高校自习室资源管理研究.doc

高校自习室资源管理研究 基于西南财经大学的统计建模分析螁螂芀莈蒀肇膆莇薃袀肂莆蚅肅羈莅螇袈芇蒄蒇蚁膃蒄蕿袇聿蒃蚂虿羅蒂蒁袅羁蒁薄螈艿蒀蚆羃膅葿螈螆肁蒈蒈羁羇薈薀螄芆薇蚂羀膂薆螅螂肈薅薄羈肄膁蚇袁羀膁蝿肆艿膀葿衿膅腿薁肅肁膈蚃袇羇芇螆蚀芅芆蒅袆膁芅蚈蚈膇芅螀羄肃芄蒀螇罿芃薂羂芈节蚄螅膄莁螆羁肀莀蒆螃羆荿薈罿袂荿螁螂芀莈蒀肇膆莇薃袀肂莆蚅肅羈莅螇袈芇蒄蒇蚁膃蒄蕿袇聿蒃蚂虿羅蒂蒁袅羁蒁薄螈艿蒀蚆羃膅葿螈螆肁蒈蒈羁羇薈薀螄芆薇蚂羀膂薆螅螂肈薅薄羈肄膁蚇袁羀膁蝿肆艿膀葿衿膅腿薁肅肁膈蚃袇羇芇螆蚀芅芆蒅袆膁芅蚈蚈膇芅螀羄肃芄蒀螇罿芃薂羂芈节蚄螅膄莁螆羁肀莀蒆螃羆荿薈罿袂荿螁螂芀莈蒀肇膆莇薃袀肂莆蚅肅羈莅螇袈芇蒄蒇蚁膃蒄蕿袇聿蒃蚂虿羅蒂蒁袅羁蒁薄螈艿蒀蚆羃膅葿螈螆肁蒈蒈羁羇薈薀螄芆薇蚂羀膂薆螅螂肈薅薄羈肄膁蚇袁羀膁蝿肆艿膀葿衿膅腿薁肅肁膈蚃袇羇芇螆蚀芅芆蒅袆膁芅蚈蚈膇芅螀羄肃芄蒀螇罿芃薂羂芈节蚄螅膄莁螆羁肀莀蒆螃羆荿薈罿袂荿螁螂芀莈蒀肇膆莇薃袀肂莆蚅肅羈莅螇袈芇蒄蒇蚁膃蒄蕿袇聿蒃蚂虿羅蒂蒁袅羁 膈莂蒁螂芀薇螀螁肀莀螆螀膂蚆蚂蝿芅葿薈螈莇芁袆螈肆蒇螂螇腿芀蚈袆芁蒅薄袅羁芈蒀袄膃蒃衿袃芅莆螅袂莈薂蚁袂肇莅薇袁膀薀蒃袀节莃螂罿羂薈蚇羈肄莁薃羇芆薇蕿羆荿葿袈羆肈节螄羅膀蒈蚀羄芃芁薆肃羂蒆蒂肂肅艿螁肁膇蒄蚇肀荿芇蚃肀聿薃蕿聿膁莅袇肈芄薁螃肇莆莄虿膆肆蕿薅螃膈莂蒁螂芀薇螀螁肀莀螆螀膂蚆蚂蝿芅葿薈螈莇芁袆螈肆蒇螂螇腿芀蚈袆芁蒅薄袅羁芈蒀袄膃蒃衿袃芅莆螅袂莈薂蚁袂肇莅薇袁膀薀蒃袀节莃螂罿羂薈蚇羈肄莁薃羇芆薇蕿羆荿葿袈羆肈节螄羅膀蒈蚀羄芃芁薆肃羂蒆蒂肂肅艿螁肁膇蒄蚇肀荿芇蚃肀聿薃蕿聿膁莅袇肈芄薁螃肇莆莄虿膆肆蕿薅螃膈莂蒁螂芀薇螀螁肀莀螆螀膂蚆蚂蝿芅葿薈螈莇芁袆螈肆蒇螂螇腿芀蚈袆芁蒅薄袅羁芈蒀袄膃蒃衿袃芅莆螅袂莈薂蚁袂肇莅薇袁膀薀蒃袀节莃螂罿羂薈蚇羈肄莁薃羇芆薇蕿羆荿葿袈羆肈节螄羅膀蒈蚀羄芃芁薆肃羂蒆蒂肂肅艿螁肁膇蒄蚇肀荿芇蚃肀聿薃蕿聿膁莅袇肈芄薁螃肇莆莄虿膆肆蕿薅螃膈莂蒁螂芀薇螀螁肀莀螆螀膂蚆蚂蝿芅葿薈螈莇芁袆螈肆蒇螂螇腿芀蚈袆芁蒅薄袅羁芈蒀袄膃蒃衿袃芅莆螅袂莈薂蚁袂肇莅薇袁膀薀蒃袀节莃螂罿羂 高校自习室资源管理研究 基于西南财经大学的统计建模分析参赛队员：李啸辰 庄 艳 李 莎目录【摘 要】：3【关键词】：31.问题描述42.数据描述52.1各自习教室自习人数调查52.2问卷调查52.2.1设计抽样方案52.2.3试抽样调查52.2.4正式抽样调查62.2.5数据处理及调查意义63.模型建立73.1广义logistic模型83.1.1 指标选取83.1.2 建立广义logistic模型93.2教室使用率指标（人均占座位数）103.3综合评价方法-最优距离法104.求解和检验114.1 影响自习需求因素（以时间为单位）的研究114.1.1对非周末情况下学生自习时间影响因素的分析124.2 教室使用效率的研究为供给调整提供依据174.2.1对教室使用率的聚类分析174.2.2 分布拟合194.2.3 评价与打分205.模型结果分析236.模型应用拓展23【参考文献】24【附录1】：25【附录2】26【摘 要】：目前,我国高等教育己进入大众化发展阶段,各高校的招生数量急剧增加,给高等教育带来了深刻的变革。然而学校教室管理人员与教室需求人员学生之间的信息不对称造成了学校教室资源的一些摩擦性紧张以及另一些不必要的资源浪费。科学、高效、合理地管理和使用高校教室资源,保证正常的教学秩序以及学生的学习环境,成为目前高校教学资源管理研究的一项重要课题。本文拟以笔者所在西南财经大学的自习室资源状况为研究对象,通过问卷以及实地调查得到的数据，深入分析我校学生自习情况以及各自习教室的利用率。本文首先采用广义logistic回归法，对问卷中涉及到的学生自习情况影响因素进行筛选建模，分别分析了影响学生非周末、周末自习时间的因素。从学生主观、自习环境客观两方面提出了改进学生自习状态的措施。同时，本文利用实地调查各教室学生自习人数的数据，对教室的使用率（以楼层为单位）进行聚类分析，分为三类教室。进而，本文分别对这三类教室中各楼层每天的平均自习人数进行正态分布拟合，并用K-S方法对其进行拟合检验，显示拟合结果显著。