论文部分内容阅读
摘要：本研究借助TIMSS的理论框架和测量工具，对影响学生数学学业水平的因素进行了归因分析。来自江苏三个地区（苏南、苏中、苏北）三个城市9所学校的1471名八年级学生参与了本次研究，数据表明：第一，在性别、城乡、地区这三个人口变量中，性别和地区是影响学生学业水平的主要因素，而城乡学生之间不存在显著差异；第二，学生的学习经历和家庭文化背景都是影响他们学业水平的重要因素；第三，优越的家庭经济条件却未必能提高学生的学业水平。
关键词：八年级学生；数学学业水平；归因分析
中图分类号：G630 文献标志码：A 文章编号：1673-9094（2014）04-0043-05
一、研究方法
中学生学业水平的归因分析，一直受到许多研究者的关注。比如，鲍建生曾经通过TIMSS的视角，参照东西方文化的共性与差异，从学生非智力因素、学习背景、教学课程、教师与教学、学校环境等诸多方面，分析了影响学生学业水平的相关因素。[1]任友群、杨向东等对我国五城市初中生学业水平及其影响因素也做了研究，他们指出教师专业实践对学生学业水平具有显著的影响，同时，学校发展水平、学生的家庭社会经济地位与学生学业水平都有密切关联。[2]我们试图以苏南、苏中、苏北三个城市八年级学生为研究对象，对他们在新课程背景下的数学学业水平展开调查研究，探究影响学生数学学业水平的主要因素。
1.样本抽取
被试的抽取遵循分层抽样原则，分地区、城乡、学校三个层次依次抽取。综合每个地区人口、经济水平、地理位置等因素多方面考虑，我们选取苏州、扬州、盐城分别作为苏南、苏中、苏北的代表城市。城乡学校的选取，则按照分层随机抽样的设计进行，将学校按照地理位置（城市、农村）和学校类型（重点、普通、较差）进行分层，然后从每层中随机抽取。学校选定后，从八年级学生中随机抽取两个班进行测试。所选班级的所有学生都需完成相应的学生问卷与学生情感态度调查问卷。最终样本由来自江苏省苏州、扬州、盐城三个城市的共18所城乡学校的1471名八年级学生构成。
本次调查，共发放1471份《数学学业水平测评卷》（其中A卷492份，B卷503份，C卷476份），实际回收《数学学业水平测评卷》1417份（其中A卷474份，B卷485份，C卷458份），回收率达到96%。同时发放1471份《学生数学学习因素问卷》，有效问卷1399份，回收率达到95%。
2.研究工具
（1）学生学业成就测量工具
本研究以TIMSS（Trends International Mathematics and Science Study）框架为主要依据，设计问卷，对八年级学生的数学学业水平展开调查。TIMSS研究的理论框架，包括认知领域和认知水平两个维度。认知领域包括：数、代数、几何、数据、测量，这和我国数学课程标准中的三个内容领域（数与代数、空间与图形、统计和概率）基本一致。认知水平包括：事实和过程、概念使用、常规问题解决、数学推理，这和我国课程标准的三个能力领域（知识技能、数学思考、问题解决）也基本相似。TIMSS项目组开发了一套标准化程度非常高的试题库，同时给出了具体的评分标准，适用于全球性的研究比较。[3][4]
一方面，既要保证测评工具尽可能地覆盖到五个认知领域的各个知识点；另一方面，又要尽量控制每个学生的测评时长。我们从TIMSS（2003，2007）公开的试题库中选取了59道测试题，编制成A、B、C三份《数学学业水平测评卷》。这59道测试题中53题来自TIMSS 2003，另外6题来自TIMSS 2007。测试题分为选择题和填空题两类。
（2）学生情感态度调查问卷
另外，我们又对TIMSS（2003）的学生问卷进行了改编，形成了《学生数学学习因素问卷》调查问卷。问卷中共有13个问题，每个问题有不同的项，提供给被试选择。每个问题上的赋分，均是按照程度的高低，从1开始等距赋分。对于7-10这4个问题，每题本身包含了若干个子问题，于是我们把各个子问题上的总得分作为该题的得分。
二、数据分析
1.学生数学学习因素主成分分析
