APP下载

研究生导师指导质量满意度影响因素分析

2021-12-30杨烨军,李娜,王徐凯

关键词:机器学习

杨烨军,李娜,王徐凯

摘要:运用决策树算法挖掘影响研究生导师指导满意度的因素,并对机器学习所得相关影响因素进行列联分析,提出增加导师与研究生交流沟通的次数,积极引导、鼓励学生参加各类学术活动和科学研究等建议.

关键词:学科评估;指导质量;统计调查;机器学习

[中图分类号]G526.5[文献标志码]A

Research on the Satisfaction Factors about

Guidance Quality of Graduate Tutors

YANG Yejun*,LI Na,WANG Xukai

( Anhui University of Finance and Economics,Institute of Statistics and Applied

Mathematics,Bengbu 233030,China)

Abstract:Use decision tree algorithm to excavate factors affecting the guidance of graduate tutors,and analyze the relevant factors basing on machine learning.Then carry out contingency table analysis on the obtained influencing factors,and compare in detail the differences of influencing factors at different levels.Our recommendations are as follows:increase the number of additional tutors and postgraduate exchanges;actively guide and encourage students to participate in various academic activities and research projects of supervisors.

Key words:subject evaluation;guide quality;statistical survey;machine learning

決策树方法是常用于构造分类模型的机器学习方法.[1]通过决策树算法对回收的问卷进行机器学习,可以挖掘研究生导师指导质量满意度的主要影响因素,指导和改进教学.A大学研究生院的“导师指导质量”调查全程模拟了教育部学科评估中的研究生指导质量调查,具有一定的代表性.笔者以A大学为例,分析调查中反映出的问题,摸底研究生导师指导满意情况,查摆研究生导师指导过程中存在的问题,进一步提升研究生导师指导质量满意度.

1问卷说明与样本描述性统计

A大学研究生院于2020年5-6月组织了研究生“导师指导质量”问卷调查,问卷内容包括研究生对导师学术水平、人品道德及指导等细分方面满意度评价.问卷调查对象为所有在校研究生,共发放问卷1 800余份,回收有效问卷1 699份.

1.1问卷说明

导师指导质量问卷分析中决策树的目标变量是各项满意度,影响因素[2]包括导师职称、导师与学生月平均交流次数等12个变量,分别以导师学术水平、导师人品道德、思想品德指导、专业知识指导、科研能力指导、就业指导、日常生活指导等各分项的满意度作为目标变量进行决策树分析挖掘其影响因素.(1)满意度度量:导师学术水平、导师人品道德和导师指导满意度(分为思想道德、专业知识、科研能力、就业能力和日常生活5个细分项).满意程度按由高至低,分为很满意、满意、一般、不太满意和不满意5类.(2)影响导师指导质量满意度的因素.测试导师职称、导师年龄、同门人数、月平均交流次数、学生参加项目数、师生关系类型等.

1.2研究生导师指导质量满意度总体情况

表1是研究生导师指导质量满意度总体情况.调查结果表明,绝大多数研究生对导师指导满意.相对而言,研究生对导师在就业能力和日常生活方面的指导满意比例低于98%.

2影响因素决策树分析

研究生导师指导质量满意度影响因素决策树分析目标变量是各项满意度,影响因素包括导师职称、导师与学生月平均交流次数等12个变量,详见表2.由于原始数据不平衡,研究着重考察研究生对导师指导不满意的影响因素,所以在构建决策树时对“不满意类”增加权重.[3]

2.1总体满意度影响因素决策树分析

研究生导师指导总体满意度影响因素决策树见图1.从图1中可以看出,对导师总体满意度评价影响的重要因素包括与学生每月的平均交流次数、是否传统型师生关系[4]、学生参与的科研项目数、同门人数和导师年龄5个变量.导师与学生每月的平均交流次数少于2次的满意度明显低于每月交流次数≥2次的导师,两类导师的总体满意率相差53%;师生关系的类型与总体满意率息息相关,非传统型师生关系总体满意度更高;学生参加项目数量、同门人数和导师年龄等因素也对总体满意度有重要影响,学生参加的项目越多、同门人数越多、导师年龄越大,学生的总体满意率越高;研究生参加科研项目数≥1项的更加倾向于满意;导师指导的研究生人数≥8人的更加倾向于满意;导师年龄>40岁的更加倾向于满意.

