基于问卷调查的教育硕士培养质量

点赞:33790 浏览:157187 近期更新时间:2024-02-18 作者:网友分享原创网站原创

摘 要:教育硕士培养对于提高我国基础教育师资的整体水平有着重要的作用,为了更好的衡量教育硕士培养的质量,本文对受教育教师进行了问卷分析,并通过相关性分析和回归分析对问卷分析的数据进行了讨论


关 键 词:问卷调查教育硕士相关性线性回归

中图分类号:G643文献标识码:A文章编号:1672-3791(2014)05(b)-0153-02

为了中小学教师可以系统地学习新知识,掌握学科的前沿,提高我国基础教育的整体师资质量,国务院学位委员会于1996年4月决定设立教育硕士专业学位(Ed.M).教育硕士专业学位在我国的设立,其目的主要是为中小学教师获取研究生学位开辟了渠道,推动基础教育事业整体水平的提高.

教育硕士与教育学硕士是两种不同性质的学位,前者是更倾向于职业教育,注重的是工作技能的提高,后者是学术性学位,注重提高学生的创新能力和科研能力.专业学位培养目标和培养方式与学术性学位有所不同,各有侧重,因此本文特别针对专业学位教育的特点设计了调查问卷,基于调查问卷的数据,进行了分析研究,试图找到对教育硕士培养起到较大影响因素的指标并进行讨论.

1调查问卷设计及问卷回收

调查问卷设计阶段主要考虑从教学内容、教学方法、专业素养、教学态度以及教学效果五个方面作为评价的输入因素.以被访问者对课程质量的总体评价作为评价的输出因素.各评价输入因素和输出因素均以5分计算,1分最低,5分最高,具体问卷题目设置如下.

评价指标因变量为:您对这门课程教学质量的总体评价.

评价体系包括如以下几点.

(1)教学内容:科学正确,思路清晰,逻辑严密;理论联系实际、有针对性;丰富充实、信息量大,重点突出;吸收学科前沿成果,反映学科新进展;提出不同学术观点,推荐大量参考书等文献.

(2)教学方法:启发学生思维,注重与学生互动;注意应用现代教育技术;作业形式多样、有效;方法多样,适合学科特点和学员特点.

基于问卷调查的教育硕士培养质量参考属性评定
有关论文范文主题研究: 关于回归分析的论文范文素材 大学生适用: 自考论文、学院论文
相关参考文献下载数量: 80 写作解决问题: 毕业论文怎么写
毕业论文开题报告: 论文模板、论文前言 职称论文适用: 论文发表、高级职称
所属大学生专业类别: 毕业论文怎么写 论文题目推荐度: 最新题目

(3)专业素养:语言有感染力,逻辑性强;教态大方、亲切;课程理念先进,教学有特色.

(4)教学态度:备课充分、上课精神饱满;教书育人,促进学员素养的提升;注重反思教学.

(5)教学效果:学员积极思考、课堂气氛活跃;课内时间利用充分有效,学员收获大;促进学员教学能力的提高;促进学员教育研究能力的提高.

经过问卷调查,共发放问卷四百余份,回收问卷388份,其中有效问卷366份,数据缺失或不完整问卷22分.有效问卷数量总体可以保证样本调查的真实性.

2基于调查结果的偏相关性分析

当分析X与Y两个变量的相关程度时,有时会因这两个变量均受某一变量或某一组变量的影响,致使X与Y间的相关程度很高,此时应去除共同影响X与Y的因素(变量),才能真正衡量X与Y间的相互关系.偏相关析是在其他变量固定条件下,分析两个变量X与Y间的相关程度的统计方法,偏相关分析主要讨论偏相关系数与偏判定系数.

在回归模型中除了可以用判定系数来衡量所有自变量解释因变量的能力外,还可以用偏判定系数来了解个别自变量或某些自变量对依变量的影响力或解释能力.

设回归模型有两个自变量X与Z,在固定Z的情况下,Y对X回归的偏判定系数为:

X对Y的偏判定系数

式中:为Y对X、Z两个自变量回归的解释变异;为Y对Z一个自变量回归的解释变异;为Y对Z一个自变回归的未解释变异.

为Z对Y的偏判定系数公式如下:

Z对Y的判定系数

等于

式中:为Y对X自变量回归的解释变异;为Y对X自变量回归未解释变量.

本文中由于样本有19个自变量与因变量相关,为了更便捷的研究问题,首先我们通过对各因素与因变量的相关性讨论对问题进行降维.

各自变量间的不独立性可能会造成某一边变量对因变量通过某一第三变量产生影响,为了排除这一影响,我们对每一个变量都与因变量进行了偏相关分析.

通过分析,现有样本388个,剔除残缺样本22个,最终有效样本366个,运用偏相关排除其他变量的影响,对因变量“您对这门课程教学质量的总体评价”与每一个评价指标进行比较来确定相关系数以及显著性水平.通过数据分析,我们发现如下变量与因变量不存在显著性相关关系.(见表1)

通过相关性分析我们发现,教育硕士的培养不同于研究型硕士的培养,作为教育硕士的学生更强调的是对未来工作中所掌握的技能方法的培训,而对学术科研所需要的一些要求则变得不是那么必须强烈了.

3基于调查结果的线性回归分析

现实中,客观事物非常复杂,现象之间的和性质各不相同.影响因变量变化的自变量往往不止一个,而是多个,因此有必要对一个因变量与多个自变量联系起来进行分析.多元线性回归分析为此类问题的处理提供了手段.

式中,是p+1个未知参数,称为回归系数.Y称为被解释变量(因变量),而是p个可以精确测量并可控制的一般变量,称为解释变量(自变量).这里ε是随机误差,对随机误差项我们常检测定其期望值为零、方差为的正态分布.

对一个实际问题,如果我们获得n组观测数据,i等于1,2..,n,把这些观测值代入方程可得样本多元线性回归模型:

写成矩阵形式为:

其中:

;ε等于

本文中,将利用线性回归分析法对经过相关性分析的数据进行再加工,我们已经剔除了8个对因变量不具备显著性相关的指标.剩余11个指标我们进行回归分析.运用SPSS进行线性回归分析,得到如表2数据.

设因变量(您对这门课程教学质量的总体评价)为Y,由表2我们拟合出回归方程为:

通过回归分析,我们发现,总体上保留的11个变量对因变量的变化波动影响较小,指标中理论联系实际,有针对性;注意运用现代教育技术;方法多样,适合学科特点和学院特点;语言有感染力,逻辑性强;教态大方,亲切;促进学员教学能力的提高;促进学员教育研究能力的提高;对因变量的影响程度较大,也说明了作为学位教育的研究生更注重对教学方式方法的提高以及一些新的教育技术的掌握.