【毕业学位论文】（Word原稿）华中农业大学大学概率统计类课程体系问卷调查及分析-统计教育学

华中农业大学 大学概率统计类课程体系问卷调查及分析 华中农业大学 目 录 摘要 研究背景及意义 问卷设计及实施 假设条件 问卷探索及改进 问卷二的调查 问卷简介 问卷的施测情况 问卷调查统计分析结果 课程与效用的总体情况 简单统计结果 列联表数据的 不同课程组合与学习心得的列联表分析 评价指标与学习心得的逐步回归 指标的引入及统计结果 逐步回归模型的建立 课程组合与评价指标的分析 差异性分析 方差分析的模型介绍 双因素方差分析 单因素方差分析 模块拓展的结果分析 7 4 讨论与建议 8 2 针对问卷调查统计分析结果的建议 模型不足与改进 考文献 录 要 21世纪是知识经济蓬勃发展的时代，面对目前的形势和挑战，培养创新型人才是时代对高校育人提出的迫切要求，是我国高等教育的重要任务。 农林院校就自身人才培养模式的建构及路径 的 选择也 在 理论和实践上不断地探索，开展教学内容及课程体系的改革是探索过程中不可忽视的部分。概率统计类课程的应用活跃于各个学科及日常生活中，构建适应于培养创新人才的农林院校概率统计类课程体系对于学生增强综合素质，提高应用能力有着重要意义。 首先，本文针对“概率统计类课程体系改革”，以问卷的形式，对 华中农业大学所有修习过 概率统计类课程 的 08、 09 级 学生 进行 分层随机抽样 调查。我们采取列联表数据的 H 检验，发现不同课程组合在学生的学习效用及学习心得方面存在显著性差异；通过逐步回归模型建立了学习心得与各评价指标之间的定量关系， 从而确定影响学习心得的显著性指标，包括 学生对所学习课程的兴趣、任课教师的教学态度、所学课程的教学内容的充实程度及难易程度、所学课程与专业的联系程度、所学课程的学时安排、 学生 对授课方式的适应程度 ；通过差异性分析， 发现农林类院系学生在 各显著的 评价指标上的给分相对较低 。 其次，基于以上调查结果提出如下建议：教师在教学过程中应遵循情感交融施教法，不断激发学生的求知欲望；可以采取 试点班 教学以寻求学生更适应的授课方式；通过案例式教学 ，结合不同专业进行实地调研， 让学生充分认识到概率统计类课程与其专业的密切联系及其在日常生 活中的重要性和普适性。 最后，我们对模型进行了合理的评价，提出了不足与改进方向。 关键词 : 概率统计类课程体系 ； H 检验法；逐步回归；方差分析 1 研究背景及意义 3 农林院校开设的数学课程是教育部规定的必修课，对农林院校数学课程改革的目标、课程结构和教学内容等问题的研究 ， 对于推进农林院校的数学教学改革 ，提高数学教学质量， 具有重要的意义 1。概率 统计类课程 作为 数学范畴的学科，注重对实际问题的提炼、分析与解决 , 更具发散型思维 2。 在当今知识经济蓬勃发展的时代，概率统计已经广泛应用在生物学、 农学等特色专业的科研工作中。而传统教学模式由于存在着 缺乏创新 、授课方式单一、重理论轻实践等问题，已难以满足时代发展对人才的需求。 华中农业 大学是一所教育部直属、国家 “ 211” 工程建设的全国重点农林院校 ， 学校以农科为优势 ,以生命科学为特色 ， 是农、理 、 工、文、法、经、管等多学科相结合的综合性研 究型大学 3。目前 ， 学校共有 12 个学院、 48 个专业 。 该校的概率统计类课程体系包括以下 5 门课程：概率论与试验统计、多元分析及 用、时间序列分析与 用、统计模拟与 R、金融数学。