大學生逃課與教師點名之間的相關分析

邵琦琦 林尤武

摘 要：大學生逃課是當前高等教育普遍存在的問題。學生逃課不僅會影響學生的學業、教師的教學質量、學校的聲譽，甚至會對社會造成不良影響。文章利用統計學方法對大學生逃課與教師點名之間的相關性進行分析。通過建立列聯表檢驗學生逃課與教師點名之間存在顯著的相關性；利用對數線性模型描述定性變量之間的復雜關系，確定逃課與點名之間存在負效應；通過引入虛擬變量，對出勤情況和教師點名建立回歸模型，分析教師點名對學生正常出勤的影響程度。實際數據的經驗結果表明：經常點名的教師的課實際到達人數比偶爾點名的教師的課實際到達人數顯著得多。最后，結合現代科學技術，提出三種點名方式來解決大學生逃課問題：1.手機App點名；2.刷卡點名；3.隨機抽樣與教學提問相結合點名。

關鍵詞：列聯表；對數線性模型；回歸模型；卡方檢驗；相關分析

中圖分類號：G640 文獻標志碼：A 文章編號：2096-000X（2018）01-0049-04

Abstract： College students skipping classes is a common problem of advanced education，which causes negative influence on the students' study， teachers' teaching quality， school reputation， and even the society. This paper analyzes the correlation between truancy and teacher roll call by using statistical methods. The contingency table is established to examine the significant correlation between the students' truancy and the teachers' roll call； the log-linear model is used to describe the complex relationship among qualitative variables， and it is found that there is a negative effect between truancy and roll call. By introducing dummy variables， the regression model is established to analyze the influence of roll call on class attendance. The results show that the attendance of class with regular roll call is significant more than that with occasional roll call. Finally， combined with modern science and technology， three methods are proposed to solve the problem of college students skipping classes： 1. mobile App naming； 2. card punching roll call； 3. the combination of random rolling and teaching questioning.

Keywords： contingency table； log-linear model； regression model； chi-square test； correlation analysis

一、概述

2016年12月7日，習近平總書記在全國高校思想政治工作會議上發表的重要講話：“黨委要保證高校正確辦學方向，掌握高校思想政治工作主導權，保證高校始終成為培養社會主義事業建設者和接班人的堅強陣地。”然而，目前各個高校普遍存在著一個難以解決的問題——學生逃課。學生逃課不僅會嚴重影響學生的品格和學業、甚至會對社會造成不良影響。如何有效地解決大學生逃課問題，以便使得每位學生能夠有規律的、系統的和深入的學習相應的知識，為建設社會主義事業輸送優秀的建設者已經成為當前高校急需解決的問題。

目前，許多研究者對大學生逃課問題進行研究。例如，談宗凡[1]從教師教學、學校管理及大學生本人不足三個方面分析大學生逃課問題，結合國家政策及教育理論，認為教師應該主動尋找解決方案并提高自身教學素養，而學校應當完善教學管理來減少學生的逃課率。蔡紅紅、姚利民、杜小麗[2]主要從理性逃課方面研究，由問卷調查可發現理性逃課接近逃課比例的一半，并且學生逃課和理性逃課因背景因素的不同而不同，理性逃課學生中具有女生比例高、學生干部比例高、學生政治面貌較高的特點，不同專業學科對理性逃課也有影響。趙浩宇[3]基于多視角看待“隱形逃課”行為，從心理學角度歸因，是由于學生的從眾心理、學生對于教師為維護課堂秩序而采取點名、提問等方式產生的抵觸情緒以及自身學習動機較弱導致；從管理學角度歸因，是由于學生自我管理不足、教師課堂管理缺失以及學校教學管理制度缺位導致；從教育學角度歸因，是由于教學內容陳舊、教學方式單一以及教學技能欠缺所致；從社會學角度歸因，是由于信息化發展及環境因素的消極影響所致。從這四個角度進行剖析，全面地闡述學生逃課的原因，為提出有效舉措提供參考。楊起超[7]為防止學生逃課，提供了不同形式的點名方法，例如：隨機抽樣、重點抽樣、等距抽樣、分層抽樣等。

