基于SPSS 的高中地理优课课例因子分析

郑燕

（福州教育学院第二附属中学，福建 福州 350013）

加快信息化教育教学资源公共平台建设是我国基础教育发展的重要举措和必然要求，近年来加快信息化教育的步伐得到国务院、教育部的高度重视，使得教学资源发展迅速，国家通过创设“一师一优课、一课一名师”平台，既丰富了地理教师教学资源，又实现了教师在教学和教研过程中标准的统一，为教师的专业成长树立了标杆，确立了前进方向［1］。

为高效利用优课平台优质网络教学资源，促进信息教育融合，让教师能站在巨人肩膀上前行，笔者对高中地理优质课例的特征进行综合分析。考虑到自主学习对现有的学生的重要性，同时结合高中地理优质课的共性和个性，并根据设计的调查问卷的统计分析结果引导，从学生角度出发设置指标因子，使用统计分析软件SPSS 分析优课课例中教师采取的提升学生自主学习能力的关键因子，探索提升教学质量的对策。

一、数据来源与研究方法

优课课例众多，为便于研究且保证时效性，文章研究的优课选取范围限定为2019 年“一师一优课”平台提供的47 节部级优课课例，内容覆盖了高中地理的必修和选修，资源数据涵盖教学设计、教学实录、教学资源等。鉴于数据资源较多且在网络上在线分析较为困难，笔者逐一下载列表中的视频后进行分析。通过分析发现，课例同课异构的情形非常普遍，如中国自然灾害特点、固体废弃物污染及其危害、中国区域生态环境问题及其防治途径等热门话题均存在多个同名课例，在数据下载过程中会出现同名覆盖现象，故数据分析时同时增加课例序号加以区分。

1.优课课例分析法

课例分析的影响因素很多，笔者把促成课堂教学中学生的有效学习作为评价课堂教学质量的根本标准，考虑传统分析方法一般采用定性分析的方法，受分析者主观影响较大，这里以学生自主学习作为本次研究的主要方向，通过借鉴目前国内外常用的S-T 课堂教学分析法的思路尝试定量分析，以30 秒的采样频率对优课课例进行采样，记录学生和教师的行为，设置时序数据采样表，以S 表示样本的行为源于教师，含解说、示范、板书等行为，T 表示样本的行为源于学生，为便于统计，将非教师行为均视为学生行为［2］，NS 表示样本的行为源于教师的数量，是时序数据采样表中S 的汇总，Z 学生行为数表示学生行为的数量，是时序数据采样表中T 的汇总，同时设置分析数据汇总表以弥补原有分析方法不足，利用优课平台的资源优势，增加Z 变换数、Z 多角色分组、Z面对面、Z 学生自评、Z 多角色辩论探究、Z 上讲台、Z学生板书、Z 实验实践等动手方式、Z 交互率、Z 学生视频方式情境带入、Z 学生行为数指标，尝试分析教学模型中具体教学行为的特点。当然，行为特点分析影响因素较多，笔者引入因子分析，同时由于行为分析受分析者的主观影响较大、数据处理量较大、样本的数据颗粒度较大，还是无法精准表述不同类型行为的分布情况，难以精准反映出整个教学过程的所有表现和特点，是研究的不足之处。

2.因子分析法

社会科学在研究实际问题时大多数情况总希望尽量多收集相关变量，期望对问题有全面完整的把握，能尽可能全面地解释和说明问题本身，但过多变量既带来解释困难，也不利于体现主要影响因素。因子分析是一种以通过最少的信息丢失将尽量多个变量综合为较少几个综合指标的多元统计方法。［3］［4］［5］文章利用统计软件SPSS 对优课课例的各变量进行因子分析研究，笔者先根据原始的优课资源制作时序数据采样表，再计算汇总时序数据采样表的数据的Z学生行为数、Z 变换数、Z 交互率，然后生成分析数据汇总表，并通过软件实现把数据进行标准化处理的操作，结合系统给出的原始相关系数矩阵分析因子取舍是否恰当，通过计算皮尔森相关系数来判断变量间的相关性，确保因子设置没有重复，再进行相关系数矩阵检验的KMO 测度和巴特利特球体检验判断数据是否适宜使用因子分析。接着，笔者用主成分分析法将原有变量综合成少数几个因子，考虑到课例的数量超过30，这里采用碎石图检验原则，确定因子个数并结合因子旋转矩阵，使因子解更容易解释，同时通过构建合理的样本加权汇总得分综合因子，从而实现对各课例进行综合排序及分析［3］［4］［5］。

二、研究结果与数据分析

笔者共分析样本视频数47 个，其中必修一6 节、必修二4 节、选修37 节，可以发现在选材方面选修课程有明显优势。样本分析共截取采样记录数3822个，其中学生行为数2012 个，占比52.54%，可以明显发现现在教学过程中学生行为占比在显著增加。在做因子分析时，笔者先对数据做标准化处理，通过软件的分析描述功能，将标准化得分的结果保存为变量zscore，然后基于标准化数据进行数据分析，并得出以下研究结果。

1.KMO 取样适当测度和Bartlett 球形检测

KMO 测度是用来描述取样是否合适的常用方法，可反应研究数据是否可适用因子分析，笔者通过分析标准化的11 个指标因子得出相关系数矩阵，并计算得出本次研究的KMO 值为0.618（见表1），同时巴特利特的球体检验结果显著水平0.000，证明拒绝单位矩阵是相关阵的假设，表明变量间存在相关性，因子取样具有一定信度和效度，适合进行因子分析。［4］

表1 KMO和巴特利特检验

2.共同因子方差

因子的方差贡献是用来体现因子总的解释能力的，数值越高则说明因子重要性越高［3］［4］，笔者采用通用的主成分分析法，可以看到本次研究中的值均大于0.5（见表2），仅多角色辩论以及学生视频方式情境带入数值较低，表明这些变量的选取是适合做因子的，具备较好的信效度。