《学生数学学习因素问卷》包括藏书量、有无书桌、有无电脑、母亲学历、父亲学历、对自己的期望等13个变量。由于涉及的原始变量较多，为了方便研究，我们首先通过SPSS的因子分析对原始变量进行降维处理，目的是找出影响学生数学学业水平的主要因素。表1从均值、标准差、分析量三个方面对各变量做了描述统计。
为检验以上变量是否适合作因子分析，我们进一步采用KMO和Bartlett检验法，结果如表2所示：
由表2可知，巴特利球形检验统计量为3603.047，相应的概率Sig为0.000，因此可以认为相关系数矩阵不是单位阵，原有变量之间存在相关性。同时，KMO值为0.792，根据Kaiser给出的KMO度量标准，当KMO值00>0.6时，原有变量适合作因子分析，所以，此项调查所涉及的13个变量适合作因子分析。
接着，我们运用SPSS对原始变量进行因子分析，得到表3：
由表3可知，表中包含13个变量的初始特征值及方差贡献率、提取公共因子后的特征值及方差贡献率、旋转后的两个因子的特征值及方差贡献率。第一成分的初始特征值为3.382，第二成分的初始特征值为1.843，第三成分的初始特征值为1.137，三者均大于1。从第四成分开始，初始特征值都小于1。而且选择这三个成分作为公共因子，可以得到48.943%的累计贡献率，也就是说这三个公共因子可以解释约49%的总方差，结果理想。
通过旋转成分矩阵的因子负载，我们可以确定三个影响学生数学学业水平的主因子：第一个因子，包括数学价值观、学习数学的自信情况、教学、对学校的态度、课后读书与做作业、教师布置的作业；第二个因子，包括父亲学历、母亲学历、藏书量、对自己的期望；第三个因子包括，有无电脑、有无书桌、课外辅导（具体见表4）。我们将这三个主因子分别命名为数学学习经历、家庭文化背景和家庭经济条件。 2.回归分析
接下来，我们利用前面得到的主成分，采用阶层回归模型对影响学生学业成就的因素进行分析。我们以学生的学业水平测试得分为因变量，引入数学学习、家庭文化、家庭经济三组变量进行分析，产生了以下四个模型。
零模型：仅加入一个常数项，计算性别、地区、城乡的初始方差。
模型一：在零模型基础上，加入数学学习变量。
模型二：在零模型基础上，加入家庭文化变量。
模型三：在零模型的基础上，加入家庭经济变量。
完全模型：各组变量中显著的变量同时进入模型参与运算，称为完全模型。
由表5中的p值均小于0.05可知，四个回归模型都具有良好的拟合度。模型一表明，三个人口变量中的性别、地区是影响学生学业水平的主要因素，而城乡对学生学业水平的影响不大。在模型二中，增加了一个变量数学学习经历之后，其系数为0.20，远远高于其他三个变量的系数，且达到显著性水平，同时R2开始增加，回归效果变得更好。这表明数学学习经历是影响学生学业水平的一个极其重要的因素。在增加了家庭文化背景的模型三中，家庭文化背景系数为0.075，达到了显著性，同时R2也略有增加，这表明家庭文化背景也是影响学生学业水平的重要因素之一。在增加了家庭经济条件的模型四中，家庭经济条件的系数为-2.972，且达到显著性，同时R2又有增加。这表明家庭经济条件是影响学生学业水平的又一主要因素，但是和前面有所不同的是，在控制其他变量的前提下，家庭经济条件对学生的数学学业水平会产生负作用。家庭经济条件越优越，学生的学业水平反而会下降。
三、结论与讨论
在本研究中，就性别来看，男女学生的学业水平之间存在显著性差异。无论是在认知领域，还是认知水平上，女生的得分都一致高于男生。[5]这似乎与我们对男女生学习数学的传统认识有所不同。以往的大多数研究表明，男生的数学学业水平要显著高于女生，然而，近来越来越多的研究表明，男女生的数学学业水平之间的差距开始缩小，几乎不存在差异。甚至，也有不少的研究表明，女生的数学学业水平开始超过男生。这些不一致的现象可能表明：男女生数学学习的差异，并非是与生俱来的，更多的应该是社会文化的产物。[6][7]
