高职院校学生学情分析与研究

张维;赵亮

【摘 要】基于科学知识图谱对学情研究进行文献分析，阐述了其现状和不足。为此，在小组访谈和文献研究基础上初步构建了高职院校学生学情调查问卷，并进行探索性和验证性研究。通过因子分析并建立结构方程模型，得出高职学生学情结构模型包括学习方式、学习投入、学习交流和资源获取等4个维度的信度和效度测量指标均达到满意水平，具有一定的适用性。%Based on map of scientific knowledge,this paper carries out document analysis on learning con-dition study and expounds the current situation and

disadvantages.Therefore,based on group interview and document study,this paper preliminarily establishes the questionnaire of learning condition of higher voca-tional students,and carries out exploratory and verifying study.Through factor analysis and establishing structural equation model,we find that the measurement indexes of reliability and validity of learning condi-tion structural model of higher vocational students including learning style,learning engagement,learning exchange and resources access have reached the satisfaction level,and have certain applicability.

【期刊名称】《江苏建筑职业技术学院学报》 【年(卷),期】2016(016)001 【总页数】4页(P63-66)

【关键词】高职院校;学情;知识图谱;因子分析;LISREL;拟合优度 【作 者】张维;赵亮

【作者单位】江苏建筑职业技术学院 能源与交通工程学院，江苏 徐州 221116; 中国矿业大学 环境与测绘学院，江苏 徐州 221008;江苏建筑职业技术学院 信息传媒与艺术学院，江苏 徐州 221116 【正文语种】中 文 【中图分类】G442

随着高职教学中工学结合、项目教学、导向教学等方法的使用，网络课堂、公开课、开放性慕课等教学方式的转变，改变了传统的以课堂和教师为主体的授课模式，强调学生在教学过程中的中心地位.在学生看来，高职院校和本科院校在教学水平，师资结构，软硬件设施建设上都存在一定差距，部分用人单位片面的追求高学历导致高职毕业生和本科生相比处于竞争劣势.部分高职学生学习能力和自我约束能力较弱，又不太会运用科学的学习方法，他们既有较高的求知欲，又受阻于专业课程的学习难度，在课程学习中很难做到持之以恒，教学效果难以保证.因此，分析和研究高职学生的学情特点，有助于职业院校在对学生教学管理过程中做到有的放矢和因材施教，培养出符合社会需求的高技能、复合型人才. 1.1 知识图谱分析

有别于传统的文献综述方式，本文以可视化图谱的形式，通过主题词检索CNKI中国期刊全文数据库，研究主题随时间演进的类聚情况.以学情为关键字，检索2004年到2014年期间的全部期刊数据，考虑论文质量，只保留SCI、EI、核心和CSSCI期刊［1］，结合研究对象，遴选了部分具有代表性的高职学情论文，最后选定265条数据.采用citespace进行数据分析［2］，设置Time Scale为1，即

以1年为一个时间间隔，将2004—2014的10年时间分成10个时间间隔.网络节点确认为Keyword.分析得到一个网络聚类图［3］，如图1所示 1.2 研究综述

由分析图谱可以看出，国内学者对学情分析的研究范围比较广.第1类主要集中在学情内容调查和分析［4］.第2类主要集中在通过学情分析，促进教学改革和提高教学质量［5］.第3类主要集中在通过建立学情分析模型进行对策研究［6-7］.国内学者对学情研究特别是对本科院校已经具体化，为本文研究提供了重要理论依据和研究思路.但是，到目前为止，高职学院对学情的研究大部分还局限在对已有理论的介绍和评价上，缺少结合高职院校学生特点进行的学情研究分析.本文对高职学院学生学情进行了调查，并做了具体的实证研究，为深化教学改革和人才培养模式建设提供参考. 2.1 问卷设计

参考史秋衡制定的调查学生学习实际情况量表中高职相关的受测条目［6］，结合我校实际情况进行了部分调整和增删，制订了抽测高职院校学生学情的量表，采用个人访谈和调查问卷的方式进行研究和调查.进行访谈的对象既有成绩优秀的学生干部也有成绩排名相对靠后的同学，既有学校、学院的学生干部，也有各班级的普通同学.被选择进行调查问卷的对象包括我校1～3年级的学生和已经毕业的学生，生源分布江苏省内占60％，省外占40％.调查问卷累计发出400份，收回有效答卷378份，回收率为94.5％.其中一年级学生108人，二年级学生90人，三年级学生75人，已毕业学生105人.分析工具为SPSS 19.0.