其中概率论与试验统计是公共 基础课，共 56学时，其余课程是面向全校一年级至三年级学生开设的通识（选修）课（理学院信息与计算科学系除外，概率论与数理统计80学时，多元分析及 用、时间序列分析及 用是专业选修课）。 华中农业 大学作为一所高等农林院校在 自身人才培养模式的建构及路径 的 选择 上 不断 地 进行全方位、多层次与 立体式的思考和探索，概率统计类课程体系改革就是在此基础上提出的。 为此，我们编制了“概率统计类课程体系调查问卷”，在 华中农业 大学范围内进行调查。经过统计分析，得到学生视角的概率统计类课程总体评价及不同年级、性别、院系学生对 概率统计类课程的差异性评价，从而找出影响学生课程学习效果的关键因素并提出合理建议。这些研究结果对于克服传统教学中存在的不足，提高概率统计类课程的效用，促进 概率统计类课程体系改革，培养创新型人才有着重要的意义和参考价值 。 2 问卷设计及实施 假设 条件 影响学生学习心得的因素 有 很多，相互之间也存在着 极大 的关联， 指标确定的合理性对于提取准确而有效的数据是至关重要的。 因此，我们先通过第一份问卷进行了试探性地调查，然后根据统计结果中存在的问题，将指标进行了归纳，从而设计出第二份问卷，并在设计时做出如下 假设： 假设一 ：影响学生的评价指标 学生对所学课程的兴趣、任课教师的教学经验及教学态度、所学课程教学内容的充实程度及难易程度、所学课程与专业的联系程度、所学课程的学时安排、 学生 对授课方式的适应程度。 4 华中农业 大学共有 十一个院开设了概率统计类课程体系， 对于同属于一个院系的若干个专业，虽然其具体的研究和发展方向不同，但是在 公共 课程的教学要求上是大体一致的，故而做出如下假设： 假设二 ：同一院系不同专业的学生在概率统计类课程的学习上没有差异。 问卷的探索及改进 为了准确获取学生对于概率统计类课程 体系的认识及评价信息，我们以 华中农业 大学所有修习过概率统计类课程的学生为总体，进行抽样调查。本次研究前后共实施了两次问卷调查，第一份调查问卷（以下简称“问卷一”，见附录 1），在征求专家意见之后，向在图书馆等自习场所自习的学生进行随机发放，旨在根据学生的反馈结果，提取出学生关于概率统计类课程体系认识及评价的重要因素，从而进一步完善调查问卷，使问卷更具有调查的实际意义。第二份调查问卷（以下简称“问卷二”，见附录 2），在问卷一调查结果分析的基础上，进行了相应的改进，并再次经过专家的肯定之后，采取分层抽样法，对在校 学生进行问卷的发放调查。 问卷一总共发放 525份，回收 455份，回收率 删去无效问卷 40份，有效问卷 415份，有效率 根据问卷一的统计结果，我们发现该份问卷的某些指标选项（如“学时少”）不是十分合理，供学生选择的余地太少，也不利于统计分析。针对这个问题，我们在设计问卷二时，对于大部分指标均采取 5级计分方法，对各指标的 5个选项从 5分依次取至 1分，便于统计分析。另外，问卷一的调查对象分布并不均匀，有些院系（如文法院）的调查样本明显偏少，不利于合理分析。因而，我们在发放第二次问卷时，采取了 分层抽样法（针对各院系），以达到样本的合理分布。再者，问卷一的调查对象是大一至大四的所有学生，而大一的学生对于概率统计类课程只是初步接触，或者还没接触，调查意义不大，而大四学生目前大多忙于毕业的相关事项不便调查，因此，我们在发放问卷二时主要是针对大二与大三的在校生，这样既具有实际意义，又方便调查。 问卷二的调查 问卷简介 本文主要针对问卷二进行介绍。改进后的问卷全部采取正向叙述题，共设项目 13条， 13用 5级计分 法进行选项设置）， 12涉及授课方式与课程模块拓展。问卷采用无记名自评方式，要求学生提供年级、性别和专业 3个方面的基本信息，作为统计分析之用。 