其次，我们也发现，苏北学生的学业平均成绩，明显低于苏南和苏中地区，而且苏北学生成绩分布的离散程度也最大。[8]事实上，在江苏这三个地区的经济发展是有差距的，苏北的经济相对薄弱一些。这也可能是限制该地区学生学业水平发展的一个重要因素。[9]任友群等在对我国五城市初中学生学业成绩比较的研究中发现，学业水平最高的城市（上海），也是经济最发达的城市，其优势在于低端学生的成绩高，总体成绩分布差距小。[10]可见，地区经济的发展，也许更能促进所在地区学生学业水平的整体均衡发展。
第三，学生的数学学习经历是影响个人数学学习的重要因素。在本研究中，学生的数学学习经历，包括个体所接受的学校教育，学生对数学学习的态度，以及课余学习数学的时间。这些无疑是影响学生学业水平发展最直接的因素。近来，其他的研究也得出了类似的结论。比如，学生的自我评价、自信心、学习成就的归因方式、学习的兴趣，以及课外学习的时间都会对学生的学业水平产生直接的影响。[11]另外，师生关系也是影响学业水平的显著因素。很大程度上，师生关系反映了学生的社会交往能力，依赖于学生与外部环境的主动构建。[12]
第四，学生的家庭文化背景也会对学生的学业水平产生重要的影响。从学习指导能力来看，如果家长具备高等文化水平，其子女就形成了相对的“优势”。同时，家长文化程度的高低，也会带来家庭文化生活、学习氛围的差别，进而影响学生本人的文化价值取向。总之，家长的文化修养，渗透在家长自己的行为、态度和习性之中，进而转化为对子女的自觉教育要求，最终影响其子女的学习努力程度。[13]
最后，在本研究中，我们发现，家庭经济在某种程度上，会对学生的学习起到负面的作用。有研究表明，与家中没有汽车的相比，家庭中拥有1-2辆轿车的学生数学成绩（在问题解决上）没有明显差别。但如果轿车数量超过3辆时，其测验分数显著降低。[14]显然，这个结果和本研究的结论是比较一致的。但是，该研究又发现，家庭社会经济水平高的学生，进入重点中学的比例更高。这或许说明，家庭经济对学生学业水平的影响，是一个比较复杂的因素，并不会独立地对学生的学习产生积极或消极的结果。可能在某种程度上，依赖于家庭的价值取向。
参考文献：
[1]鲍建生.追求卓越：从TIMSS看影响学生数学成就的因素[M].上海：上海教育出版社，2003.
[2][10]任友群，杨向东等.我国五城市初中生学业成就及其影响因素的研究[J].教育研究， 2012（11）.
[3]Mullis， I.V.S.， Martin， M.O.， Gonzalez， E.J.，
关键词：八年级学生；数学学业水平；归因分析
中图分类号：G630 文献标志码：A 文章编号：1673-9094（2014）04-0043-05
一、研究方法
中学生学业水平的归因分析，一直受到许多研究者的关注。比如，鲍建生曾经通过TIMSS的视角，参照东西方文化的共性与差异，从学生非智力因素、学习背景、教学课程、教师与教学、学校环境等诸多方面，分析了影响学生学业水平的相关因素。[1]任友群、杨向东等对我国五城市初中生学业水平及其影响因素也做了研究，他们指出教师专业实践对学生学业水平具有显著的影响，同时，学校发展水平、学生的家庭社会经济地位与学生学业水平都有密切关联。[2]我们试图以苏南、苏中、苏北三个城市八年级学生为研究对象，对他们在新课程背景下的数学学业水平展开调查研究，探究影响学生数学学业水平的主要因素。
1.样本抽取
被试的抽取遵循分层抽样原则，分地区、城乡、学校三个层次依次抽取。综合每个地区人口、经济水平、地理位置等因素多方面考虑，我们选取苏州、扬州、盐城分别作为苏南、苏中、苏北的代表城市。城乡学校的选取，则按照分层随机抽样的设计进行，将学校按照地理位置（城市、农村）和学校类型（重点、普通、较差）进行分层，然后从每层中随机抽取。学校选定后，从八年级学生中随机抽取两个班进行测试。所选班级的所有学生都需完成相应的学生问卷与学生情感态度调查问卷。最终样本由来自江苏省苏州、扬州、盐城三个城市的共18所城乡学校的1471名八年级学生构成。
本次调查，共发放1471份《数学学业水平测评卷》（其中A卷492份，B卷503份，C卷476份），实际回收《数学学业水平测评卷》1417份（其中A卷474份，B卷485份，C卷458份），回收率达到96%。同时发放1471份《学生数学学习因素问卷》，有效问卷1399份，回收率达到95%。
