，Ls为第s个累积Logistic回归模型，(x1,x2,…,xq)为自变量向量，q为自变量个数，αs是截距项参数，βi是偏回归系数。

模型的参数估计可使用极大似然法求出[16]。假设nj(x)为在条件x下的第j个等级样品观察个数，G为x各个水平的组合数，则对数似然函数为：

(2)

其中，P(y=j|x)=πj=pj-pj-1极大。函数的求解计算需要使用计算机迭代完成，文章使用统计软件R语言进行操作。

本文将教师的评教成绩划分为五个等级，并将其设为因变量，其取值为y=1，2，3，4，5。因此，本文使用有序多分类Logistic回归模型进行建模，并结合实际情况进行分析，找出影响高校教师评教的成绩的关键因素。

3 模型估计的结果与分析

为了检验模型的准确性，本文抽取120个样本作为测试集来检测模型拟合效果；剩下的360个样本作为训练集，用于拟合模型。对训练集建立有序多分类Logistic回归模型，并结合使用统计软件R语言的MASS包的polr函数，得到全模型的参数估计结果见表3。

表3 全模型参数估计结果

由表3可知，尚存在很多变量的t值较小，可能自变量之间存在多重共线性问题。为优化模型，使用向后逐步回归法对自变量进行筛选，逐步剔除不显著变量：x4(教学效果)、x10(教师教龄)、x9(教师该学期课时数)、x2(教学内容)、x6(学生期末考试成绩)、x8(教师职称)、x5(学生平时成绩)，再次使用有序多分类Logistic模型对剩余的变量做回归分析，其回归结果和检验结果见表4和表5。

表4 模型回归结果

表5 检验结果

由表4和表5可知，该模型中各变量的P值都小于0.02，显著性较好；此外，模型的AIC值为437.50，赤池信息量相对较小。总体上，该模型的拟合效果较好，另外，可得到具体的有序多分类Logistic回归方程见式子(3)：

(3)

由此可解得pi，见式子(4)：

(4)

因此，可求出每个等级对应的概率，见式子(5)：

(5)

下面，使用测试集检验模型的准确度。通过使用R软件predict函数，得到预测，并对预测值和真实值进行比较分析，结果见表6。

表6 预测值的拟合效果分析

由表6可知，真实值为1的测试值没有对应的预测值，而真实值为2、3、4的预测值均为5，个数分别为：1、5、15。真实值为5对应的测试值为4仅有1个，对应测试值为5就有98个。故模型的整体准确率为98/120=0.816 7。因为真实值为4的预测值为5，而真实值为5的预测值为4，接近正确，故正确率近似等于(1+15+98)/120=0.95。其预测效果较佳，因此表明所选的回归模型较合理。从而，我们可以得出结论：能体现高校教师评教成绩的主要因素是教师的教学态度、教学方式和教材编辑。

4 小结

本文使用有序多分类Logistic回归模型，挖掘出了对高校教师评教成绩有显著影响的因素，发现教学态度、教学方式和教师是否参与教材编辑三个对模型有显著影响的因素；事实上，这三个因素最终影响着教师的教学质量。一个持有认真的教学态度，在课前积极备课，在课堂上表现热情饱满的教师，对学生的感染非同小可。学生更容易受热枕于教学的教师感染，进而对学习充满热情。现实上，我们发现学生在对老师做文字性评价时，教师的教学态度出现次数是最多的，这再次证明了教学态度在教学质量中尤为重要；同时，教师的教学方式影响着学生的学习方式和思维方式，导致最终会影响学生的学习和成长。而科学的教学方式能够高效地促进学生进行思考，从而达到提升学生思维能力的目的；此外，高校教师的知识渊博程度对学生也有一定的影响。若一个教师有能力参与教材改编，足以体现该教师对该门课程的知识非常熟悉，且逻辑思维非常严谨。他能把握住教学的重点和难点，所以，其所授课课程也应是逻辑非常清晰的，自然地，学生很容易接受他传授的知识。如此看来，教师在学生的学习中占有举足轻重的地位。

高校是培养人才的基地，为了能更好地为社会提供高素质人才，学校应意识到培养高素质教师人才的重要性，这需要学校和学校教师的共同努力。首先，老师们需积极探讨什么样的教学方式更适合教授学生，多去寻找能提升自己的机会，在学识上不断地完善自我。再者，各高校的管理部门应对教师教学水平引起重视，积极探索提高教师工作责任心和提高教师教学态度的方法和途径，鼓励教师向有经验的优秀教师学习好的教学方法，资助老师们出国深造，让他们学习国外优秀的教学经验和先进的知识。当然，各高校应紧跟时代发展的步伐，不断探索出适合学校教学活动的反馈机制和评价体系，从而促进教师教学质量的提升。唯有如此，才能塑造出优秀的教师，从而培养出更优秀的学生。