高校教師評教成績影響因素分析
——基于有序多分類Logistic回歸模型

麥繼芳， 陳俊宏，趙海清

(嶺南師范學院 a.數學與統計學院，b.教務處，廣東 湛江 524048)

0 引言

高等教育是人類發展到一定階段的產物，其存在的根本目的在于滿足受教育者發展的需要，將學生培養成具有某一專業知識的人才，為社會和國家提供高級專門人才。教師作為高等教育辦學的主要角色，其教學質量和教學水平對高等學校的人才培養和辦學水平具有深遠的影響。教學質量管理及其評價系統是高校教學質量的保障體系的基本組成部分。教學評價作為教師教學質量的評判標準，它在教育評價活動中起著不可低估的作用。高校現有的教學評價系統主要包括：教學檢查、學生評教、專家評教、專業評價、課程評價和院系教學綜合評價等方面。其功能是廣泛收集教學信息，通過對教師的教學質量科學地評價和診斷，不斷改善高校評教系統，從而提高教學效果[1]。

關于教師教學評價分析的研究，極少學者從高校教師的教學質量的視角去研究。目前，國內現行關于高校教師教學評教方面的研究還不夠深入，基本還停留在現狀描述和理論分析層面，缺乏實證研究分析[2-6]。國外少些學者針對教師教學質量評價體系方面做了一定的研究，但針對高校教學質量影響因素分析這方面研究的文章尚少[7-11]。現行的評教體系僅包括學生成績等基本信息以及學生對老師評價的信息，尚未結合教師的基本信息進行分析。文章基于有序多分類Logistic回歸模型[12]，結合教師基本信息(如教師職稱等)，對高校教師評教成績進行建模分析。文章首先使用逐步回歸分析方法，逐步剔除一些不顯著變量，找出高校教師評教成績的主要影響因素，再使用有序多分類Logistic回歸模型對剩下的變量進行擬合和預測，并對擬合和預測結果進行分析。

1 數據來源及描述性分析

1.1 數據說明

為了避免評教過程中不同課程教學方式存在差異性，本研究選取廣州某所高校2015級480位學生作為研究對象。收集2016—2017年度“統計學”這門課程的信息。收集的內容包括教師評教成績，學生對教師的教學態度(x1)、教學內容(x2)、教學方式(x3)、教學效果(x4)的評分以及關于這四個方面的文字性評價信息，學生的平時成績(x5)、期末考試成績(x6)。授課教師的個人基本信息：是否參與編輯教材(x7)、教師職稱(x8)、該學期任課總課時數(x9)和教齡(x10)。

將教師評教成績劃分為五個等級，分別是60分以下，60～69分，70～79分，80～89分，90～100分。并將教師評教成績等級設為因變量y，其中y=1，2，3，4，5。此外，將學生對教師的文字性評價信息量化為0，1變量,若學生評價的文字中含有表1相應的關鍵詞，則記為1；否則，記為0；所得結果見表1。

表1 學生文字性評價關鍵詞得分標準

1.2 描述性分析

圖1反映了學生在教學態度方面評價次數為347，約占60%。由此可見，學生對教師的教學態度尤為重視，這從側面反映出教師的教學態度對學生的影響非同小可。

由表2可以知，高校教師評教等級的均值為4.75，可推知，總體上，學生對老師的評價持滿意的態度；其偏度系數為-3.08，該分布為左偏態，且偏離程度較大，反映出個別學生對授課老師持有較極端的消極評價。在峰度和偏差上，除了教學效果的峰度和偏差較大之外，其他三項文字性評價的分布都較平穩且較對稱，由此推測，可能是因為學生的個體差異，導致不同學生對不同授課老師的接受能力有較大的差異，故不同學生對教師的教學效果評價差距較大，而教師的教學態度、教學內容和教學方式這些是學生能夠直接感受和體會的，評價也相對客觀些，因此評價差距相對較小。其次，學生平時成績的均值、最大值、最小值、峰度和偏度分別為：88.92、50、100、4.54、-1.78，期末成績的均值、最大值、最小值、峰度和偏度分別為：76.59、0、99、3.39、-1.19，可以看出，總體上學生的平時成績普遍較高，但期末成績的峰度與偏度都較小，且更趨近正太分布，這說明期末成績比較接近自然常態，而學生的平時成績受教師的主觀因素影響較大。

表2 變量的描述性統計信息

續表2

2 有序多分類Logistic回歸模型

有序多分類Logistic回歸模型[13]是一種概率型非線性回歸模型，該模型適用于分析一個有序多分類因變量與多個自變量之間的關系。該模型不要求變量服從正態分布，其自變量可以是連續的，也可以是非連續的，對于離散的，有等級劃分的因變量最為合適。有序多分類Logistic回歸模型的基本思想是將因變量分割為兩個等級，針對這兩個等級建立因變量為二分類的Logistic回歸模型[14]。

s=1,2,…,k-1

(1)

