本科生《医学统计学》课程满意度指数模型的构建与评价*

中南大学湘雅公共卫生学院流行病与卫生统计学系(410078) 童卓雅 吴艳艳 程 锦 赖静敏 史静琤

【提 要】 目的 构建本科生《医学统计学》课程满意度指数模型，为课程质量评估提供测评工具。方法 以美国顾客满意度指数模型为理论框架，结合我国高等医学院校本科生《医学统计学》课程特点，采用偏最小二乘结构方程模型，构建课程满意度指数模型。以405名医学本科生为样本人群，通过结课后在线填写问卷方式收集数据。采用区分度分析法、Cronbach′s α系数法、相关系数法对潜变量进行筛选。采用Smart PLS3.0对模型信度、效度、预测能力进行评价。结果 构建了含15个潜变量与29个观测变量的本科生《医学统计学》课程满意度指数模型。测试版模型的Cronbach′s α系数在0.705～1.000之间，组合信度在0.871～1.000之间；除感知质量的平均提取方差为0.497外，其余潜变量的平均提取方差均大于0.7；观测变量的外部因子荷载均大于0.7；所有观测变量在对应潜变量上的外部载荷均大于其在其他潜变量上的交叉荷载。决定系数在0.120～1.000之间，预测相关性Q2为0.111～0.718；该模型的路径系数均具有统计学意义。学生满意度指数得分为79.80，临床医学、护理学、基础医学与口腔医学学生得分分别为80.85、67.78、56.12和57.81。结论 本科生《医学统计学》满意度指数模型含15个潜变量与29个观测变量，模型可靠、有效，并有良好的预测能力。此模型为本科生《医学统计学》课程质量评估提供了一个标准的测量工具。

《医学统计学》的教学质量水平对高层次医学人才培养和医学科研质量提升有着重要意义[1]。目前对高校教学质量的测评还缺乏标准、统一的工具。《医学统计学》是医学本科生的必修课，是医学科研的重要基础；另一方面，由于其与数理统计和软件实现紧密关联，该课程的思维方式与其他以识记为主的医学课程不同[2]，是本科教学中的难点之一。因此，对该课程进行教学质量测评尤为重要。

1994年创立的美国顾客满意度指数(American Customer Satisfaction Index，ACSI)是公认的满意度标准化测评工具[3]。ACSI用感知质量反映顾客实际体验，价值整合了收入和价格信息，可进行跨行业和跨时间比较[4]。本研究以某大学为研究现场，该校《医学统计学》课程教材为李康与贺佳主编的《医学统计学》第7版(人民卫生出版社)，安排授课教师12人，其中教授5人，副教授6人，讲师1人。课程采用线下多媒体授课方式，设置32个理论学时。教学内容包括基本统计方法和常用的高级统计方法(多元线性回归分析、logistic回归分析和生存分析)。拟将ACSI模型运用于医学本科生《医学统计学》课程质量测评，并进一步对感知质量进行细化和内涵分解，优化模型，期望为课程质量测评提供标准化的工具，进而识别教学质量的薄弱环节，提出有针对性的建议。

对象与方法

1.理论框架

基于ACSI框架，把“顾客”一词替换成“学生”。《医学统计学》课程满意度指数模型主要由学生期望、感知质量、感知价值、学生满意度、学生抱怨和学生忠诚6个潜变量组成。由于该课程在医学本科生中属于必修课，“学生忠诚”较难在重复选课中体现，故将“学生忠诚”改为“学生信任”。模型各潜变量内涵见表1。经过文献检索、专家咨询后，把感知质量细化为9个一阶潜变量，分别为总体质量、教学内容、教学安排、教学方式、教学态度、考核方式、教学效果、自主学习质量和支持服务[5-8]，模型结构见图1。

图1 医学本科生《医学统计学》课程满意度指数模型

表1 本科生《医学统计学》课程满意度指数模型主要潜变量及其内涵

2.观测变量的形成

通过文献检索、专家咨询、议题小组建议，形成32个观测变量。除“学生抱怨”回答采用二分制计分(0，1)外，其余变量均采用Likert 10级评分(1～10)。

将观测变量做同趋势化处理后按以下方法进行筛选：①区分度分析法：将观测变量总分从低分到高分排序，前27%的调查对象为低分组，后27%的调查对象为高分组。用Wilcoxon秩和检验和χ2检验比较两组差异[9]，考虑删除差别无统计学意义的变量。②Cronbach′s α系数法：如果某一变量去除后模型的Cronbach′s α系数上升，考虑删除该变量。③相关系数法1：采用秩相关计算各变量与模型总分的相关系数，相关系数小于0.4的变量考虑删除[9-10]。④相关系数法2：采用秩相关计算观测变量与其所属潜变量得分的相关系数，相关系数小于0.6的变量考虑删除[10-11]。满足上述任意2条及以上标准的变量，考虑删除。

3.学生满意度指数的计算

据ACSI提出的满意度指数公式计算医学本科生《医学统计学》课程满意度指数(satisfaction index，SI)[3]:

