学生评教数据的统计处理

扬州职业大学  王晓刚

 摘要: 本文指出了多数院校现行的学生评教的运作过程及对测评数据的处理方法中存在的一些问题，并提出相关对策，以增加学生评教的客观性与有效性。

 关键词: 质量控制; 学生评; 数据处理

 高等职业教育经过数年的规模扩张，现在已进入一个内涵建设与全面提高质量的阶段，关于高职院校的质量控制体系的研究业已全面展开。作为高职院校的质量控制体系的重要组成部分——学生评教已成为绝大多数院校教学日常管理的项目之一。

 一、目前多数院校学生评教中存在的问题

 根据我们的调研，多数职业院校关于学生评教的运作过程以及对测评数据的处理方法存在着如下的一些问题。

 第一，是将学生的测评数据简单地相加再除以总人数就作为了某教师的测评成绩。这样做不符合数理统计规律。根据数理统计原理，如果影响某一随机变量的因素是大量的，并且每一因素的影响是细微而独立的，那么，该随机变量可认为是服从正态分布，可用均值作为其集中趋势或一般水平的衡量指标。然而，在学生评教过程中，某一学生的一念之差就可能产生一个极端数据，从而难以排除原始数据中有一部分是带有学生的个人情绪的极端数据，所以测评数据是一种分布类型不明的资料，不能采用算术平均数这一对称分布下的集中趋势指标作为衡量指标。

 第二，采用匿名制。对于人生观与价值观还处于相当可塑期的学生来说，难以避免部分学生把给教师打分作为个人情绪宣泄的窗口。即使是具有自主行为能力的成人，处于这样的场合，在打分时也很难

不受自我个人情感取向的影响，从而使得部分测评数据失去了客观性。

二、学生评教的改进对策

 面对上述提出的问题，本文建议对学生评教采用如下改进措施：

 第一，因为学生评教的原始数据，属于分布类型不明的资料，根据数理统计原理，应采用中位数代替算术平均数作为其一般水平或集中趋势的衡量指标，以避免极端数据对最终结果的影响。

 第二，学生评教应采用署名制，同时，对学生的测评数据的客观性进行评价，并将评价结果在不改变该课程实际考核成绩分布的条件下，以一个象征性的比例（如5%-10%）纳入学生该课程的总评成绩，从而对学生评教有一个必要的约束。当然，在学生的测评数据与任课教师之间应该有一层屏蔽。

 三、学生评教的数据处理

 上文第一点建议较易实现。对于第二点建议，也就是如何对学生的测评数据的客观性进行评价，并将评价结果在不改变该课程实际考核成绩分布的条件下，以一个象征性的比例（如5 % -1 0 % ）纳入学生该课程的总评成绩，本文按照数理统计原理，设计了如下的模型：

 第一步，计算出一组原始测评数据的中位数（统计总体通常是班级），作为该班对任课教师的最终测评成绩，记之为m ．同时， 求出每一名学生的离中差绝对值，记之为g 值。所谓离中差，是指每一名学生的测评原始数据与中位数m 的差。可以认为，某学生的g 值越小，则其原始测评数据客观性越好。

 第二步，计算每一名学生的g 值升序秩次rg ，g 值相同的取平均秩次。

 第三步， 计算每一学生的百分比值，记之为p 值。假设某班有n 名学生，排序前50% 的与后50% 的学生分别计算p 值。排序前5 0 % 的计算公式是p = 1 - rg / n ，排序后50% 的计算公式是p=1-rg/n+1/n。如果样本容量是奇数，那么处于中位数的p 值取0 . 5 。

 某一学生的p 值越靠近1 ，则其原始测评数据的客观性越好，某一学生的P 值越靠近0 ，则其原始测评数据的客观性越差。

 第四步，将每一学生的p 值转换成标准正态分布界值u 值，某学生的u 值越大，则其原始测评数据的客观性越好。

 第五步，为便于将学生的u 值在尽量不改变该课程实际考核成绩分布的条件下，以一个象征性的比例（如5%-10%）纳入学生该课程的总评成绩，所以将u 值转换成百分制成绩z ，所有学生的z 值的平均