其中，Ls為第s個累積Logistic回歸模型，(x1,x2,…,xq)為自變量向量，q為自變量個數，αs是截距項參數，βi是偏回歸系數。

模型的參數估計可使用極大似然法求出[16]。假設nj(x)為在條件x下的第j個等級樣品觀察個數，G為x各個水平的組合數，則對數似然函數為：

(2)

其中，P(y=j|x)=πj=pj-pj-1極大。函數的求解計算需要使用計算機迭代完成，文章使用統計軟件R語言進行操作。

本文將教師的評教成績劃分為五個等級，并將其設為因變量，其取值為y=1，2，3，4，5。因此，本文使用有序多分類Logistic回歸模型進行建模，并結合實際情況進行分析，找出影響高校教師評教的成績的關鍵因素。

3 模型估計的結果與分析

為了檢驗模型的準確性，本文抽取120個樣本作為測試集來檢測模型擬合效果；剩下的360個樣本作為訓練集，用于擬合模型。對訓練集建立有序多分類Logistic回歸模型，并結合使用統計軟件R語言的MASS包的polr函數，得到全模型的參數估計結果見表3。

表3 全模型參數估計結果

由表3可知，尚存在很多變量的t值較小，可能自變量之間存在多重共線性問題。為優化模型，使用向后逐步回歸法對自變量進行篩選，逐步剔除不顯著變量：x4(教學效果)、x10(教師教齡)、x9(教師該學期課時數)、x2(教學內容)、x6(學生期末考試成績)、x8(教師職稱)、x5(學生平時成績)，再次使用有序多分類Logistic模型對剩余的變量做回歸分析，其回歸結果和檢驗結果見表4和表5。

表4 模型回歸結果

表5 檢驗結果

由表4和表5可知，該模型中各變量的P值都小于0.02，顯著性較好；此外，模型的AIC值為437.50，赤池信息量相對較小。總體上，該模型的擬合效果較好，另外，可得到具體的有序多分類Logistic回歸方程見式子(3)：

(3)

由此可解得pi，見式子(4)：

(4)

因此，可求出每個等級對應的概率，見式子(5)：

(5)

下面，使用測試集檢驗模型的準確度。通過使用R軟件predict函數，得到預測，并對預測值和真實值進行比較分析，結果見表6。

表6 預測值的擬合效果分析

由表6可知，真實值為1的測試值沒有對應的預測值，而真實值為2、3、4的預測值均為5，個數分別為：1、5、15。真實值為5對應的測試值為4僅有1個，對應測試值為5就有98個。故模型的整體準確率為98/120=0.816 7。因為真實值為4的預測值為5，而真實值為5的預測值為4，接近正確，故正確率近似等于(1+15+98)/120=0.95。其預測效果較佳，因此表明所選的回歸模型較合理。從而，我們可以得出結論：能體現高校教師評教成績的主要因素是教師的教學態度、教學方式和教材編輯。

4 小結

本文使用有序多分類Logistic回歸模型，挖掘出了對高校教師評教成績有顯著影響的因素，發現教學態度、教學方式和教師是否參與教材編輯三個對模型有顯著影響的因素；事實上，這三個因素最終影響著教師的教學質量。一個持有認真的教學態度，在課前積極備課，在課堂上表現熱情飽滿的教師，對學生的感染非同小可。學生更容易受熱枕于教學的教師感染，進而對學習充滿熱情。現實上，我們發現學生在對老師做文字性評價時，教師的教學態度出現次數是最多的，這再次證明了教學態度在教學質量中尤為重要；同時，教師的教學方式影響著學生的學習方式和思維方式，導致最終會影響學生的學習和成長。而科學的教學方式能夠高效地促進學生進行思考，從而達到提升學生思維能力的目的；此外，高校教師的知識淵博程度對學生也有一定的影響。若一個教師有能力參與教材改編，足以體現該教師對該門課程的知識非常熟悉，且邏輯思維非常嚴謹。他能把握住教學的重點和難點，所以，其所授課課程也應是邏輯非常清晰的，自然地，學生很容易接受他傳授的知識。如此看來，教師在學生的學習中占有舉足輕重的地位。

高校是培養人才的基地，為了能更好地為社會提供高素質人才，學校應意識到培養高素質教師人才的重要性，這需要學校和學校教師的共同努力。首先，老師們需積極探討什么樣的教學方式更適合教授學生，多去尋找能提升自己的機會，在學識上不斷地完善自我。再者，各高校的管理部門應對教師教學水平引起重視，積極探索提高教師工作責任心和提高教師教學態度的方法和途徑，鼓勵教師向有經驗的優秀教師學習好的教學方法，資助老師們出國深造，讓他們學習國外優秀的教學經驗和先進的知識。當然，各高校應緊跟時代發展的步伐，不斷探索出適合學校教學活動的反饋機制和評價體系，從而促進教師教學質量的提升。唯有如此，才能塑造出優秀的教師，從而培養出更優秀的學生。