5 问卷的施测情况 以 华中农业 大学所有 修习过 概率统计类课程的大二、大三在校生为总体，通过分层随机抽样，共发放问卷二 624 份，回收 595 份，回收率 删去无效问卷 27 份，有效 568 份，有效率 回收 的问卷 利用 行 数据的处理 ，并用 行 统计分析 。 3 问卷调查的统计分析 课程与效用的总体情况 简单统计结果 首先，对 修 习过各课程 的人数进行统计，并计算其占样本容量的百分比 如 图1所示。 可以看出，修习过多元分析与 用、时间序列分析与 用、统计模拟与 R、金融数学这四门课程的人数的百分比很小而且是依次减少的，分别为 这与它们的通识课性质是密切相关的。 图 1 各课程人数百分比 统计学生学习概率统计类课程后所获得的效用（在问卷中设置为多选题），如图 2所示，其中，“数据处理能力”和“训练思维能 力”两方面的百分比（选择某一选项的总人数 与被调查对象人数的比值）比较高，分别为 “读懂文献”、 “数学建模”、“提高创新能力”、“考研”的百分比是递增的，但是最高也只有 21%；而选择“没有作用”的学生人数占样本容量的百分比竟高达10%。 6 图 2 所学课程 效用 的百分比 列联表数据的 H 检验法 是检验多组样本同质性（即是否来自同分布总体）的最常用、功效最强的非参数检验方法 4，它与单因素方差分析的思路相似，只是总体不服从正态分布，也不能近似地服从正态分布，大多数情况下是无法确定总体的分布。它的 检验过程大体如下： （ 1）设 r 个不同的总体，样本容量分别为 ， 们的和为 n，其中第 i 个总体的样本为 ， 应的观测值为 ， （ 2）设 r 组样本是同质的； （ 3）将各种样本数据混合后由大到小排序，确定各个数据的秩 计算各组的秩和 Ri(i=1,2, ,r； j=1,2, ,如有相同的数据可同取平均的秩； （ 4）如果没有相同的数据，则计算 212 3 ( 1 )( 1 ) ii n n ；若有相同数据，则先计算 2221 ( 1 )14 再计算 2 221 ( 1 )4ii iR ； （ 5）如果 r 3, 5，可根据 检验临界值表中查出 值，当 H0，即认为 r 样本是有显著性差异的，否则接受 果超出 H 检验临界值表的范围，可以进行 2检验， H 近似服从 2(r 1)分布。 通过问卷调查搜集到的数据一般是属于定类的数据 5，这种数据是离散型的，无法采用很精确的统计方法，比较普遍的解决办法是编制数据的列联表，进行 我们始终围绕着“如何开设概率统计类课程给 学生带来更大的效用”这一宗旨进行问卷信息的提取。概率论与试验统计是必修课，如若分析不同的课程的具体效用，则必须与这门必修课进行组合。统计问卷，得到不同的课程组合下学生效用的情况如表 1 所示。其 中， A 代表概率论与数理统计， B 代表多元统计与 应用， C 代表时间序列分析与 用， D 代表统计模拟与 R， E 代表金融数学 。对于课程组合的 样本 人数 不足 5人时，由于主观因素影响较大，不具有代表性，故而在下面的分析中 我们 只选取其中总人数大于 5的课程组合，记 R=A ， 表 1 不同课程组合下 效用的情况 数据处理 能力 训练思 维能力 读懂 文献 数学 建模 提高创 新能力 考研 没有 作用 总人数 A 279 252 51 50 65 101 55 279 5 27 9 21 12 5 0 33 9 12 10 14 15 6 0 27 0 13 0 3 5 2 2 23 10 0 7 3 4 0 14 3 1 1 1 0 0 3 5 2 3 2 0 0 6 1 0 1 1 0 0 1 1 0 1 0 0 0 3 2 0 1 2 0 0 2 1 1 1 0 0 0 3 1 1 1 1 1 0 2 1 0 1 1 0 0 1 利用不同课程组合 A ， 效用的列联表数据进行 得到输出结果如表 2 所示，可以看到 P 值小于 以拒绝 认为这五种不同的课程组合对于学生的效用的影响存在极显著差异。 