最后，本文利用综合评价的最优值距离法分别对各类教室打分，对提出的各种可能情况的得分进行分析，旨在为学校教室合理管理提供依据，建议关闭部分教室，帮助学校降低教学成本同时满足大多数同学的自习需求。通过以上以我校教室资源的使用状况为例进行的研究，以及提出的关于如何合理利用学校教室资源，加强我校教室资源管理,希冀能为其它高校教室资源管理提供有益的参考。 【关键词】：高校教室资源 自习室管理 广义logistic回归 聚类分析 最优距离法 1.问题描述一所大学的生存和发展,离不开一定数量的硬件资源和软件资源,而教室无疑是最重要的硬件资源之一。而此硬件资源的利用管理状况将直接影响到学校教学和学生学习的效果。从学校方面来说，由于扩招，校舍资源紧缺。高校资金不足，在短期内扩建速度远远跟不上扩招的需要，许多学校不再设置固定教室作为学生自习室，取而代之的是流动教室，各班轮流使用，而学生自习只能在没有课的教室中进行。这种做法确实有利于节约教育成本，提高教育资源的综合利用率，但也为学生的自习带了一些不便。虽然有教室查询系统，但总会因调课、临时征用教室、无课教室环境不适宜等因素给学生上自习带来了麻烦，可能花费半个多小时，都找不一个合适的空教室上自习。从学生方面来说，由于学校扩招和当今的经济危机，学生就业压力很大。为了毕业时得到社会认可，找到比较好的工作。学生在校期间，参与一系列的考试或加入考研行列，整日抱着书本奔波于各个自习教室和图书馆之间。另一方面，不同的学生对教室需求以及偏好不同，而学校并不了解这些特殊潜在的需求条件，使没课空出的作为自习之用的教室与学生需求的教室产生了摩擦。学生抱怨着没有教室自习，而学校也很无辜的表示要先保证正常的教学秩序。缓解以上提到的这种状况单靠现有校舍的改扩建并非易事，也难解燃眉之急。因此，加强对自习室的科学管理，帮助供给方科学正确的了解需求方的特殊偏好，化解二者的信息不对称及摩擦性，使自习室最大效率地发挥其作用，而又不至于造成浪费，是缓解这一矛盾的关键。1、如何了解学生的需求偏好，如何对所掌握的各种各样的需求信息偏好因素进行处理归类分析，以进行科学的管理；2、在不影响正常的教学秩序的前提下，怎样既不浪费资源又能满足绝大多数学生自习需求的管理教室。这两点就是本文将要统计建模分析的内容。本文将以西南财经大学的自习室资源为例，对此问题进行阐述分析。图1 西南财经大学教室分布图2.数据描述2.1各自习教室自习人数调查在调查初期，本课题组对西南财经大学柳林校区各教学楼没课教室上自习人数进行初步调查。因为白天很多教室有课，在上课与不上课的空余时间调整开关教室改变教室的供应情况会加大工作人员的工作量，所以，只考虑晚上。本课题组成员分工在课题选定后连续20天在每晚9：159：30期间到每个自习教室清点在上自习的人数。本文引用其调查的20天的数据。在此后的文章中，本文称这类数据为扫楼数据。2.2问卷调查为了准确了解西南财大本科生自习室选择偏好等需求情况和教学楼资源的利用现状，并且考虑到不同学生自习室的选择具有个性，而不同类型的学生的选择又具有共性，所以本课题小组采用分层问卷调查的方式以获取信息。通过发放问卷，进行较大范围调查，以得到统计建模分析的原始数据。2.2.1设计抽样方案考虑到各个年级的自习情况会有很大差别，而且男生女生的自习情况也会有差别，所以选用分层抽样，可以更好的提高估计精度，并可以适当的对不同层的自习情况进行分析。2.2.2编制抽样框和设计调查问卷由于调查时间是在11月份，此时大四同学要么找工作，基本不自习；要么考研，固定自习室。所以，这部分同学的情况不具有一般性，对这部分人的调查没有什么实际参考意义，本小组只对大一到大三同学进行调查。并对一到三年级，男生和女生分类，分别编制抽样框。 本小组结合自身及身边同学情况，对影响自习时间及地点选择因素等问题进行了详细分析，最后选出了代表性的影响因素，列入问卷，最后经过优化形成最终问卷。2.2.3试抽样调查本小组先随机抽取几个寝室进行试调查，以便通过试抽样调查来发现各个方面可能存在的不完善之处，检查所设计抽样方案及其抽样框，调查表的科学性和可操作性，以免在正式调查中产生各种不可弥补的差错和浪费。本次调查我们发现了有些问题的题干会有歧义，还有回答人提出了一些改进问卷的好建议。