基于spss统计数据研究大学生素质评价模型构建

《基于spss统计数据研究大学生素质评价模型构建》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、基于spss统计数据研究大学生素质评价模型构建摘要：针对新一代大学生党员培养过程中，党建教育者迫切需要一套科学的符合当今青年期望的大学生党员评价体系，使得大学生党员培养工作能跟上青年学生价值判断和榜样的标准，使得大学生党员能够在青年中具备更好地带动性，发挥积极的带动作用。从收集大学生对大学生党员期望出发，使用SPSS数据分析统计软件进行分析，从大学生的角度思索学生党员评价标准，以便更好地指导学生党建教育工作。关键词：大学生党员；评价标准；模型；spss；数据分析中图分类号：G642文献标志码：A文章编号:1002-2589(2012)33-0198-03一、大学生党员素质模型研究的背景随着

2、“90后”一代步入大学殿堂，青年大学生追求个性和自我的特点越来越显著，大学生党员发展和培养工作遇到了新的挑战，如何结合当代青年大学生党员特点开展党建教育工作、如何发挥学生党员的积极带动作用以及如何衡量党员素质等问题越来越多地引起高校思政教育工作者的关注。一直以来，高校发展学生党员都严格遵守“优中选优”的要求，大学生党员不仅在专业科研方面有突出的成绩，在学生工作等方面也是骨干，他们应该是优秀大学生的代表，但我们会发现，大学生党员在学生群体中的带动作用一直不够明显，党员个体的优秀成绩在带动普通同学方面并不能起到积极的作用。究其原因，认为是学生对学生党员个体没有完全的认同，党员的表现与普通同学对

3、他的期望之间存在的差距过大，以至于党员没有成为同学学生学习的榜样，导致带动作用明显减弱。这就意味着思政教育者在发展和培养学生党员时不仅要关注发展对象个人的情况，更需要了解当代学生群体对大学生党员有怎样的期望，只有培养和选拔符合党员基本要求同时又迎合当代青年期望的学生党员才能真正体现当代大学生的积极风貌，受到学生群体的认同。需要从学生的角度开展大学生党员素质模型的研究，通过了解学生对大学生党员的期望，建立当代大学生的素质评价模型，用于培养和发展当代大学生党员的工作实践。二、基于SPSS统计数据分析的大学生素质模型构建（一）构建模型的数据收集及信度验证根据研究的要求，首先开展访谈工作，访谈分两

4、次进行,第一次抽取了文科、理科、工科和艺术类学生党员20人。第二次从四种学科类型专业中各个年级随机抽选一名男生和一名女生同学，共32人开展访谈。访谈的内容围绕“我心目中的学生党员”展开。由学生提出党员应该具备的具体素质。通过访谈笔者总结出38条内容，分为“道德品行”、“政治素养”、“学习能力”、“工作能力”、‘'心理素养”几方面的内容，并以此作为模型建立的核心调查内容。调查的问卷采用'‘李克特”五点量表，对访谈生成的38条建议进行评价，要求被调查者根据自己对学生党员的期望来判断学生党员是否必须做到这一点要求，其中1表示“非常不同意”、2表示'‘不同意”、3表示“不能确定”、4表示"同意”、

5、5表示“非常同意”。每个问题采用随机排序的方式组成问卷主体。为了使设计出的问卷更加科学和合理，能够为绝大多数被调查者所理解和接受，在正式大规模发放问卷之前又进行了小范围的预调研，调研的重点在于验证问卷中各问题的提法是否科学，是否存在理解上的歧义和含义上的遗漏，是否便于被调查者理解。在正式的调查中采取随机抽样的方式对东华大学及少数上海市其他高校校内在校生开展调查，通过在'‘学生街”现场发放和回收以及发放电子邮件的形式，共发放问卷300份，回收294份，通过有效性筛选的问卷为188份。在获得有效数据后，通过Spss软件对问卷信度用克隆巴赫(Cranach'sa)系数测量，该系数表示问卷调查结果

6、总变异中由不同被调查者导致的比例占多少。整个问卷和各个子问卷的克隆巴赫系数如表所示：Cronbach,sa系数值介于0与1之间，a值越大表示问卷题目间相关性越好，内部一致性可信度越高。本问卷在各个问卷因素间的值均达到了0.7左右，且总问卷值为0.788,问卷的稳定性和一致性是有一定保障的。（二）通过因子分析的方法构建模型在保证了调查研究有效性的前提下，通过SPSS数据分析中因子分析的方法，进一步确立学生心中的党员素质模型，进行因子分析时，原则上应该将所有变量的测量一并纳入因子分析中；但是，当变量的个数太多时，采取这种做法不太适合。因此，本研究将所有变量分为五大类分别进行因子分析，即道德品行

7、、政治素养、学习能力、工作能力和心理状态几个分类。为了验证获得的数据的有效性，进行了BartlettJsTest和KMO指标检验。Bartlett?sTest检验的sig为0.000显著，说明参与分析的数据来自正态分布的整总体，即数据相关数阵不是单位矩阵，KMO测度的目的是检验采样的充分性如何。KMO的取值在0〜1之间，其值愈逼近1,表明对这些变量进行因子分析的效果愈好。研究分析的结果显示KMO在0.7〜0.8之间，表明