表2 公因子方差

3.总方差解释（如表3）

表3 总方差解释

主成分分析方法是因子分析中降维的主要方法，一般均采用相关性矩阵进行分析，通过输出的矩阵来获得未旋转的因子解。由于采用常用的基于特征值大于1 的eigenvalue 准则，得出的4 成分方差解释仅达到69%，考虑人文科学问题的复杂性，为增加解释可信度减少因为舍弃信息带来的误差，并结合碎石图（见图1）平缓曲线看出6 以后的散点曲线开始趋向平缓，笔者设置因子分析的抽取因子为固定数量5，可以发现5 成分的方差贡献率达到77.317%，可基本保留原有的指标信息，从而保证不会因为因子取舍丢失过多信息。这样原有设置的11 个指标因子变成了5 个指标。

图1 碎石图

4.成分矩阵以及旋转后的成分矩阵

通过成分矩阵知道每个变量解释情况，但是由于通常很多变量同时在几个未旋转的因子上有较大的负荷，使得解释起来比较困难，为使结果容易解释，采用最大方差法进行旋转因子解的输出，可以看出在10 次迭代后，数据出现了收敛［3］［4］。由表4 可以看出，Z 交互率、Z 变换数带入主要由第一主成分解释，与第一因子关系密切的变量主要是交互类变量，可以命名为交互因子，Z 学生行为数、Z 学生自评、Z多角色辩论探究主要由第二主成分解释，主要是学生自发行为类变量，可以命名为自主行为因子；Z 学生板书、Z 上讲台、Z 学生视频方式情境主要由第三主成分解释，主要是教师引导行为类变量，可以命名为引导因子；Z 多角色分组、Z 面对面主要由第四主成分解释，主要是表现形式类变量，可以命名为表现形式因子；Z 实验、实践等动手方式主要由第五主成分解释，可以命名为实践因子。从旋转后的空间组件图（见图2）上可以看到交互因子在学生视频方式情境带入方面与表现形式因子的关联冲突较大，未出现明显收敛，综合考虑后将其纳入表现形式因子。

表4 旋转后的成分矩阵a

图2 旋转后的空间的组件图

5.得分权重构建

在因子分析窗口笔者将因子得分保存为变量f1f2f3f4f5，并以各因子的方差贡献率占五个因子总方差贡献率的比重作为权重进行加权汇总，得出各课件的综合得分F.［5］即

F=（0.28265*f1+0.19801*f2+0.12121*f3+0.9438*f4+0.7692*f5）/0.77317

把F 的计算公示代入到各变量中，综合计算转换变量后再按F 得分由高到低排序，得出前5 的排序结果为：

表5 各课件综合得分表

三、结论与启示

1.从综合排名前5 的课例回顾分析并重新观摩，可以明显发现多数课例中的学生行为占比很高，为显著的对话型教学，教师从原先的单纯的讲授知识变为启发型的教学模式，教师将课堂的主动权交给学生。正像学习金字塔理论所表述的那样，在学习过程中将学生从被动学习的状态转变为主动学习的状态，通过小组讨论、实际演练，情境化带入，可以帮助学生实现学习内容超过75%的留存率，大大高于传统被动学习的10%-30%的水平，通过充分实现学生在教学过程中的思维纠偏，从而真正做到个性多元的自我提升，通过为学生营造和谐融洽、协作互动的课堂气氛，让学生学会自我对话，激发学生自主学习的内驱力，促进学生的成长。

2.从各因子权重来看，交互因子所占权重最大，这也同样体现出了课堂教学中注重师生互动的重要性，学生自主行为因子则体现了教学过程中应当侧重于以学生为主体的教学理念，交互因子和学生自主行为因子两者之和接近了50%，说明通过导学、情境创设让学生充分融入角色，通过创设任务驱动，引导学生分组探索、合作学习、自主学习，激发学生主动思考热情是一个提升教学效果的有效方式，而表现形式因子则更多是体现教师的教学方法和教学手段，而实践因子作为落实核心素养培养的落脚点，也是提升学生自身能力和水平的必由之路。对比优课课例，笔者发现存在一个普遍的问题：更多的交互都是发生在学生与教师之间。如何在教学中引导学生自发思考交互，真正融入角色扮演，实现学生间的交流互动，是一个需要加强的方向。

3.综合F 值特性来看，研究型学习更容易获得高分，问题研究模式学生的参与度高，复习课学生已经掌握基础知识，采用探究式教学模式教学，更加符合高中学生身心发展的需求，能更好地培养他们的各种能力，探究的过程比结果要更有价值，学生通过参与探究活动能加深知识的理解和掌握程度，而探究的结果对错都是有意义的，在参与中加深对知识的理解，修正原有知识纰漏和不足，构建系统的知识网络框架，更有利于完善系统的知识体系。同时，研究型学习理念更符合学生本位的思想，教师在教学活动中重视学生思维能力培养和探究能力的拓展，则有利于培养和提升学生的地理学科核心素养。

4.高中地理部级优课课例展示了诸多可学习、借鉴的地方，优课例研究采用目标驱动模式，由模仿走向创新，将优课作为旗帜和标杆，将先进的教学理念带入教学实践，课例分析有利于数据驱动教学，通过分析课例中学生的学习数据，并对数据进行加工和深度分析，从而让教师从不同角度科学量化学习数据，通过数据挖掘为教学决策提供依据，也为教师教学模式的改革摸索提供了有效的数据支撑。同时，在优课平台为构建教师教研共同体提供可能，契合了信息化教研的潮流，提高教师教研效果，通过不断迭代打磨优课，促进教师专业化发展。