表 2 R 集合的 卡方检验值 自由度 P 值 此基础上，我们对这些课程组合与效用的列联表进行分析比较课程组合在效用上的具体表现，将表 1 中的人数转化成百分比，得到结果如表 3。 表 3 不同课程组合 效用 的比例（ %） 效用 课程 数据处 理能力 训练思 维能力 读懂 文献 数学 建模 提高创 新能力 考研 没有 作用 A B D C 以看到，这五种课程组合都在“数据处理 能力 ”与“训练思维能力”方面比例较高（ 合下“训练思维能力”所占的比例相比于“提高创新能力”和“数学建模”稍低一点），这与前面所学课程效用的百分比（见图 2）结果是 8 一致的。 上面 H 检验显 示五种不同的课程组合 对学生学习效用的影响 存在显著性差异，下 面对这些组合进行两两同质性检验，深入比较分析这些课程，通过 H 检验得到结果如 表 4所示。 表 4 课程组合的 根据 H 检验的原理可知， A 与 A 与 A 与 学习效用的影响存在显著性差异，即在 A 这门必修课的基础上增加一门课选修课后，对 学习效用有显著性影响， 如 A 与 但是任何一门选修课与必修课组合后 学生的学习效用 又没有显著性差异 ，如 较其中具有显著性差异的课程组合 的效用， 如图 3所示。 图 3 不同课程 组合 在各 效用 上的比例 可以看到在学习过概率论与 试验 统计这门必修课后，学习 B， C， D 这三门选修课都 使“ 数学建模 ”“ 提高创新能力 ”的比例上升 ，而且学习 B 后 “ 读懂文献 ” 的比例上升， “没有作用”的比例 有所下降 ，学习 C 后同样也降低了“没有作用”的比例，学习 练思维能力”的比例明显提高；而前面图 2显示这几个 效用 的百分比偏低，“没有作用”的百分比偏高。根据上面的比较分析，可以通过课程的适当搭配 完 善概率 统计 类课程体系。 不同课程组合与学习心得的 继不同课程组合与学习效用 的 H 检验，我们对其中具有 显著性差异的课程课程组合对比 卡方检验值 P 值 A B C B B C B 9 组合 A、 学习心得 上的 情况进行统计，得到表 5， 并对其进行 表 5 不同课程组合下学习心得的统计 很大 较大 一般 较少 没有 总人数 A 11 131 226 70 11 449 2 11 12 1 1 27 0 5 5 4 0 14 0 4 12 7 0 23 结果显示， P(2 于 说明 这些课程组合在学习心得上是有显著性差异的。 评价指标与学习心得的逐步回归 指标的引入及统计结果 为便于后面的分析与叙述，我们将问卷 二 的评价指标：学生对所学习课程的兴趣、任课教师的教学经验及教学态度、所学课程的教学内容的充实程度及难易程度、所学课程与专业的联系程度、所学课程的学时安排、 学生 对授课方式的适应程度，分别定义为变量 xi(i=1,2, ,8)，同时定义学习心得为变量 y；将每一个指标的 5个等级分别记为“甲、乙、丙、丁、戊”，代表 5分、 4分、 3分、 2分、1分；对变量进行简单的统计分析后得到它们在各等级上 总人数的百分比以及平均得分如 表 6所示。 