针对试调查出现的问题，本课题小组对问卷进行了适当修改，以期获得更科学准确的数据。终极问卷见附件。2.2.4正式抽样调查首先，找出分层群体，大一男生，大二男生，大三男生，大一女生，大二女生，大三女生。然后，根据本校情况，大致认为本校男女生比例为1：2，并且大一到大三各年级人数相等。进行比例分配，其计算公式为：式中：k分层的层数，或分层群体的个数第j个分层群体被分配的样本数量； n总的样本数量第j个分层群体中个体的数量；N总体中个体的数量按照分层抽样的组织实施步骤，共发放180份问卷，按照比例分配，各层样本量如下：表 1 抽样比例 性别年级男生女生总计大一204060大二204060大三204060总计601201802.2.5数据处理及调查意义本小组随机抽取寝室，发出180份问卷，收回问卷166份。有一份问卷因为没有填写完整，认为其为无效问卷，不进行分析。所以，共有165份有效问卷。有效问卷率为91.67%。根据问卷调查得到的数据，将在后面的分析中用到。其中，针对自习地点选择这一问题，得到如下结果：图 2自习地点比例图由图2可以看出，在我们抽样调查的同学中，有15.24%的同学选择了就在寝室学习，30.49%的同学选择了去图书馆自习，而剩余54.27%的同学表示会去自习室上自习。在这之中，28.06%的同学选择了H座，多于B、C座和E、F、G的总和（9.76%+16.46%=26.22%）。即一半多的同学会选择去教室上自习，这说明对教室自习情况和使用情况的调查研究是非常具有现实意义的。3.模型建立基于问卷及实地调查，本文得到2类数据。本文将问卷数据分为周末、非周末自习时间两类，并分别对其进行统计建模分析，分析学生自习室的需求状况和选择偏好。通过扫楼数据，计算教室使用效率指标，通过该指标进行聚类分析。将各类别的数据汇总，应用风险理论的有关知识对人员分布进行拟合。建立综合评价方法，对教室使用效率进行打分，并通过分析给出初步建议。流程图如下。图 1 研究方法流程图3.1广义logistic模型3.1.1 指标选取通过问卷调查，我们获得了被访者的基本信息，个人偏好以及影响自习需求（以时间为指标）的客观条件。 ； ； 调查人群包括大一至大三的在校生； ； 分为要考研，不要考研，暂时还没考虑； ； ；j=1,2,3,4,5分别代表表示离宿舍距离，楼层高低，自习室已有人数，设施，环境对受访者的影响程度。程度变量分为没有影响，一般影响，比较有影响，很有影响和非常有影响。 ；j=6,7,8,9,10分别表示周课时数，准备考试，课外作业，天气，心情对受访者的影响程度。程度变量分为没有影响，一般影响，非常有影响。如下图所示：图 2 指标选取3.1.2 建立广义logistic模型为了充分反映财大学生自习情况，发现影响因素，根据本文问卷数据类型的特殊性，建立广义logistic模型，该模型能够充分利用多水平变量数据。本模型应变量有4个水平：在非周末的情况下，表示自习时间小于1小时，表示自习时间在1-2小时之间，表示自习时间在2-3小时之间，表示自习时间在3小时以上；在周末的情况下，表示自习时间小于2小时，表示自习时间在2-4小时之间，表示自习时间在4-6小时之间，表示自习时间在6小时以上。则除一个对照水平外，以每一分类于对照水平作比较，拟合3个广义logistic模型。 （1） （2）其中：满足： 其中，i=1,2,3,4.：被访者对于问卷问题2您非周末期间平均每天用于上自习的时间：A、1小时以下 B、1-2小时 C、2-3小时 D、3小时以上的回答为第i个选项的概率；：被访者对于问卷问题3您在周末期间每天用于上自习的时间：A、2小时以下 B、2-4小时 C、4-6小时 D、6小时以上的回答为第i个选项的概率；3.2教室使用率指标（人均占座位数）为反映教室使用的效率，本文建立教室使用率指标 (3)其中，第i个自习区的总教室数第i个自习区用作他用的教师数第i个自习区每个教室的总座位数第i个自习区的总自习人数3.3综合评价方法-最优距离法其中，第i个指标的最优值（调查的第i类教室的满意人数的均值）； 第i个指标的值（到教室去的第i类教室的人数）； 第i类教室中有m个人的教室数； 第i类教室的分数。