基于主成分回归分析的经管类专业实践课程教学效果评价——以A 课程为例

付静

（广州软件学院，广州 510900）

0 引言

实践教学作为高等教育的重要构成部分，是培养应用型人才的关键环节，实践教学效果直接决定实践教学质量，实践课程是实践教学的重要载体，因此，进行实践课程教学效果评价非常有必要。实践课程教学效果评价体系的建立和完善不仅有利于提升课堂教学质量，为高校实践教学提供数据支持，也有利于实现校师生三方全面同步发展。

1 文献评述

目前，国内大部分学者主要是对理论教学或具体专业教学进行教学效果评价，而对某一门实践课程进行教学评价的文献相对较少，如许宇翔、谭淇婧以四川电大远程教育的“几何基础”课程为例，利用主成分分析法对数据进行降维处理，构建评价模型，通过模型计算的结果找出教师在教学过程中存在的问题，丰富教学工作［1］；陈丽娜以华中师范大学的混合式教学模式为切入点进行实证研究，发现混合式教学模式改善了学生学习的积极性和主动性，培养了学生独立思考的能力［2］；刘茂平以广东技术师范学院为例，采用主成分分析法对其财务管理双语教学效果的影响因素进行分析，证明学生上课态度和课件形式与教学效果成正相关［3］；汪学荣、周玲等利用学生评价方式对10 门课程进行教学质量评价，并建立评价模型进行实证结果验证，研究表明课程C3 效果最好，同时评价模型也验证了该结果的准确性［4］；王成强采用最小二乘线性回归和主成分分析法对数学分析习题课教学效果进行评价，发现数学分析习题课对学生实践动手能力、综合素质能力的提升至关重要［5］。基于上述学者的研究，文章以某校A 课程为例，结合其经管类专业特点和课程特点，构建实践课程教学评价模型，采用问卷调查法和主成分分析法，验证实践课程教学效果的影响因素，为课程改革、专业建设及人才培养提供相应的数据支撑和实践依据。

2 经管类专业实践教学问题

基于理论研究现状和实践教学的重要性，文章通过调查多所应用型本科高校发现目前同类应用型本科高校经管类专业实践教学存在如下问题：①同一门课程中的理论课时与实践课时设计不合理，大部分高校在经管类专业核心课程上，偏重理论课时设置，忽略实践课时安排，导致学生没有意识到该课程实践教学的重要性，缺乏实践能力。②理论课与实践课脱节严重。许多高校在安排经管类专业人才培养课程时，对理论课与实践课时间安排不合理，如在大一开设专业理论课程，但该理论课程配套的实践课程被安排在大四，这样无法让学生把理论和实践结合起来，只是理论课学习理论，实践课进行实践。③实践教学软硬件落后于时代和社会发展，使得学生毕业后无法跟上社会的发展节奏，人才培养脱离社会实际，只局限于校内。④高校专任教师的结构层次不符合实践教学要求，且任课教师实践能力相对较弱。调查发现，应用型高校在设置经管类专业任课教师结构层次时只追求职称结构，忽略实践技能结构，这种现象不利于应用型本科人才培养。⑤忽视培养学生对实践课程的积极性和趣味性。绝大部分应用型本科高校在教学模式探索上缺乏创新，陈旧的教学模式不利于激发学生潜力，也不利于调动学生对实践课程的积极性和趣味性［6］。

3 调查研究与实证设计

3.1 问卷设计

为了对某高校A 实践课程进行课程教学评价，文章设计了包含A 课程是否提升了学生的实践能力、是否满意任课教师对学生的教学态度、是否满意课程教学效果等14 个问题在内的调查问卷，共发放200 份，调查对象主要是某高校2018 级、2019 级、2020 级的在校学生，最终回收180 份有效问卷，回收率90%，最终确定样本180 个。

3.2 可靠性检验

文章采用问卷调查法搜集样本和数据，因此有必要对问卷的设计和可靠性进行信度分析，根据可靠性检验结果，问卷设计的α 系数为0.902，α 系数越接近1，说明问卷设计可靠性越高。因此，文章的问卷设计可靠合理，提取数据合理，可以为接下来的检验提供依据。