表 6 各评价指标及学习心得的 在 各等级上总人数百分比（ %） 及 平均得分 具体内容 变量名 甲 乙 丙 丁 戊 平均分数 学习兴趣 师的教学经验 师教学态度 学内容充实程度 学内容难易程度 专业的联系程度 程学时安排 课方式的适应程度 习心得 y 以看到，各指标都是主要居于“丙”以上的水平，且指标 甲乙等级上百分比之和大于 50%，说明学生对这些评价是比较认可的；对于特殊指标学内容的难易程度）， 学生认为“难”或“很难”，持“一般”态度的学生占 即教学内容对于大多数学生来说并不容易；而在学习心得这一评价上，有 学生觉得收获大， 认为收获一般，所以整体而言，学生的学习心得还是比较理想的。 逐步回归模型的建立 逐步回归 是建立最优回归方程的方法之一，用来选择最优回归子集。它所建 10 立的“最优”回归方程，包含了所有对因变量有显著影响的自变量而又不包含对因变量没有显著影响的自变量 6。逐步回归确定最优回归子集采用引入与剔 除相互交替的方法，而引入与剔出的根据就是自变量在回归方程中的偏回归平方和。在原回归方程中引入新自变量的偏自回归平方和，就是在含有原自变量的回归方程中引入新自变量后的回归平方和增加的数值，用来衡量新自变量对因变量取值的影响。 逐步回归的基本思想： （ 1） 从一个自变量开始，将自变量一个一个地引入回归方程，并且在每一次决定引入一个变量时，这个自变量的偏回归平方和，经过检验所有尚未引入回归方程的自变量中最为显著的那一个。 （ 2）在引入一个新的自变量、建立新的线性回归方程之后，接着对早先引入回归方程的自变量逐个进行检 验，由偏回归平方和最小的自变量开始，将偏回归平方和经过检验不显著的自变量从回归方程中逐个地进行剔出。 （ 3）引入自变量与剔出自变量交替进行，直到再也不能引入新的自变量又不能从回归方程中剔出引入的自变量为止。 运用逐步回归的方法，通过 件建立学习心得 y 关于各项指标 , y=数检验 结果 如 表 7（显著性水平 = 表 7 参数检验结果 变量名 F 值 P 值 各参数进行显著性检验，结果发现，在显著性水平 =，所有系数均通过检验。 回归方程是显著成立的， 故该线性回归模型能够很好的反应学习心得 y 与各项指标 , 除 它所有指标对 y 均有显著性 影响，并且这些指标中只有 易度）与 y 负相关，其它均为正相关。将正相关因素按它前面的系数大小从大到小排序依次为 x8,代表着它们对于 y 的影响程度。 课程组合与评价指标的分析 11 根据 们发现课程 组合A、 学习心得方面存在显著性差异。而结合学习心得与各因素之间的回归关系，我们发现课程 组合 A、 学习心得方面的差异可以归结为课程在因素 , 么统计分析具有不 同课程组合背景的学生在不同因素指标上的评分，对于提高课程学习效果，体现课程学习 的效用 具有重要意义。 对每一种课程组合的学生在各因素上的评分求均值 1 3 4 5 6 7 8, , , , , ,x x x x x x x，并将所得各因素的均值再求一次平均值 1 3 4 5 6 7 8( ) / 7x x x x x x x x ，得到如下均值评分表 8: 表 8 均值评分表 指标 课程 学习 兴趣 教师教学态度 教学内容充实 教学内容难易 专业 联系程度 学时 安排 授课方式的适应度 均值 A B C D 了能够通过 分析 学生在各因素上的评分， 以对 提高课程学习效果提供建议。我们制定了如下评判标准： 根据正相关因素 , y 的影响程度大小排序结果 x8,们作如下规定 ： 如果该课程组合下 6 8,x x x 大于或者等于 x ，而负相关因素 x 小于或等于 x ，则该课程组合的各因素指标值合理，各因素方面按照现有状况稳定发展，即可使课程的学习效果稳步增强。 