该公式的计算结果表明的是各指标与其最优值的相对距离，所以，其计算结果的综合值越小，表明离最优值的相对距离最小，综合评价值最优。4.求解和检验4.1 影响自习需求因素（以时间为单位）的研究本课题小组通过问卷调查了影响各年级学生（大四除外）上自习以及上自习需求的影响因素。为了发现各因素对学生自习室选择及需求的影响程度，本文将问卷中第二题的四个选项（A、1小时以下；B、1-2小时；C、2-3小时；D、3小时以上）作为应变量的四个水平，考虑到，本案中应变量的水平数大于2，且水平之间不存在等级递减或等级递增的关系，本文采用广义Logistic模型的方法进行logistic回归。同时考虑到周末及非周末学生用于上自习的时间有显著差别，t=-12.952，p0.05，检验结果如表2。表 2 非周末与周末自习时间的配对样本T检验配对样本t检验均值标准差t值自由度P值（双侧）周末-非周末自习时间-1.457580.11254-12.9521640.00 本文选取了问卷涉及到的十二个自变量：性别、年级、考研意向、离宿舍距离、楼层高低、自习室已有人数、设施、环境、周课时数、准备考试、留有课外作业、天气、心情做逐步回归。另外，本文分别对非周末、周末中的应变量的各个水平分别做了逐步回归，观察各个逐步回归结果中Parameter Estimates表中各个自变量各水平的与参照量中的相应水平的差异程度是否显著，本文得到，以一小时以下的水平为参照，其具有显著性的水平最多。分析其原因，选择3小时以上的同学很少，只占抽样总体的6.7%，它为参照有失偏颇；同时出于实际的考虑，问卷中的自习时间是估计的日平均时间，2-3小时与1-2小时的差异可能并不大。所以，最终本文选用以1小时一下这一水平为参照。图 5 非周末频数统计4.1.1对非周末情况下学生自习时间影响因素的分析非周末的情况下、以一小时以下的水平为参照的前提下，逐步回归结果如下：表 3 逐步回归进入项对数似然函数值卡方值自由度P值常数项389.967 第一步考研意向320.072 69.89660.000 第二步心情302.089 17.98360.006 第三步课外作业284.340 17.74960.007 第四步周课时数269.087 15.25360.018 第五步离宿舍距离242.834 26.253120.010 第六步年级219.731 13.10360.001 表3结果显示本模型只有：考研意向,心情,课外作业,周课时数,离宿舍距离,年级六个自变量对学生自习情况的影响显著。以每个自变量中的最后一个水平为参照。参数估计结果如表4。表 4 参数估计及检验1-2小时0dds的95%置信区间变量系数标准误差P值Odds下限上限常数项-3.2641.4590.025X21.620.6620.0145.0541.38418.492X30.9910.6630.1352.6950.7359.878X41.6990.7880.0315.4681.16825.602X5-1.3060.5550.0190.2710.0910.804X1,13.3911.1220.00329.6883.29267.884X1,23.3431.120.00328.2933.15254.136X1,33.0511.1380.00721.1262.269196.728X1,43.4771.2850.00732.36520608401.724X6,1-0.6920.8520.4160.50.0942.656X6,20.6530.5240.2261.8860.6755.269X8,10.9371.0010.3492.5520.35918.157X8,20.6170.5710.281.8530.6055.677X10,1-1.9380.7680.0120.1440.0320.649X10,2-0.4530.7650.5330.6360.1422.851类R2检验Cox and Snell0.644Nagelkerke0.71McFadden0.435似然比检验卡方值自由度P值常数项年级23.10360.001 考研意向55.02160.000 离宿舍距离34.637120.001 周课时数31.18460.000 课外作业26.50760.000 心情24.44760.000 类R2 检验统计量的值均较大，说明回归方程的拟合效果是很好的。