2.研究工具
（1）学生学业成就测量工具
本研究以TIMSS（Trends International Mathematics and Science Study）框架为主要依据，设计问卷，对八年级学生的数学学业水平展开调查。TIMSS研究的理论框架，包括认知领域和认知水平两个维度。认知领域包括：数、代数、几何、数据、测量，这和我国数学课程标准中的三个内容领域（数与代数、空间与图形、统计和概率）基本一致。认知水平包括：事实和过程、概念使用、常规问题解决、数学推理，这和我国课程标准的三个能力领域（知识技能、数学思考、问题解决）也基本相似。TIMSS项目组开发了一套标准化程度非常高的试题库，同时给出了具体的评分标准，适用于全球性的研究比较。[3][4]
一方面，既要保证测评工具尽可能地覆盖到五个认知领域的各个知识点；另一方面，又要尽量控制每个学生的测评时长。我们从TIMSS（2003，2007）公开的试题库中选取了59道测试题，编制成A、B、C三份《数学学业水平测评卷》。这59道测试题中53题来自TIMSS 2003，另外6题来自TIMSS 2007。测试题分为选择题和填空题两类。
（2）学生情感态度调查问卷
另外，我们又对TIMSS（2003）的学生问卷进行了改编，形成了《学生数学学习因素问卷》调查问卷。问卷中共有13个问题，每个问题有不同的项，提供给被试选择。每个问题上的赋分，均是按照程度的高低，从1开始等距赋分。对于7-10这4个问题，每题本身包含了若干个子问题，于是我们把各个子问题上的总得分作为该题的得分。
二、数据分析
1.学生数学学习因素主成分分析
《学生数学学习因素问卷》包括藏书量、有无书桌、有无电脑、母亲学历、父亲学历、对自己的期望等13个变量。由于涉及的原始变量较多，为了方便研究，我们首先通过SPSS的因子分析对原始变量进行降维处理，目的是找出影响学生数学学业水平的主要因素。表1从均值、标准差、分析量三个方面对各变量做了描述统计。
为检验以上变量是否适合作因子分析，我们进一步采用KMO和Bartlett检验法，结果如表2所示：
由表2可知，巴特利球形检验统计量为3603.047，相应的概率Sig为0.000，因此可以认为相关系数矩阵不是单位阵，原有变量之间存在相关性。同时，KMO值为0.792，根据Kaiser给出的KMO度量标准，当KMO值00>0.6时，原有变量适合作因子分析，所以，此项调查所涉及的13个变量适合作因子分析。
接着，我们运用SPSS对原始变量进行因子分析，得到表3：
由表3可知，表中包含13个变量的初始特征值及方差贡献率、提取公共因子后的特征值及方差贡献率、旋转后的两个因子的特征值及方差贡献率。第一成分的初始特征值为3.382，第二成分的初始特征值为1.843，第三成分的初始特征值为1.137，三者均大于1。从第四成分开始，初始特征值都小于1。而且选择这三个成分作为公共因子，可以得到48.943%的累计贡献率，也就是说这三个公共因子可以解释约49%的总方差，结果理想。
通过旋转成分矩阵的因子负载，我们可以确定三个影响学生数学学业水平的主因子：第一个因子，包括数学价值观、学习数学的自信情况、教学、对学校的态度、课后读书与做作业、教师布置的作业；第二个因子，包括父亲学历、母亲学历、藏书量、对自己的期望；第三个因子包括，有无电脑、有无书桌、课外辅导（具体见表4）。我们将这三个主因子分别命名为数学学习经历、家庭文化背景和家庭经济条件。 2.回归分析
接下来，我们利用前面得到的主成分，采用阶层回归模型对影响学生学业成就的因素进行分析。我们以学生的学业水平测试得分为因变量，引入数学学习、家庭文化、家庭经济三组变量进行分析，产生了以下四个模型。
零模型：仅加入一个常数项，计算性别、地区、城乡的初始方差。
模型一：在零模型基础上，加入数学学习变量。
模型二：在零模型基础上，加入家庭文化变量。
模型三：在零模型的基础上，加入家庭经济变量。
完全模型：各组变量中显著的变量同时进入模型参与运算，称为完全模型。