3.3 评价体系的建立

基于上述问卷调查的结果，结合课程特点，文章从14 个问题中提取出13 个自变量和1 个因变量，对应的评价体系如表1 所示。

表1 评价体系

4 实证分析

4.1 主成分分析

4.1.1 KMO 和Bartlett 检验

理论上，KMO 大于0.5 才能够作因子分析，文章通过KMO 和Bartlett 检验结果，发现KMO 值为0.893，Bartlett 统计量为1 039.118，且显著性P值为0.000，显著性较强，说明各指标之间存在显著差异，通过检验。结果如表2 所示。

表2 KMO 和Bartlett 检验

4.1.2 公因子提取和命名

提取公因子的原则是因子特征值大于1，文章采用主成分分析法提取公因子，并计算相关系数矩阵、方差贡献率和旋转后累计方差贡献率；通过主成分分析提取了3 个公因子，其特征值分别是3.251、3.199 和1.824，旋转后方差贡献率分别是25.005%、24.607%和14.034%，累计方差贡献率为63.646%，超过60%，表明前3 个公因子可以解释大部分因子对实践课程教学效果的影响［7］，结果如表3 所示。

表3 公因子方差贡献

接下来对3 个公因子进行最大方差正交旋转，得到旋转后的公因子载荷矩阵如表4 所示，并进行公因子命名，其中公因子1在X6、X8、X9、X10上的载荷系数最大，载荷值分别为0.784、0.785、0.741 和0.707，这些因素考察的是教学过程中教师本身的能力及其对学生的关注度，因此可取名为教师因子（F1）；公因子2在X2、X4、X5、X7、X11、X12、X13上的载荷系数最大，载荷值分别为0.727、0.631、0.507、0.474、0.576、0.7 22 和0.740，这些因素主要围绕学生的专业基础能力和教学过程安排，因此可取名为基础因子和教学因子（F2）；公因子3在X1、X3上的载荷系数最大，载荷值分别为0.709、0.850，这些因素代表教学后续的成果和未来预期，因此可取名为未来因子（F3）。

表4 公因子载荷矩阵

4.1.3 因子得分

利用因子分析的结果得到得分系数矩阵，结果如表5 所示，可计算出公因子评价函数：

表5 因子得分系数矩阵

4.2 回归分析

文章建立评价指标（X）和因变量实践课程教学效果（Y）的线性回归方程：

式（1）中，βi（i=1，2，3，…，n）为各变量的回归系数，μi为误差项，C为常数项。

利用上述函数对自变量（X）和因变量（Y）进行多元线性回归，结果如表6 所示。

表6 多元线性回归结果

对于多元线性回归结果，可建立如下模型：

回归结果显示，R2和调整R2分别为0.606、0.575；方差分析中，F值为19.522，P值为0.000，拟合优度相对较好，且显著性检验通过；D-W 值为1.713，说明回归方程不存在自相关。综合上述结果，可知回归结果较理想，解释力较强。

表6 的回归结果显示，方差膨胀因子（VIF）最大值为2.487，小于10，一般VIF 小于10 可以说明回归模型不存在多重共线性。综合上述结果，可以认为线性回归是有效的，并且从回归结果可以发现，X3、X7、X8，X5、X10，X9分别在1%、5%和10%的显著性水平下通过检验，其余几个变量的显著性则不明显。

5 建议

文章通过问卷调查法和主成分分析法，为实践课程教学效果建立评价指标，提取公因子并进行多元线性回归。结果表明，A 实践课程教学效果的主要影响因素是教师因子、基础因子和教学因子、未来因子，其中，期望实践成果（X3）、教学安排（X5）、教学过程考核（X7）、教师基础能力（X9）、教师实践能力（X8）和关注度（X10）都对A 实践课程教学效果产生显著的正相关。基于上述实证，文章提出以下几点建议：首先，在教师方面，推动任课教师专业基础能力和实践能力的提升［8］，通过专业理论的培训讲座、校企合作、建立实践教学基地，促使教师获得丰富的专业理论知识，帮助教师将理论应用于专业实践，提升专业实践能力；其次，在教学方面，可以推广沉浸式教学模式，灵活设计教学过程，建立教学团队，发挥团队的主观能动性，利用案例思考、练习题库、头脑风暴、小组讨论、模拟实操、教研活动探索等方式，让学生体会到专业学习的乐趣，激发学生的学习积极性和热情；最后，在综合素质培养方面，要注重学生多元化的培养模式，使学生不是为了“学”而“学”，教师、高校更应该注重学生综合应用能力的提升，让学生参与校企合作和实训基地的项目，特别是轮岗实习，充分发挥学生的潜力，实现理论教学与实践教学的有机结合，提高学生的综合素质。