在拟合的两个方程中，自变量年级共有3个参数，对应的无效假设为3个参数皆为0，自由度为6，P0，同时，）；而年级=2的人与年级=1的同学的选择没有显著差别。由此，本文可以得出，大三的学生由于课业繁重同时忙于科研创新等学术或文体活动，自习时间显著少于大一大二的同学。学校如希望增加大三学生自习时间，增加其学习的自主性，那么可以适当减少课时数，使学生有根多的时间自己安排。而无论是1-2小时与1小时以下的相比，还是2-3小时与1小时以下的相比，和3小时以上与1小时以下的相比，具有考研意向的同学总是比考研意向不明确的同学容易选择长时间的自习。这点说明具有动力和明确目标的同学更具有学习主动性。学校应该加大考研的宣传力度，在金融危机的背景下，本科生就业困难重重，可以选择先考研，这样可以增加学校整体学生的学习主动性。自习1-2小时与1小时以下相比，离宿舍远近的各水平与非常有影响的水平均具有显著差异。从实际中分析，离宿舍远近并不能对学生的自习时间产生决定性的影响，而只能对自习地点的选择产生影响，可以推测，自习地点的选择将对自习时间产生影响。建议学校配备校内公共交通工具。4.1.2对周末情况下学生自习时间影响因素的分析周末的情况下、以两小时以下的水平为参照的前提下，逐步回归结果如下：表 6 逐步回归进入项对数似然函数值卡方值自由度P值常数项404.782 第一步课外作业322.711 82.07260.000 第二步性别269.169 53.54230.000 第三步考研意向220.969 48.20060.000 第四步准备考试205.032 15.93660.014 第五步楼层高低177.598 27.434120.007 第六步心情164.233 13.36560.038 结果显示本模型只有：X11课外作业，X1性别，X3考研意向，X10准备考试，X5楼层高低，X13心情六个自变量对学生自习情况的影响显著。以每个自变量中的最后一个水平为参照。根据模型2，类似非周末的情况，可以写出三个模型为：（检验见附录2）logisticP非周末Y2=1=lnP周末Y2=1XP周末Y1=1X=e-2,21+e-2,2 2,2=3.840-5.317X1+3.721X2-1.473X3+2.904X2,1+0.580X2,2-0.196X2,3+1.423X2,4-3.411X7,1-2.525X7,2-0.275X8,1+0.876X8,2+0.081X10,1+0.262X10,2logisticP周末Y3=1=lnP周末Y3=1XP周末Y1=1X=e-2,31+e-2,32,3=-14.361-3.931X1+5.397X2-3.362X3+1.165X2,1-1.453X2,2-1.385X2,3-19.782X2,4-2.582X7,1+0.492X7,2+1.703X8,1+1.433X10,1+1.463X10,2logisticP周末Y4=1=lnP周末Y4=1XP周末Y1=1X=e-2,41+e-2,41,4=-38.682-5.013X1+7.040X2-1.859X3-19.511X2,1-3.110X2,2-0.470X2,3+0.865X2,4-1.144X7,1+1.182X7,2+26.024X8,1+18.719X8,2+17.853X10,1+18.312X10,2 此回归模型可以对一个具体的个案在周末上自习的时间情况概率进行推断。模型中各个系数的正负正代表了各个因素对学生上自习时间的影响正负性。观察楼层高低这一因素，在较少时间用于自习时，认为楼层高低对教室选择这一因素对其自习时间的影响是负影响，而在周末自习时间大于6小时的状况下，认为楼层高低很影响对教室选择这一水平的系数变成了正数，可以得知，那些要长时间自习的学生通常会对教室的位置、环境等有更苛刻的要求或者是习惯。