欢迎来到天天文库
浏览记录
ID:33022736
大小:57.87 KB
页数:7页
时间:2019-02-19
《未来职业者对图书馆员刻板印象回归研究模型构建》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、未来职业者对图书馆员刻板印象回归研究模型构建摘要:文章通过全面系统地考察影响未来职业者对图书馆员刻板印象的因素,以多元线性回归分析为手段,建立以未来职业者对图书馆员刻板印象为因变量的多元回归模型;筛选出该模型的8个自变量,即对图书馆服务是否满意、复杂性、上学时间、对图书馆专业的喜欢程度、消极情感、积极情感、对图书馆员的印象来源、舒适度。在此基础上,详细分析了这些影响未来职业者对图书馆员刻板印象的变量。关键词:刻板印象图书馆员未来职业者多元回归方程实证研究中图分类号:G251.6文献标识码:A文章编号:1003-6938(2013)02-0040-04目前关于刻板印象的研究
2、,很多使用了社会认同理论[1],该理论区别出了内群体和外群体对于某一特定人群的刻板印象是不同的[2],即后来的内群体偏好和外群体歧视[3]。在关于图书馆员刻板印象的研究中,很容易想到,图书馆工作人员应该是内群体成员,而不在图书馆工作的社会公众则是外群体成员,然而事实并不是如此简单,有个特殊的群体就比较难用上述方式进行归类,那就是图书馆学专业学生。一方面可以说他们是属于图书馆员的外群体,因为他们毕竟没有在图书馆工作;但另一方面,他们正在学习与图书馆工作相关的专业课程,比外群体更了解图书馆,很多人毕业后也会选择图书馆员作为其未来职业,因此,他们又不是其他公众那样的外群体。本研
3、究以未来职业者这一特殊群体对图书馆员的刻板印象为研究对象,综合探讨影响未来职业者对图书馆员刻板印象的各种主、客观因素,并尝试建立可以预测这一刻板印象的回归方程,为优化其对图书馆员的刻板印象提供科学的依据。1研究假设、回归模型的结构与研究方法1.1研究假设未来职业者对图书馆员的刻板印象受到多方面因素的影响。社会心理学认为,情境信息、个体化信息与社会范畴信息是刻板印象的三个主要来源[4]。而在个体化信息的各种变量里,熟悉性对刻板印象影响最为显著[5,6]o在本研究中,个体化信息包括未来职业者的人口学特征和熟悉性变量(即对图书馆使用情况以及与图书馆员交往状况),情境化信息指其填
4、答问卷时的个人情绪状态(积极消极情感),社会范畴信息为未来职业者对图书馆工作的刻板印象。此外,考虑到未来职业者对职业的认识也可能受到专业学习的影响,因此将相关因素也纳入其中。基于此,本研究试图通过多元回归的统计手段,找出影响未来职业者图书馆员刻板印象的直接因素。1.2模型结构在本研究的回归模型中,包含了以下6类信息,其中未来职业者对图书馆员刻板印象为因变量,其余均为自变量。(1)未来职业者对图书馆员刻板印象。从热情和能力两个维度,评估未来职业者对图书馆员的刻板印象。本研究中,为得出总体刻板印象,使用所有题目的平均分。(2)基本人口学信息。包括性别、受教育程度、学校的类型、
5、学校所在地区、是否有工作经历五个维度。(3)未来职业者对图书馆工作刻板印象。从复杂性和舒适度两个维度来评估未来职业者对图书馆工作的刻板印象。(4)积极消极情感。从积极情感和消极情感两个维度,对未来职业者的情感状况进行评估。(5)未来职业者对图书馆使用情况以及与图书馆员交往状况。包括去图书馆的频率、电子资源利用频率、在馆时间、对图书馆服务是否满意、与图书馆员是否有工作以外的交往、对图书馆员印象来源六个维度。(6)专业信息。包括进入专业的时长、专业动机(主动或被动)、对所学专业的喜欢程度、对所学专业前景的预期、是否学(辅修)过其他专业、是否考虑改换专业六个维度。1.3研究方法
6、本研究使用SPSS20.0统计分析软件,将收集到的数据进行归类整理,然后采用逐步回归法,将上述变量纳入多元回归方程,其中未来职业者对图书馆员的总体刻板印象是模型中的因变量,其他为自变量。此外,由于基本人口学信息维度、未来职业者对图书馆使用情况维度以及与图书馆员交往状况维度中的变量为定类或定序变量,因此,将其以虚拟变量的形式纳入多元回归过程中。受教育程度涉及调查问卷中的学历及年级两个变量,在计算总的受教育时间时,1〜4代表从本科一年级到四年级,5为硕士一年级,依此类推,此变量近似视为等距数据。对图书馆专业的喜欢程度、对所学专业前景的预期为定序变量,回归中近似视为等距变量处理
7、。2结果分析1.1极端个案筛选通过第一次逐步回归,从三组变量中筛选出7个自变量纳入回归方程,分别为:对图书馆服务是否满意、复杂性、受教育程度、对图书馆专业的喜欢程度、消极情感、积极情感、对图书馆员的印象来源。由于第一次回归散点图显示存在明显偏离的特异数据,故以标准残差大于2.5个标准差为标准,选出35个个案(由于篇幅所限,个案与具体数值此处略去),不纳入第二次回归统计。2.2模型分析通过第二次逐步回归,得到了8个自变量,比删除特异性数据前多了自变量舒适度。图1为回归方程标准化残差的频数直方图,从标准化残差的直方图可以看出,标准
此文档下载收益归作者所有