如果某正相关因素的均值得分小于 x ，则说明学生在该方面存在问题，需要提高改进。如果某负相关因素的均值得分大于 x ，即难易度不合理，需要教师与学生的沟通。 根据以上评判标准，我们对均值评分表的数据进行分析： 对于只学过 A 这门课程的同学，其兴趣均分 专业联系程度均分 授课方式的适应度均分与均值基本持平，难易度也达 12 标。故学生的兴趣有待提高，课程与专业的联系程度应更加合理。 对于只学过 门课程的同学，其授课方式的适应度均分小于均值，需要采取 措施改进，其它因素达标。 对于只学过 门课程的同学，其授课方式的适应度均分也小于均值，需要采取措施改进，其它因素达标。 对于只学过 门课程的同学，其授课方式的适应度均分也小于均值，需要采取措施改进，其它因素达标。 至此，本文已从整体上对学生的学习情况进行了统计分析。简单统计学生的选课及效用，并检验不同课程组合在效用上的同质性，得到不同课程组合具体的突出效用；建立学习心得与各评价指标的回归模型，找出对学习心得有显著性影响的指标，而学习心得又立足于不同课程组合，从而将课程组合与评价指标结合起来，进而由课 程组合与效用的关系搭建起评价指标与学习效用的桥梁；统计各评价指标及学习心得的得分情况，分析需要改进完善的方面（指标所对应的内容），尽可能增大效用。但是这些都是从宏观上进行 的 分析，需要深入微观方面，进行差异性分析，探究问题的根源所在，从而有目的性、针对性地 提出合理建议。 差异性分析 方差分析模型介绍 方差分析与回归分析很相似，都是研究一个或几个自变量（因子）对于因变量的影响；但是方差分析侧重于研究各个因子分别对因变量产生影响时所产生的差异性，不能像回归分析那样找出因果的变化方向 。方差分析的前提有两个 :其一是等方差性，其二是正态性；但是定类数据对于正态性的要求不高，一般情况下只需要保证等方差性。 方差分析可以分为单因素、双因素以及多因素的，其中应用比较普遍的是前两种。其分析的过程如下： （ 1）设双因素试验的一个因素为 A， 共有 , r 个水平，另一个因素为 B，共有 , s 个水平。将这两个因素的各水平相互搭配并各安排 m 次试验，其中 A 因素 平与 B 因素的 平搭配安排试验所得到的样本记为 应的观测值记为 （ 2）对不同水平下的总 体进行方差齐性检验； （ 3）在方差齐性的基础上，检验不同因素水平下的均值是否相同，以及因素之间的交互影响。 双因素方差分析 13 以年级、性别为双因素，进行双因素方差分析，检验 4 个水平（ 08 级男生、08 级女生、 09 级男生 及 09 级女生）下不同指标的方差齐性，得到检验结果如表9 所示 。 表 9 方差齐性检验结果 变量名 F 值 P 值 y 以看到 y 的方差齐性检验未通过，所以对这些指标的数据进行方差的稳定性转换： 5 5 6 6 8 8l n ( ) , 1 . 7 , 1 . 7 , 1 . 8x x x x x x x x x y y= = - = - = 0，此时所有指标的方差齐性检验都通过。 表 10 稳定性 转换 后方差齐性检验结果 变量名 F 值 P 值 此基础上，我们对满足了方差齐性的变量进行年级与性别的双因素方差分析， 将年级因素记为 a，性别因素记为 b，年级与性别的交互作用记为 a*b， 结果如表 11 所示。 表 11 双因素方差分析结果 变量名 a b a*b F 值 P 值 F 值 P 值 F 值 P 值 表 11可 以得出如下结论： （ 1）不同年级的学生在“授课方式的适应度”方面的评价存在极显著差异。 14 在其余评价指标方面不存在显著差异， 如图 4 所示 。