表 7 正判率预测观测2小时一下2-4小时4-6小时6小时以上正判百分比2小时一下5490085.7%2-4小时8505079.4%4-6小时2616261.5%6小时以上023861.5%总体观测38.8%40.6%14.5%6.1%77.6%由上表可见，对于周末自习时间2小时以下的正判率为85.7%，2-4小时为79.4%，4-6小时为61.5%，6小时以上为61.5%。综合来看，平均正判率为77.6%对比非周末的情况，正判率均有所上升，说明周末自习情况相对稳定，而非周末自习所受到的其他模型外影响因素较为严重。由结果可知：无论是自习2-4小时还是4-6小时，甚至6小时以上的与2小时以下的相比：性别=1比性别=2的人更容易选择2小时以下（以2-4小时的数据为例：B=-5.3170，同时，）。由此，本文可以得出，女生与男生相比，在周末时会用更多的时间来自习，同时也符合通常大家对男女生自习情况的估计。有考研意向的同学和准备考试的同学与考研意向不明确和认为考试与自习无关的同学相比，在以上表中三种自习时间水平中均显著的有差异，更趋向于会选择长时间的自习情况。而在相对较长时间的自习（4小时以上）与2小时以下的情况，课外作业的影响情况会显著的影响学生的自习时间，认为课外作业影响很大的学生偏向于在周末用于更多的时间来自习。4.2 教室使用效率的研究为供给调整提供依据4.2.1对教室使用率的聚类分析通过对每个教室为期一周的人数实地清查，本文得到了每个教室每天晚上上自习的人数，应用3.2建立教室使用率指标（人均占座位数）模型反映教室使用的效率，即 (3)其中，第i个自习区的总教室数第i个自习区用作他用的教师数第i个自习区每个教室的总座位数第i个自习区的总自习人数K值越大,则说明该楼层的自习使用率越低。以K值的大小来对楼层进行聚类分析，得到如图6的结果。表 8 K值表日期K值楼层星期一星期二星期三星期四星期五星期六星期日类别B127.1326.5721.8819.3818.625.5333.071B237.238.7528.1846.824.84238.151C13236.1738.1528.2223.433.0725.111C220.6714.8822.1424.88.8611.4849.61F236.9245.718036.9233.684845.711H110.9211.2316.4217.2910.1315.1715.171H213.7519.5616.4218.6218.8614.914.91H415.7121.0923.5723.2624.2227.5628.51H520.5126.8927.7125.7527.1425.1122.771B3727274.468.576.570.8682.672C3828176.5778.9374.1179.678.152C472.3374.472.3312448.2212499.22E153.33648053.336434.2913.332E260113.33602831.4380402E360602868.576.6780602F1808042.676068.5724.6245.712G17074.2975707054.5581.822B4103.33193153.14174.4125.831101173B5126.57131131115.5112.41241483C5115.33124134148144.67881083图6 聚类分析表9 楼层对应代码代码1234567891011121314151617181920楼层B1B2B3B4B5C1C2C3C4C5E1E2E3F1F2G1H1H2H4H5通过聚类分析可以将学校的教室分为3类。B座4楼、5楼以及C座5楼利用率相当低，几乎50个座位才有一个同学在自习，也就是说一个教室差不多只有一两个同学在自习，这是使用率最低的一组。H座各楼层和B、C座低楼层使用效率最高，H座基本上每个教室都有10个人左右在自习，B、C座低楼层每个教室也有4-6人在自习。而其余的E、F、G座，B、C座的三四楼每个教室大约有3、4个同学，使用效率居于中等，这个基本符合本文平时对各楼层的实地清点调查（扫楼）。同时，理论联系实际，很容易便可以想到，上自习毕竟不同于上课，如果一个教室里面坐满了人，可能同学们在上自习的时候会产生一种压迫感，难以自由发散自己的思维，自习是不同于上课紧跟老师的模式，而是要根据自己的缺点补缺补差。