另外，研究者還從博弈論的角度來探討大學生逃課的問題。趙淑紅[4]分別建立教師與學生之間的博弈模型以及出現替人答到時教師與學生的博弈模型，又通過支付矩陣分析學生的收益支付情況，求出教師與學生的混合策略均衡，即學生的最優策略為不管老師點名與否，不逃課，老師的最優策略為不管學生逃課與否，不點名。汪曉文、張科舉[5]分析師生混合戰略納什均衡模型，認為對逃課的懲罰越重，學生逃課的概率越小，點名成本越大，逃課概率越大。耿辰璐[6]從學生逃課原因及教師點名原因兩個方面進行分析，分別建立教師講課質量一般與教師講課質量高的情況下師生的納什均衡模型，最終提出解決該現象的一些方法。

上述文獻或是通過調查學生逃課現象，從各個視角分析逃課原因，亦或是從博弈角度探究教師與學生的納什均衡。然而，這些研究并沒有通過真實數據來對大學生逃課與教師點名之間的相關性進行研究。

本文基于問卷調查數據，從教師點名這一具體的行為入手，利用統計學方法深入研究學生逃課與教師點名之間的相關關系。通過建立列聯表檢驗學生逃課與教師點名之間存在顯著的相關性；利用對數線性模型描述定性變量之間的復雜關系，確定逃課與點名之間存在負效應；引入虛擬變量，對出勤情況和教師點名建立回歸模型，分析教師點名對學生正常出勤的影響程度。

本文的組織如下：第二節，對列聯表、對數線性模型和含定性資料的回歸模型進行簡單的介紹；第三節，深入地分析問卷調查數據；第四節，結合現代科學技術，提出三種點名方式用以解決大學生逃課問題；最后，對本文進行總結。

二、理論模型簡介

本節我們介紹列聯表分析、對數線性模型和含定性自變量的回歸模型。

（一）列聯表分析

列聯表是一種基本的、有效的分析定性因素的統計工具，在醫學和經濟學中有著廣泛的應用。列聯表是通過對兩個或兩個以上特征進行交叉計數構建頻數分布表，根據特征的聯合頻數變化情況來檢驗這些特征是否相互獨立。

一般的列聯表是n×m維列聯表，其中n和m是大于或等于2的自然數。根據本文研究的問題和數據特點，我們只討論2×2維列聯表（見表1）

在H0成立的條件下，式子（2）的極限分布是自由度為1的卡方分布。根據給定的顯著性水平α，通過χ2-分布來計算臨界值λα。若χ2>λα，則拒絕H0，表明A與B之間不獨立，存在相關性；反之，則表明A與B之間獨立。

（二）對數線性模型

對數線性模型是一類廣義線性模型，是分析定性數據的有效工具。1970年，著名統計學家Goodman[8，9]首次應用對數線性模型來擬合列聯表，以分析列聯表中各個特征之間的關聯性。對數線性模型，不僅可以嚴格的描述變量之間關聯性、還可以計算各水平的主效應和交叉效應。由于對列聯表數據處理的優良性，許多研究者利用對數線性模型分析來源于不同學科的列聯表資料[10，11]。

（三）含定性自變量的回歸模型

對數線性模型雖然可以嚴格地描述變量之間的關聯性、各水平的主效應和交叉效應，但不能描述定性自變量對因變量的影響程度。為了能夠準確地反映定性自變量對因變量的影響程度，我們在回歸模型中，對定性自變量進行數量化處理。具體的處理方法是：引入一個只取0和1值的虛擬變量對定性自變量進行數量化。當某一屬性出現時，虛擬變量取1，否則取0。通過虛擬變量的引入，我們可以通過建立回歸方程來量化定性自變量對因變量的影響。

考慮線性回歸模型：

三、實證分析

在這一節，我們基于問卷調查數據，分別從教師點名與學生逃課的相關性，教師點名與學生逃課之間的交互效應，以及教師點名對學生逃課的影響程度這三個方面來進行分析。

（一）學生逃課與教師點名的相關性分析

表2為學生逃課與教師點名構成的列聯表。通過表內的數據我們可以清楚地看到：調查的總人數為89人，逃課的學生有17人。其中，在教師點名的情況下，逃課人數為4人；在教師不點名的情況下，逃課人數為13人。顯然，從表中的數據，我們可以發現教師點名會影響學生逃課狀況。為了更加客觀的反映這一現象，利用二（一）節所介紹的方法來檢驗教師點名與學生逃課之間的相關性。