2.2学术水平满意度影响因素决策树分析

导师学术水平满意度影响因素决策树分析与总体满意度有所不同,详见图2.导师年龄变得相对重要,导师年龄≤40岁,学生对导师学术水平满意率更高.可能的原因是年轻导师与研究生之间的年龄代沟小,师生关系可能会处理得更好,年轻导师的学术研究方向可能也较新.另外,由于刚开始指导研究生,年轻导师也更愿意花费较多时间指导研究生,从而研究生对导师的学术水平满意率更高.

3影响因素列联表分析

3.1导师指导质量满意度与师生交流因素列联表分析导师指导质量满意度与月平均交流次数列联表见表3.从表3中可以看出,8组列联表的卡方检验P值非常接近于0,导师指导是否满意与月平均交流次数变量之间不是相互独立的,两者相关性非常显著.月平均交流次数为0-1次的不满意学生人数明显高于月平均交流次数为2-3次的,月平均交流次数大于等于4次的学生对导师不满意数量明显减少.在思想品德和学术水平是否满意的问题中,月平均交流次数大于等于4次的样本,仅有1份为不满意;在科研能力、专业知识、人品道德和总体是否满意等问题中,平均交流次数大于等于4次的样本全为满意.

3.2导师指导质量满意度与学生参加项目数量列联表分析

学生参加项目的数量也与导师指导质量满意度有很高的相关性,对两者的分析详见表4.从表4可以看出,列聯表的卡方检验结果均非常显著,导师指导是否满意与学生参加项目数变量相关,参加项目数越少,不满意的样本数量越多;随着参加项目数的增加,样本总数先减后增,但不满意的样本数一直递减,说明不满意比例递减.

3.3导师指导质量满意度与其他部分影响因素列联表分析

影响学生对导师满意度的重要因素还有导师年龄、同门人数和与导师的关系等,调查结果详见表5.随着导师年龄的增加,不满意的数量也在增加,40-50岁导师学生不满意样本数量最大;人品道德是否满意在5%显著性水平下,说明导师年龄增加,学生满意率会下降.

按照0-4人、5-8人、9-12人和12人以上对同门人数变量进行分箱,所得列联表见表6.从表6中可以看出,同门人数越多,对导师不满意的样本数量越少,不满人数的比例也略微下降,卡方检验的P值远超0.05.

是否为传统型师生关系的列联表见表7.从表7中可以看出,与导师关系是否为传统师生型对满意度的影响不显著,但一般认为非传统型师生关系有利于提升学生满意度.

4结论与建议

4.1增加导师与研究生交流沟通的次数,加强导师与所指导学生之间的交流导师与学生的交流频率在很大程度上决定了学生对导师的满意程度.如果一个学生在日常生活、就业、科研上遇到了问题得不到解决,又无法从导师处得到反馈与帮助,往往会导致对导师的不满.导师如果能够在与学生定期或不定期的交流中了解学生,给予学生一定的支持和帮助,必定能收获学生的爱戴.导师亦可以通过推动自己与学生之间的交流,增强团队氛围,提高团队意识,提高学生对导师指导的满意度.

4.2积极引导和鼓励学生参加各类学术活动和科学研究学生参加项目数与学生对导师指导的满意度有显著的正相关关系,学生参加项目数越多,研究生对导师的指导越满意.研究生阶段,学生参加学术活动和科学研究的数量基本取决于导师,由导师带领参加的项目和活动占据了大部分.[5]学术活动和科学科研可以锻炼学生的科研创新能力、沟通交流能力和团队协作能力,增强学生的自信心,使师生关系能够积极正向发展.

参考文献

[1]栾丽华,吉根林.决策树分类技术研究[J].计算机工程,2004(9):94-96+105.

[2]包水梅,杨冰冰.研究生导师应该具备怎样的指导能力[J].高等工程教育研究,2021(1):108-114+121.

[3]曹鹏.不均衡数据分类方法的研究[D].沈阳:东北大学,2014.

[4]于忠臣,李芳,王松等.基于调查分析营造优质高效课堂[J].牡丹江师范学院学报:自然科学版,2013(2):64-65.

[5]祝志川,张国超.统计学硕士研究生培养现状调查与分析[J].牡丹江师范学院学报:自然科学版,2018(4):73-77.

编辑:琳莉

猜你喜欢

机器学习
基于词典与机器学习的中文微博情感分析
基于网络搜索数据的平遥旅游客流量预测分析
前缀字母为特征在维吾尔语文本情感分类中的研究
下一代广播电视网中“人工智能”的应用
基于支持向量机的金融数据分析研究
基于Spark的大数据计算模型
基于朴素贝叶斯算法的垃圾短信智能识别系统
基于图的半监督学习方法综述
机器学习理论在高中自主学习中的应用
极限学习机在图像分割中的应用