但是如果整个自习室只有自己一个人，难免产生一种孤独感和不安全感，使得注意力难以集中，影响自习效率。因此，从心理学的观点出发，每一个教室根据它的大小都应该最佳的自习人数。因此，在调查问卷中，本文设计了一个问题：基于你经常去的教室，你觉得该教室最佳自习人数是多少。通过对回答的加权平均，同学们认为B、C座每个教室应为4.3人；E、F、G座每个教室应为8.29人，H座每个教室应为12.17人。H座教室要稍小于E、F、G座，但为什么大家的心里接受人数要大于E、F、G座呢？通过诸因素对自习时间影响的回归分析，本文发现如果同学只是一个小时下的短期自习时间，那么宿舍离自习室的远近对自习地点的选择是有显著性影响的。而H座离大二、大三的宿舍最近，因此同学们如果只是想完成个作业，思考少许问题，往往就会对自习室的拥挤度有更高的容忍度，也就是对H座的心理期望人数要大一些。这便能解释上述的差异了。4.2.2 分布拟合上文中已经提到本文大体可以将教室分成三类，而通过调查发现每间教室每天的自习人数是变化不同的。现实中许多变量往往能符合一个数理分布。将27天的数据加和处理，通过k-s检验，得到如下结果: 表 10 K-S正态性检验K-S检验第一类第二类第三类样本数272727均值346.370495.29639.3333标准差33.3848720.6766633.38487K-S Z统计量0.7720.440.901P值0.590.990.392可以得出正态检验的P值分别为0.59，0.99，0.392。都不能拒绝其符合正态分布的假设：第一类教室每天自习人数的均值为346.3704，标准差33.38487。第二类的均值95.2963，标准差20.67666。第三类的均值9.333，标准差1.83973。在此，本文首先计算出来这三个分布90%的单侧上限分位数，分别为389.43、121.96，11.7。也就是说，可以有90%的概率保证各类教室中的自习人数不超过这个值，用0.9分位数而不是均值，是因为在下面对于开放教室个数的分析中，本文要保证开放的教室数至少能满足上自习同学的需求，若用均值，从概率的角度，就有50%的可能使得有些同学无法找到理想的教室。再按照扫楼数据中每层楼自习人数的比例，将上述三个分位数分配到每层楼。可以看出第二类、第三类的教室使用率不是很高,为了解决这个问题，本课题组又进行了下面的分析。4.2.3 评价与打分应用3.3中建立的综合评价方法-最优距离法模型，表明各指标与其最优值的相对距离，即： 其中，第i个指标的最优值（调查的第i类教室的满意人数的均值）； 第i个指标的值（到教室去的第i类教室的人数）； 第i类教室中有m个人的教室数； 第i类教室的分数。其计算结果的综合值越小，表明离最优值的相对距离越小，综合评价值最优。通过该公式可以得到在既定人数分配情况下，三类自习室的得分。得到每个教室类的分数之后，通过加权计算，可以计算在改情况下，教室使用效率的总得分。其计算公式为：其中，在特定情况下教室的总得分；第i 类教室的得分；第i 类教室所包含的楼层数。另外，通过对调查问卷的调查结果进行分析，对被调查者认为教室有多少人比较合适的问题得到如下结果：表11 自习地点及满意人数 人数区间自习楼5以下5-10人10-20人20-30人30人以上满意人数BC座740004.318EFG座5103108.289H座017192012.171其中，满意人数一栏是用如下公式求的：其中，i=1，2，3，4，5分别表示选5人以下，5-10人，10-20人，20-30人，30人以上；j=1，2，3分别表示选择BC座,EFG座,H座。第j座教室满意人数；选第j座第i人数区间的人数；选第j座第i人数区间的区间中值。 