由于當H0成立時，Pearson's卡方統計量服從自由度為1的卡方分布，所以，當取顯著性水平α=0.05時，通過查χ2分布表可得，臨界值λα=3.84，由于χ2=6.671>3.84，則表明在5%的顯著性水平下，拒絕H0，即說明點名與逃課不獨立，存在相關性。這與數據所呈現的結果一致，可見，教師點名確實影響學生逃課。

（二）教師點名與學生逃課之間的交互效應分析

根據列聯表的結果，我們發現教師點名與學生逃課之間存在相關性。為了更加深入地研究變量之間的關聯性，我們利用對數線性模型來估計模型中的各個參數，使各個變量的效應和各變量間的交互作用效應得以數量化。

通過表4可以看出，主效應α1=-0.797<0，這是因為逃課人數比不逃課人數要少，而β2>0，這是因為調查者中教師不點名的人數比點名的人數多。通過表5可以看出，λ11≠0，因此，點名與逃課之間不獨立，該模型為對數線性模型的飽和模型。由于λ11=-0.379<0，即學生逃課與教師點名之間的交互作用效應對總平均效應減少0.379，表明逃課與點名之間存在負相關性。因此，從教師點名與學生逃課之間的交互效應的角度來看，點名制度對逃課情況有著重要的影響，即教師點名，學生更傾向于不逃課，；教師不點名，則會增加學生逃課概率。

（三）教師點名影響程度分析

前面兩小節分別從相關性分析和效應分析兩方面來分析教師點名和學生逃課之間的關系。然而，它們并不能說明教師點名對學生正常出勤的影響程度。在本小節，我們通過引入虛擬變量對出勤情況與教師點名做回歸分析，具體分析教師點名將會在多大程度上影響學生正常出勤。

表6是北方民族大學某些班級的班級出勤情況表。其中實際到達人數記為y，班級總人數記為x1，教師點名記為x2，若教師經常點名，則x2=1；若教師偶爾點名，則x2=0。

擬合方程的R2=0.993，F值大于臨界值Fα（2，7），在給定顯著性水平α=0.05的水平下，回歸方程顯著，并且各變量的回歸系數均通過t檢驗（括號中的值）。這里，通過方程的預測與實際情況的差距判斷模型的預測效果。由圖1可以看出，在樣本數量為20的情況下，模型的均方根誤差僅為1.479，說明模型的預測效果非常好，大致接近真實情況，模型可靠。根據模型的結果表明，班級總人數增加一個，平均實際到達人數增加0.869。經常點名的老師的課平均實際到達人數多于偶爾點名的老師的課實際到達人數，平均多4.243人。因此，教師點名對學生逃課的影響很大。

四、建議

上節，通過對真實數據的分析表明教師點名和學生逃課之間存在負效應，即如果教師點名次數增加，學生更傾向于不逃課，從而可以保證每位學生能夠積極地參與到教學活動中。高出勤能保夠證學生擁有足夠的知識儲備，長期堅持則能建設良好的學風，提高整體教學質量，為社會輸送更多優秀人才。目前，大多數高校每節課的上課人數為100人左右，而上課時間只有45分鐘，如果按照傳統的點名方式進行點名，需花費大量時間，從而使任課教師沒有充分的時間詳細地講解重要的知識。然而，若能采用科學合理的點名方式，完善點名制度，不僅能夠有效地減少逃課現象，還能節約因為點名而花費的時間。下面，根據現代科技的發展，提出以下與時俱進的點名方式：