可以看出， 09 级学生对概率统计类课程授课方式的适应程度低于 08 级。 图 4 学生对 当前授课方式适应程度直方图 结合总体情况来看，学生在当前的授课方式的适应程度方面， 学生是适应的或是很适应的， 学生认为“一般”，选择很不适应的学生只有 统计学生理想的教学模式， 学生选择“以小组实践学习为主，辅以教师讲授”，其他的学生选择“以教师 为主”和“以学生个体实践学习为主，辅以教师讲授”两种教学模式的比例相当，均不足 27%整体而言， 学生对当前的授课方式都是适应的，但是更倾向于“以小组实践学习为主，辅以教师讲授”的教学模式。 （ 2） 不同性别的学生在各评价指标及学习心得上均没有显著性差异。 （ 3）年级与性别这两个因素不存在着交互作用。 单因素方差分析 以院系为单因素，进行方差分析，得到各评价指标及学习心得方面的差异性分析结果， 如表 12 所示。 表 12 不同院系的单因素方差分析 x1 x2 x3 x4 x5 x6 x7 x8 y 值 见， 不同院系的学生在“教师教学经验”“教学内容难易程度”“教学内容与专业的联系程度”方面的评价存在极显著差异，在“教学内容充实程度”“学时安排”方面的评价存在显著性差异， 在其余评价指标方面没有显著性差异。 如图 5所示。 15 图 5 不同院系的学生在 5 个评价指标 上的显著性差异 计算 不同院系学生在 5 个评价指标上的平均 给分，如表 13 所示。 从总体来看， 各院系和学生在“教师教学经验”方面的评价较高，而在其余 4 个评价指标方面的给分则相对较低。与理工类院系和经管院相比，农林类院系在各评价指标方面的给分均相对较低，尤其在“与专业联系程度”方面，评价得分最低，例如，园艺林学学院与水产学院学生在这一指标上的平均给分分别为 和 低于一般评价水平（ 3分）。 表 13 不同院系学生在 5 个评价指标上的平均给分表 指标 院系 教师教学经验 教学内容充实 程度 教学 内容难易 程度 与 专业联系程度 学时安排 农林类 动科 科 林 产 工类 生科 工学 理学 资环 科 管 法 模块扩展的结果分析 在问卷 的 最后，我们设置了一道关于是否有必要 进行 模块扩展的问题，统计结果如图 6所示。 生持不清楚的态度， 学生认为有必要进行模块拓展， 学生认为很有必要， 学生认为没有必要， 学生认为完全没必要。一部 分 同学对于概率 统计类 课程体系是 否要进行模块拓展持 16 不清楚态度，其主要原因在于他们对于该课程体系的相关背景不是十分了解；因此教师在教学时应该适当地加强背景介绍。对于认为有必要进行模块拓展的学生，应该进一步调查分析，了解具体需要拓展的模块。 图 6 模块扩展必要性的人数百分比 4 讨论与建议 针对问卷调查统计分析结果的建议 针对课程与效用列联表分析的讨论和建议 从课程与效用 的列联表分析中可以看到，在 A 课程的基础上，任意选修 B、C、 D 中的一门课对 效用 都会产生显著性影响，其中 ， 选修 B 课程后 ，对于学生参加 数学建模 ， 提高创新能力 以及 读懂文献 都有很大的帮助 ， C 课程 对于学生参加数学建模也有很大的帮助， D 课程 可以 训练 学生的 思维能力 。课程 B 能帮助 学生 从数据中发现和提炼出规律性的结论 ，从而提高创新能力。 课程 C 有助于 学生运用时序模型和 件模拟 解决实际问题 ，并对其发展进行预测、控制， 因而对于参加 数学建模的帮助很大。 所以通过 B、 C 课程 的学习，学生对于概率统计类课程的实践认识加深，从而认为 “没有作用”的 比例明显降低 。 