由表5中的p值均小于0.05可知，四个回归模型都具有良好的拟合度。模型一表明，三个人口变量中的性别、地区是影响学生学业水平的主要因素，而城乡对学生学业水平的影响不大。在模型二中，增加了一个变量数学学习经历之后，其系数为0.20，远远高于其他三个变量的系数，且达到显著性水平，同时R2开始增加，回归效果变得更好。这表明数学学习经历是影响学生学业水平的一个极其重要的因素。在增加了家庭文化背景的模型三中，家庭文化背景系数为0.075，达到了显著性，同时R2也略有增加，这表明家庭文化背景也是影响学生学业水平的重要因素之一。在增加了家庭经济条件的模型四中，家庭经济条件的系数为-2.972，且达到显著性，同时R2又有增加。这表明家庭经济条件是影响学生学业水平的又一主要因素，但是和前面有所不同的是，在控制其他变量的前提下，家庭经济条件对学生的数学学业水平会产生负作用。家庭经济条件越优越，学生的学业水平反而会下降。
三、结论与讨论
在本研究中，就性别来看，男女学生的学业水平之间存在显著性差异。无论是在认知领域，还是认知水平上，女生的得分都一致高于男生。[5]这似乎与我们对男女生学习数学的传统认识有所不同。以往的大多数研究表明，男生的数学学业水平要显著高于女生，然而，近来越来越多的研究表明，男女生的数学学业水平之间的差距开始缩小，几乎不存在差异。甚至，也有不少的研究表明，女生的数学学业水平开始超过男生。这些不一致的现象可能表明：男女生数学学习的差异，并非是与生俱来的，更多的应该是社会文化的产物。[6][7]
其次，我们也发现，苏北学生的学业平均成绩，明显低于苏南和苏中地区，而且苏北学生成绩分布的离散程度也最大。[8]事实上，在江苏这三个地区的经济发展是有差距的，苏北的经济相对薄弱一些。这也可能是限制该地区学生学业水平发展的一个重要因素。[9]任友群等在对我国五城市初中学生学业成绩比较的研究中发现，学业水平最高的城市（上海），也是经济最发达的城市，其优势在于低端学生的成绩高，总体成绩分布差距小。[10]可见，地区经济的发展，也许更能促进所在地区学生学业水平的整体均衡发展。
第三，学生的数学学习经历是影响个人数学学习的重要因素。在本研究中，学生的数学学习经历，包括个体所接受的学校教育，学生对数学学习的态度，以及课余学习数学的时间。这些无疑是影响学生学业水平发展最直接的因素。近来，其他的研究也得出了类似的结论。比如，学生的自我评价、自信心、学习成就的归因方式、学习的兴趣，以及课外学习的时间都会对学生的学业水平产生直接的影响。[11]另外，师生关系也是影响学业水平的显著因素。很大程度上，师生关系反映了学生的社会交往能力，依赖于学生与外部环境的主动构建。[12]
第四，学生的家庭文化背景也会对学生的学业水平产生重要的影响。从学习指导能力来看，如果家长具备高等文化水平，其子女就形成了相对的“优势”。同时，家长文化程度的高低，也会带来家庭文化生活、学习氛围的差别，进而影响学生本人的文化价值取向。总之，家长的文化修养，渗透在家长自己的行为、态度和习性之中，进而转化为对子女的自觉教育要求，最终影响其子女的学习努力程度。[13]
最后，在本研究中，我们发现，家庭经济在某种程度上，会对学生的学习起到负面的作用。有研究表明，与家中没有汽车的相比，家庭中拥有1-2辆轿车的学生数学成绩（在问题解决上）没有明显差别。但如果轿车数量超过3辆时，其测验分数显著降低。[14]显然，这个结果和本研究的结论是比较一致的。但是，该研究又发现，家庭社会经济水平高的学生，进入重点中学的比例更高。这或许说明，家庭经济对学生学业水平的影响，是一个比较复杂的因素，并不会独立地对学生的学习产生积极或消极的结果。可能在某种程度上，依赖于家庭的价值取向。
参考文献：
[1]鲍建生.追求卓越：从TIMSS看影响学生数学成就的因素[M].上海：上海教育出版社，2003.
[2][10]任友群，杨向东等.我国五城市初中生学业成就及其影响因素的研究[J].教育研究， 2012（11）.
[3]Mullis， I.V.S.， Martin， M.O.， Gonzalez， E.J.，