多元统计分析在外语教学质量评价中的应用

《多元统计分析在外语教学质量评价中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、多元统计分析在外语教学质量评价中的应用胡帅，姜华，曲巍巍（渤海大学大学外语教研部，辽宁锦州121013）摘要：为了更加客观地对大学外语课堂教学进行评价，使用多元统计分析中的主成分分析和因子分析法建立了课堂教学质量评价模型，构建了以每个主因子的方差贡献率作为权重的综合评价函数，对教师课堂教学质量进行综合评价排名。以某高校8位外语教师课堂教学质量评价数据进行实例验证，并与其原始排名进行对比，结果显示使用多元统计分析法评价外语课堂教学质量更客观、更合理。..关键词：多元统计分析法；主成分分析；因子分析；教学质量；

2、教学评价中图分类号：TN915?34文献标识码：A：1004?373X（2015）15?0126?03收稿日期：2015?02?16基金项目：辽宁省社会科学基金资助项目（L14CYY022）；辽宁省教育厅科学研究一般项目（W2015015）随着对高校教学评估工作的不断完善，对教师教学质量的考核和评价已经成为高等教育质量保障体系的重要组成部分[1]。因此，高校课堂教学评价对于提高人才培养水平、改善课堂教学质量等具有重要意义。但是，课堂教学质量评价体系越完备，其承载的信息量就越大，同时评价体系内的诸多指标间通常

3、存在着很强的相关性[2]。多元统计分析法可减少冗余信息干扰，反映核心指标信息，有效排除相关指标的影响。本文利用多元统计分析中的主成分分析和因子分析法建立了课堂教学质量评价模型，对某高校8位外语教师课堂教学质量进行评价实验，得出其综合评价排名，并与其原始排名对比，验证所建模型的实用性。1评价指标体系的构建外语作为一门工具性学科，具有明显的实践性和应用性特征。外语教育的总体目标是培养学生的综合语言运用能力，学生学会和掌握了多少是评价课堂教学成功与否的根本出发点和落脚点[3]；因此对外语课堂教学的评价应充分反映其

4、学科特征。依据大学阶段外语教学目的、培养目标，整合学生、教师、专家意见，本研究提出了针对大学外语课堂教学的教学质量评价指标体系。评价主体由学生和同行两部分组成。学生评价下设：教学内容、教学方法、教学态度、学生积极性和语言面貌5个一级指标；包括：内容丰富，重点、难点得当（x1），实用性强，注重学生实践（x2），方法先进，突出学生主体（x3），灵活使用多媒体、网络等手段辅助教学（x4），备课充分、情绪饱满（x5），尊重、爱护学生（x6），学生学习积极性高（x7），语音、语调标准（x8）。同行评价下设：科研能力、

5、爱岗敬业、专业素质3个一级指标；包括：科研能力（x9），积极参与教研活动（x10），专业知识丰富、扎实（x11），有明确、先进的教学理念（x12）。2多元统计分析原理和模型多元统计分析中的主成分及因子分析法以多项指标综合评价体系为基础，应用统计分析方法对各指标进行分析处理，将原有的多变量转化为相互独立的几个综合变量，消除了指标间信息的重叠，同时能反映原来多变量的大部分信息所提供的原始信息的权重系数。其有效地避免了多项指标评价法中的权数估计的主观性和随意性[4?6]。主成分分析法具体算法如下[7?10]：（1

6、）将原始数据标准化。由于评价指标量纲不同，数量级相差较大，所以在进行主成分析之前，需对原始数据做标准化处理。标准化的目的是使平均值为0，标准差为1。（2）计算相关系数矩阵R：式中：rij(i,j=1,2,?,p)代表原变量xi和xj之间的相关系数；rij计算方法如式（2）所示：式中：xˉi和xˉj为第i个和第j个评价指标的均值[5?8]。（3）计算相关系数矩阵R的特征值与特征向量。按照式（3）计算特征值λi(i=1,2,?,p)，进一步计算可得特征值λi的特征向量ti(i=1,2,?,p)。（5）主成分选取

7、。按照步骤（4）最终确定主成分系数矩阵如式（4）所示：式中：x′i(i=1,2,?,p)为经过标准化处理后的第i个评价指标。（6）计算主成分载荷及得分。按照式（5）计算可得主成分载荷矩阵：3评价实验3.1数据采集以辽宁某地方本科院校8名大学外语教师为例，随机选取每位教师所教授的一个教学班学生对该教师课堂教学质量进行测评，评价依据为大学外语课堂教学质量评价指标体系“学生评价”的8项指标。方式为不记名问卷，每个评价指标设置A，B，C，D，E五个选项，选项内容依次为：A非常符合；B基本符合；C不确定；D基本不符合

8、；E非常不符合。选项对应赋分为5，4，3，2，1。同行评价也以同样方式进行，评价依据为表1中“同行评价”的4项指标。将收回的问卷调查所得数据整理成如表1所示的统计资料。3.2数据分析研究中的数据主要通过Spss19.0软件进行处理。首先，利用因子分析（FactorAnalysis）功能计算全部变量的特征根与方差贡献率，如表2所示。从表2可以看出，前3个主成分的特征值大于1，方差累计贡献率为88.525%，基本反映