值与标准差分别等于该课程考核成绩的班级平均值xbar 及标准差s ，计算公式是：

z = xbar + u . s

 如果某学生的原始测评数据与m 值越接近，那么客观性越好，其z 值也越大，如果学生的原始测评数据与m 值相差较大，不管是大于m 还是小于m ，都说明其客观性较差，相应的z 也较小。需要指出的是，上述看似复杂的过程利用数据处理软件处理并不繁琐，下面利用统计软件SPSS 略举一例。

 四、实例

 现有某班对某教师的测评数据，如图—1中表格第1 列与第2 列数据，已知该课程期末考试成绩平均值xbar 是78 分，标准差s 是9.32 分。

 启动SPSS ，创建两个变量，一是学生序号ordinal，一是测评数据data ，输入图-1 中前2 列数据，执行SPSS 数据描述过程“Analyze|Descriptive|Frequencies”，选择选项“Statistics|Median”，可得测评数据的中位数是88 ，作为m 的值。

 执行SPSS 变量计算过程“Transform|Compute”，在“Target Variable:”框中输入新变量名“g”，在

“Numeric Expression”框中输入“ABS(88-data)”，“OK ”后得到g 值。

 执行SPSS 变量秩次计算过程“Transform|Rank Cases”，在“Variables:”框中添加变量“g”，“OK”后，系统自动生成新变量“rg”以保存变量“g”的秩次，同一秩次的系统自动取平均秩次。

 执行SPSS变量计算过程“Transform|Compute”，在“Target Variable:”框中输入新变量名“p”，在

“Numeric Expression”框中输入“1-rg/25”，在“If ”选项中输入条件“rg<25/2”，“OK”后得到一半p值；同样，执行SPSS变量计算过程“Transform|Compute”，在“Target Variable:”框中输入变量名“p”，在“Numeric Expression ”框中输入“1-rg/25+1/25 ”，在“If ”选项中输入条件

“rg>25/2 ”，“OK”后得到另一半p值。

 当n是奇数时，有时需要执行SPSS变量计算过程“Transform|Compute”，在“Target Variable: ”框中输入变量名“p”，在“Numeric Expression”框中输入“0.5”，在“I f ”选项中输入条件“rg=(n+1)/2”，“OK”后得到最后一个p值，本例因为存在相同秩次取平均秩次的情况，所以不需要这一步操作。执行SPSS 变量计算过程“Transform|Compute”，在“TargetVariable ：”框中输入新变量名“u”，在“NumericExpression”框中输入“PROBIT(p)”，“If”选项中选择“Include allcases”，“OK”后得到u 值。

 执行SPSS变量计算过程“Transform|Compute ”，在“Target Variable:”框中输入新变量名“z”，在“Numeric Expression”框中输入“78+9.32*u”，“If”选项中选择“Include allcases”，“OK”后得到z 值。7 8 是该课程实际考核成绩平均值，9.32是标准差。

  现对测评数据作上述的处理，处理结果见图- 1 。最后得到的z 值，象征性地按一定比例（5%-10%）纳入学生的该课程的总评成绩， 以期对学生的评教工作有一定的约束。

  五、讨论与延伸

 对学生评教作上述改进与处理，至少具有两方面的意义：一是提高学生评教数据的客观性与可信度，恰如其分地从学生的角度评价教师的工作状况；二是提高学生对教学过程的参与程度，强化学生的主体地位。学生要想恰如其分地给任课教师打分，离开了对教学过程的充分参与是不可想象的。

  按照本文的对策，某一个班级的学生给若干任课教师打分，客观性是可以保证的，任课教师M 值的相互比较与排名也是可信的。但是在实际操作中会还有这样一个问题有待解决，这就是：对全学院或全

系来讲，某一个班有若干任课教师，某一任课教师又任教若干班级，由于不同的班级给教师打分的松紧程度不一致，导致全院或全系的每一教师的学生评教结果M值相互之间缺少可比性。为此可在测评之前对全院（校）学生进行适当培训，尽量使不同班级之间的测评尺度一致。

  以上一管之见，仅供诸位专家与同行参考，不当之处，敬请指正。

  参考书目

  1 、G.W.斯内德克等著．统计方法．上海：上海翻译出版公司．1991，4：51：82 ．

 2 、刘洁，李蔚等．美国大学学生评教工作及其启示．中国大学教学，2007（8）：87-89．

 3 、汪利．高校学生评教有效性的影响因素因素研究．江苏高教，2004（4）：75-77．

此文中国知网可查。