D 课程研究 概率统计模型的数值分析方法，更加注重的是训练严谨的思维能力。因此 学校应 根据各种课程组合的突出效用对课程进行合理设置，以尽可能增大效用，让学生了解并认识到概率统计类课程在日常生活中的重要性和普适性，这将极大地有益于学生综合素质的提高。 针对课程组合与评价指标的分析和建议 17 通过对只学过 A 这门课程的同学的评分 进行 分析， 发现 学生的兴趣明显不足，课程内容与专业联系程度也不合人意，原因在于该门课是概率统计类课程的基础，理论性十分强，学生不能直接与实践相结合。为了激发学生的兴趣，教师可以培养风趣幽默的教学风格，努力成为学生的朋友，遵循 情感交融施教法 ，不断激发求知欲望 7。 为了增强课程内容与专业联系程度，教师在教学时，可以多引入与该专业相关的实例。 对于只学过 程组合的同学的评分分析，它们均在授课方式的适应度上不达标。 虽然 50%左右的学生对概率统计类课程目前的授课方式是适应的，但是从评分分析来看，我们仍有 很大的改进空间 。 结合理想授课方式的统计结果，我们发现 50%以上学生理想的授课方式是“以小组实践学习为主，辅以教师讲授”，这一调查结果与 实际 情况相符合。大学之前的教学是以灌输式为主，即纯粹 的 教师讲授，而现行的大学教育虽然鼓励教师教学以引导学生为主，注重培养学生 的自学能力，但是因受 目前教学现状的影响 ，还是 以 教师的讲授 为主 ，因而学生普遍比较适应 。同时 学生希望尝试新的教学模式 ， 所以学校可以尝试开设概率统计类课程试点班 ， 授课方式 以小组实践学习为主，辅以教师讲授 ， 定期比较 试点班与非试点班 学生的学习心得，再结合学校的具体情况进行调整。 针对学生差异性的建议 （ 1） 针对学生年级差异性的讨论和建议 不同年级的学生在“授课方式的适应度”方面的评价存在极显著差异 ， 在其余评价指标 上差异不显著 。 08 级学生对概率 统计类 课程目前的授课方式适应度较高， 09 级学生的适应度 相 对 较低。 华中农业 学概率论与试验统计（公共基础课）课程统一在第二学年第一学期开设，其余概率统计类课程作为通识选修课在第二学年和第三学年开设（理学院除外）。授课教师均来自理学院，授课方式以教师讲授为主，辅以一定学时的上机实践。 我们借用内隐态度 8这一概念对不同年级在授课方式适应度的差异性进行解释。 内隐态度是指过去的经验和已有态度积淀下的一种无意识痕迹，个体在意识水平无法觉知这种痕迹及其影响，但它又潜在地影响个体对社会对象的认知、行为和情感取向 。 一些研究发现，内隐态度随年龄的增加呈现出发展趋势。 因此，上述差异 性很大程度上是由内隐态度造成的。针对 09 级学生 对概率统计类课程授课方式 的适应度 相对 较低 的问题，我们 建议 不同年级的学生加强交流。 （ 2） 针对学生院系差异性的讨论和建议 不同院系的学生在“教师教学经验” 、 “教学内容难易程度” 、 “教学内容与专 18 业的联系程度”方面的评价存在极显著差异，在“教学内容充实程度” 、 “学时安排”方面的评价存在显著性差异， 在其余评价指标方面没有显著性差异。各院系学生对教师教学经验比较认可，但是对其余 4个方面的评价则相对较低。尤其是农林类院系学生，他们普遍认为概率统计类课程与专业的联系程度不 大，与理工类院系相比，在教师教学经验方面的评价也相对较低。造成农林类院系和理工类院系学生对概率统计类课程体系的评价有所不同的原因主要有 以下 两 点。 首先，各个院系开设专业的学科背景不同。概率统计类课程长期以来，被认为是与农林学科关系不大的课程，学生学习的动力更多的是为了完成学分。理工类专业和经管类专业与概率统计类课程的