SI=(E[SS]-Min[SS])/(Max[SS]-Min[SS])×100

其中，SS代表学生满意度潜变量得分，E[SS]为学生满意度潜变量的均数，Min[SS]为学生满意度潜变量的最小值，Max[SS]为学生满意度潜变量的最大值。

4.研究对象

对某大学开设《医学统计学》课程的三年级本科生经过随机整群抽样后获得调查对象。

5.样本量的估计

据Hair等人的准则[12]，所需的最小样本量为连接潜变量路径数的10倍。本研究中潜变量间路径共18条，纳入405个调查对象符合要求。

6.统计学方法

运用IBM SPSS Statistics 26.0进行描述性统计分析；Smart PLS 3.0评价模型的信度、效度和预测能力。

结 果

1.调查对象基本情况

本研究共回收问卷420份，其中有效问卷405份，有效率为96.43%。女生247人(60.99%)，男生158人(39.01%)。调查的四个医学专业中以临床医学专业学生为主(占75.31%)；学生的平均年龄为(19.86±0.79)岁；见表2。

表2 医学本科生基本情况

2.观测变量筛选结果

变量筛选结果见表3。达到删除标准的有3个变量，分别为教学进度快慢程度(PQ7)、理论与实践的课时比例(PQ8)和是否对医学统计学提出过投诉(PC2)。结合实际情况，对以上变量进行删除。

表3 观测变量筛选结果

3.初始版模型调整

对观测变量进行筛选后，经核心小组讨论，构建含15个潜变量，29个观测变量的初始版模型。对结构模型进行测评，发现学生期望指向感知质量的路径无统计学意义，删除该路径，构建测试版模型。

4.测试版模型评价

(1)测量模型评价

各潜变量Cronbach′s α系数在0.705～1.000之间；组合信度(composite reliability，CR)在0.871～1.000之间，见表4，指标提示模型信度较好。

模型效度见表4至表6。各观测变量外部因子载荷均大于0.7；除感知质量的平均提取方差(average variance extracted，AVE)为0.497外，其余潜变量AVE均大于0.5，提示模型有良好的聚合效度。各观测变量在其相应的潜变量上的外部荷载大于其在其他潜变量上的交叉荷载；各潜变量AVE平方根均大于其与各潜变量的相关系数，提示模型有良好的区分效度。

表4 测试版模型潜变量信度、聚合效度评价结果

表5 测试版模型交叉荷载

表6 测试版模型一阶潜变量 Fornell-Larcker标准结果

(2)结构模型评价

外生潜变量VIF均小于5，不存在共线性。测试版模型所有路径均有统计学意义。直接效应中，除学生满意度指向学生抱怨、学生抱怨指向学生信任的路径为负向影响外，其余路径均为正向影响。最大效应的路径为学生满意度指向学生信任(b=0.717，P<0.001)。指向感知质量的路径系数最大为教学内容(b=0.283，P<0.001)。间接效应中，除指向学生抱怨的间接路径为负向影响外，其余路径均为正向影响。其中效应最强的路径为感知质量通过感知价值与学生满意度指向学生信任(b=0.517，P<0.001)。总效应中，除四条指向学生抱怨的路径以及学生抱怨指向学生信任为负向影响外，其余路径均为正向影响。对学生满意度影响作用最大的为感知质量，路径系数达0.689(P<0.001)，见表7。

表7 测试版模型总效应

(3)预测能力

表8 测试版模型预测能力

5.模型的应用

经满意度测评，全体医学生满意度指数为79.80，其中临床医学学生满意度指数为80.85，护理学学生满意度指数为67.78，基础医学学生满意度指数为56.12，口腔医学学生满意度指数为57.81。男生的满意度指数为75.39，女生的满意度指数为80.86。

讨 论

本科生《医学统计学》满意度指数模型基于ACSI理论框架，对感知质量设置了更具体的一阶潜变量，能明确统计学课程满意的本质特征及其形成过程[13]。模型可为课程质量测评提供可靠而有效的工具，为课程质量提升和学生满意度提高提供参考依据。

综合考虑满意度的三个前因变量对其直接和间接影响，感知质量的影响最大，表明感知质量是影响学生满意度最重要的因素，这与Serenko在教育学的研究和kim等人在其他领域的研究一致[15-17]，完善质量是提升满意度最重要的前提。感知质量与其一阶潜变量的直接效应表明教学内容对其影响最大，故完善课程质量的关键在于教学内容的改进。教学管理者用此测量工具明确影响课程质量的因素后，才能构建更为优化的课程项目以满足学生需求，帮助学生获得更好的学习效果。

医学本科生的满意度指数为79.80，临床医学学生的满意度指数(80.85)远高于护理学、基础医学和口腔医学的学生，基础医学学生的满意度(56.12)在四个专业中处于最低水平。教师在授课过程中需注意与学科的交叉，引入实际问题时需考虑各专业背景的学生[18]。该模型可估计并比较不同专业学生的满意度水平，满意度指数得分可作为高校检验教育服务改进情况的依据[15，19]。

本研究构建了含15个潜变量，29个观测变量的本科生《医学统计学》课程满意度指数模型。具有良好的信度、效度和预测能力，可为课程质量测评提供科学的测量工具。