方法一：手機App點名。使用App點名非常方便、快捷。老師和學生只需要注冊用戶名，根據App的內容填寫相關信息，App將自動把老師與學生聯系在一起。老師可隨機通知學生打開App簽到，并設置簽到時間，例如一分鐘。一分鐘內簽到結束，逾時不能簽到，對于手機反應慢而沒及時簽到的學生，課間找老師，老師在自己的App上為他簽到，這樣能夠避免上課學生為逃課學生提供消息使他們順利逃課。每簽到一次，系統自動加分，學生可以自行查看自己的分數和簽到記錄。另外，對于上課回答問題或者表現優秀的同學，老師也可以在App的課堂表現模塊部分為他加分。App可以通過分數自動對學生做出排名，老師可以通過這個排名給學生打出平時成績。逃課學生通過查看排名，對逃課現象引起重視。通過這個方法，既能減少學生逃課現象，又能對給出公平的平時成績。

方法二：刷卡點名。每個教室安裝刷卡機，在課間十分鐘學生逐個刷校園一卡通進行簽到。刷卡時，攝像頭拍照，通過人臉識別，防止學生代刷。教務系統會自動累計缺課次數，老師只需要登陸教務系統即可查看缺勤學生，對于缺勤次數多的學生，老師可通過聯系班委通知該同學具體缺勤的次數，學生了解到教師對自己缺課情況了如指掌以及擔心期末掛科的心理，就會減少逃課現象。同時，教師可以根據出勤率打出平時成績。

方法三：隨機抽樣與教學提問相結合。在容量為n的學生中，隨機抽取m個學生，每個學生回答一個問題，根據學生總數設置問題個數，保證一定數量的學生能被點到。這種教學點名方法既不占用教學時間又能起到提高教學效果的雙重作用，實施簡便、有效。通過一段時間對學生答題情況的了解，可據此將學生進行分類，分為基礎較好、中等、較差三個層次，在未來的點名過程中，科學地安排各個層次學生回答問題的個數，幫助學生提高學習成績，增強學習信心，從而達到增加學習興趣、減少逃課的目的。

五、結束語

大學生逃課是目前全國各大高校存在的主要問題，本文分別利用列聯表，對數線性模型和含有定性自變量的回歸模型等統計方法從教師點名與學生逃課的相關性，教師點名與學生逃課之間的交互效應以及教師點名對學生逃課的影響程度這三個方面來進行分析。實際數據的經驗結果表明：經常點名教師的課平均實際到達人數顯著多于偶爾點名教師的課實際到達的人數。最后，結合現代科學技術，提出三種點名方式來解決大學生逃課問題：1.手機App點名；2.刷卡點名；3.隨機抽樣與教學提問相結合。

參考文獻：

[1]談宗凡.高校學生逃課原因及對策分析[J].新西部：理論版，2007（06X）：168-168.

[2]蔡紅紅，姚利民，杜小麗.大學生"逃課"的調查與分析[J].高教探索，2017（3）：78-85.

[3]趙浩宇.多維視角下的歸因分析院透視高校課堂教學中的“隱性逃課”行為[J].科教文匯，2016（23）：132-133.

[4]趙淑紅.基于博弈分析的逃課現象研究[J].科教文匯，2010（18）：24-25.

[5]汪曉文，張科舉.逃課現象的博弈分析[J].高等教育研究（成都）， 2006，22（3）：58-60.

[6]耿辰璐.教師如何在“點名與逃課”中博弈[J].中國科教創新導刊，2011（35）：121-121.

[7]楊起超.教學點名中的統計方法[J].中國統計，2012（1）：43-43.

[8]Goodman L.A. The multivariate analysis of qualitative data： Interactions among multiple classifications[J].Journal of the American Statistical Association，1970，65（329）：226-256.

[9]Goodman L.A. Partitioning of chi-square， analysis of marginal contingency tables， and estimation of expected frequencies in multidimensional contingency tables[J].Journal of the American statistical Association，1971，66（334）：339-344.

[10]曹秀堂，李紹奎.對數線性模型處理大型列聯表資料的方法[J].中國衛生統計，1992，9（5）：30-33.

[11]孫鳳.列聯表的對數線性模型[J].統計與決策，2006（12A）：22-23.

[12]任雪松，于秀林.多元統計分析（第二版）[M].中國統計出版社.

[13]何曉群，劉文卿.應用回歸分析（第四版）[M].中國人民大學出版社.