结合我校学生学习情况，选择了影响学生学习的18个选项供学生选择和评价，这些选项从学习方式、学习环境、教学影响、教师因素及教学手段等方面对学情进行分析.

2.2 信度和效度分析

首先对问卷的信度和效度进行检验.采用Cronbach系数对总量表进组合行信度检验，其中运用SPSS 19.0中的Reliability Analysis，并选择“Statistics”中的“Scale if item deleted”来计算克龙巴赫Alpha系数计算结果是0.667，总量表的组合信度大于0.5.说明调查问卷相对合理，满足信度要求.其次对受测结果进行效度检验.对有效样本数据进行KMO抽样适当性检验和Bartlett球形检验，一般而言，KMO值大于0.90被认为是显著的，在0.80～0.90被认为是良好的，0.60～0.80被认为是可以容忍的，0.50～0.60被认为是很勉强的，小于0.50将被认为是不可接受的.本研究的KMO检验系数为0.885，巴特利特球体检验的统计量为2 120.047，自由度（df）为171，显著性概率是0. 000，小于1％，KMO样本测度显著，该数据的相关阵不是单位阵，说明本调查问卷的样本数据基本适合进行因子分析. 2.3 因子分析

经过方差最大正交旋转，结合碎石图陡坡检验原则，得出4个公共因子，18个项目的评价模型（见表1）各个公共因子的初始特征值均大于1，累计方差贡献率为77.170％.各个公共因子的因子载荷均大于0.55，各个因子的克龙巴赫Alpha值均大于0.8.各个因子的项目所组成的共同信息构成了该因子的隐含特征.

由第1个因子的构成可以看出，目前高职学校学生的学习方式正在发生改变，越来越多的学生开始使用计算机，互联网等方式进行学习，这种学习过程和传统的课堂教学、教师讲授相比，更多的是学生根据自己的兴趣爱好和个人需求进行学习，是一种自主的学习模式.教师在学习过程中的角色也在发生改变，以启发学生和提出学习目的和见解为主.由第2个因子的构成可以看出，虽然学习方式发生了改变，但是要达到既定的学习目标，必须保证学习投入时间和课堂学习认真程度，增加师生之间的交流.同时，越来越多的学生希望参与科研项目中，这是高职学生学习期待提高的表现.由第3个因子的构成可以看出，电子邮件在学生学习过程中的认同

度较高，是学生和学生、学生和教师之间的沟通的主要媒介.由第4个因子的构成可以看出高职学生对互联网学习的认同度很高，而且也掌握了一定的专业工具，如通过图书馆数据库，搜索引擎等.根据4个因子的构成，将其分别命名为学习方式，学习投入，学习交流和资源获取.对4个因子进行综合得分计算见表2.

第1个因子的得分是4.923分，第2个因子得分是3.557分，第3个因子得分是3.310分，第4个因子得分是2.872分.由此可见学习方式的改变是最重要的，学习时间和投入次之，学习交流在第三位，之后是通过各种方式查询学习资源.从因子分析的结果来看，一方面，学生已经普遍认同通过信息技术和互联网进行学习，愿意接受学习方式的变革；另一方面，学生也愿意投入时间和精力以确保学习质量. 根据探索性因子分析的数据，利用LISREL模型进行验证性因子分析，主要目的是决定事前定义因子的模型拟合实际数据的能力.LISREL模型的全称是线性结构关系（Linear Structural Relationship），LISREL模型是由K.G.Joreskog＆amp;D. Sorbom所发展的结构方程模型（Structural Equation Modeling）软件［8］.与传统的统计分析方法不同的是，该模型最大的优点是能处理观测变量与潜变量的关系及各潜变量指标之间的关系. 3.1 模型构建和计算