利用统计调查问卷得来的数据，以及对每一类教室的90%分位数的人数按照实地统计各楼层自习人数的比例分配后的数据，代入打分公式，可以得到三类自习室的得分情况如下：表 12 各楼层满意度得分教室楼层得分第一类B127.9746834.545450.80979341.66038B216.2982934.545450.471793C136.4887134.545451.056252C231.6235534.545450.915419F244.2729733.157891.335217H179.30214146.05260.54297H272.90258158.22370.460756H441.51605182.56580.227403H539.05103182.56580.213901第二类B37.30401134.545450.21143254.47055C315.7970534.545450.457283C46.45470834.545450.186847E120.7230133.157890.62498E27.81359333.157890.235648E313.9285833.157890.420068F122.7613433.157890.686453G127.1777233.157890.819645第三类B42.4862534.545450.0719779.82007B56.727517.272730.389487C52.4862517.272730.143941最优值距离法得分越低，说明越接近最优值，所以可知第一类效率最高，二类其次，三类最差。第一类包括H座各楼层和B、C座低楼层，这说明上述楼层得到了比较充分的使用，而属于第三类的B、C座高楼层使用情况就不能令人满意了。将上表中每一类教室的满意度带入教室使用率总得分的计算公式，可得到其总体得分为：因为该情况下，并没有控制教室使用，在此后分析中，将该情况做为基准，52.508则为基准满意度。不论是实地调查得到的数据，还是问卷得到的数据，简单分析，均可看出，很多资源都在浪费。为了给出政策性的建议，指导学校自习室的关闭时间。本文给出进一步分析：先固定一个教室类的人数不变，关闭一个教室类，并将其人数加到另一个教室类，并分析其满意度变化率，出于方向一致性的考虑得到公式如下：其中，表示基准满意度；表示在关闭某一类教室后的自习人数重新分配后的满意度；则表示满意度变化率。对于可能的各种情况计算其满意度变化率并列表如表13。表 13 满意度变化率关1增加3 “关i增加j”表示关闭第i类教室，并将第i类教室的自习人数按照第j类实地调查的各楼层平均人数的比例分配到第j类教室。关1增加2关3增加1关3增加2关2增加1关2增加31.826320.536350.117560.090970.217670.36581考虑到同学们对上自习地点的不同偏好，关闭某些教室肯定会造成整体满意度的下降，但也能使得大量的人力、物力资源避免浪费。因此具体关闭哪些楼层的指导思想就是在满意度下降最小的前提下，关闭相应楼层。由表中数据分析比较可知，关闭B、C的高层（即表中的关闭第2类教室），让原本去这些楼层就不多的同学去H座或低楼层，整体满意度只会减少9.097%为最小，却可以减少大量的能源消耗；若这些同学去B、C座的低楼层或E、F座的大教室，整体满意度也只会减少11.756%。却可以节约大量的资源。综合上文的分析，可以得出：B、C高楼层每个教室的晚自习人数基本只有1-3人，而日关灯却全部开放，这无疑是一种极大的浪费。而且在考虑了同学对自习地点的不同偏好和满意度减少的因素下，关闭B、C座高层也是最为明智的选择。因此本文建议学校在安排早晚自习教室时，可以不考虑B、C座高层将其关闭，或者只是做为上课的教室，下课即予以关闭。5.模型结果分析（1）大三的学生由于课业繁重同时忙于科研创新等等学术或文体活动，自习时间显著少于大一大二的同学。（2）具有动力和明确目标的同学更具有学习主动性。（3）自习地点的选择将对自习时间产生影响。（4）那些要长时间自习的学生通常会对教室的位置、环境等有更苛刻的要求或者是习惯。（5）B、C高楼层每个教室的晚自习人数基本稳定在1-3个人，存在自习室资源的严重浪费。因此本文建议学校在安排早晚自习教室时，可以不考虑B、C座高层将其关闭，或者只是做为上课的教室，下课即予以关闭。6.模型应用拓展通过以上对西南财经大学自习室两方面数据（问卷调查数据及扫楼数据）的两个方面的交叉统计建模分析，即logistic模型以及“聚类打分”模型，我们分别对学生需求方面以及自习室供给方面的控制管理，即对自习时间的控制管理及对自习室开闭的控制管理，获取了理论依据，提出了可行的改进管理提高学生自习效果的措