首先将SPSS数据导入LISREL，以FACROR A、B、C、D表示探索性因子分析得到的4个因子.通过LISREL对数据进行处理，并绘制出该模型的路径图.图2为Estimate选择Standardized solution情况下得到的数值.对于Standardized solution一般应高于0.6，如观测指标不多，可适当减低标准，因此对于因子3中FACTORC4的值0.57予以保留，不对模型进行修正. 3.2 可靠度和拟合度分析

LISREL通过OUTPUT输出提供运算结果.如下图4所示，该结果给出了各因子和其构成变量之间的关系.目前的研究普遍认为，T Value值保持在绝对值1.96以上

为模型可用.下表中的构成个因子成分的的T-Value值的绝对值均大于1.96，说明模型可用［8］.

LISREL在分析数据时还提供了模型的拟合优度，用来检验建立的模型和数据的拟合程度.拟合优度的各项指标在建议的范围内，表明拟合度高，否则说明不理想.目前的研究主要认为在大样本情况下，SEM的拟合指标可通过拟合优度指数（GFI）和调整拟合优度指数（AGFI）、残差均方根（RMR）和近似误差均方根（RMSEA）、规范拟合指数（NFI）和增量拟合指数（IFI）以及比较拟合指数（CFI）反映.根据已有的文献研究结果，一般认为指标GFI、AGFI、NFI、IFI、CFI均大于0.9，RMR小于0.05，RMSEA小于0.08，其拟合程度较好.我们建立的SEM各项指标为GFI（0.94）、AGFI（0.92）、NFI（0.94）、IFI（0.98）、CFI（0.98）、RMR（0.031）、RMSEA（0.076）.测量数据的各项指标都在SEM的拟合指标的建议范围内，因此说明该结构方程模型较可靠.即通过验证性因子分析得出学生学情和学习方式，学习投入、学习交流和资源获取这四个因子之间的定量关系是可以接受的.

通过调查问卷进行因子分析并建立结构方程模型，验证了模型的稳定性，得出本研究中的学情分析模型包含4个主要因子分别是学习方式，学习投入，学习交流和资源获取.学习方式的因子得分最高，说明互联网和信息技术已经深入高校课堂改变了高职学生的学习方式.高职院校应该以说课、说专业以及培养方案改革等活动为契机，构建专业教学平台，满足学生学习需求.学习投入在专业课程的教学中依然重要，教师在教学过程中要精心组织，循序渐进.教师应加强与学生的学习交流，课后通过网络，论坛等工具解答学生问题.目前各高职院校开展的慕课、微课建设，增设了课程的移动平台，学生可以随时随地通过移动终端和教师交流.学习资源的获取手段越来越多，因此学校更应该加强教学资源库建设，实现课程资源共享，同时加强对学生的培训，指导学生通过各种专业的数据库寻求本学科的前沿知识和研

究热点，提升高职学生的科研和学术水平.

【相关文献】

［1］ 王颖纯，白丽娜.基于CiteSpace的XML研究热点分析［J］.科技管理研究，2014（2）：210 214.

［2］ 陈超美，陈悦.科学发现的结构与时间属性［J］.科学学与科学计量学，2014（3）：27 32 ［3］ 肖明，陈嘉勇，李国俊.基于CiteSpace研究科学知识图谱的可视化分析［J］.图书情报工作，2011，55（6）：91-95.

［4］ 刘智运.大学生学情调查与分析研究［J］.交通高教研究，2003（1）：12-15.

［5］ 蔡丽萍，徐辉.从说课看高职高专院校学情［J］.中国环境管理干部学院学报，2010，20（4）：75 80.

［6］ 史秋衡，郭建鹏.我国大学生学情状态与影响机制的实证分析［J］.教育研究，2012（2）：109-121.

［7］ 胡子祥，马广永.大学生学习投入评价模型研究［J］.西南交通大学学报（社会科学版），2013，14（6）：102-108.

［8］ 曹丽颖.大学生自主学习能力影响因素的实证分析：基于LISREL模型的分析［J］.河北农业大学学报（农林教育版），2014，16（1）：22 29.