初中数学评职称论文

本文格式为Word版下载后可任意编辑和复制第第页初中数学评职称论文

学校数学职称论文学校老师职称论文：

老师变量对学校四班级数学成果的影响:一个增值性讨论

摘要:以房山区42所学校的1238名四班级同学和42名数学老师为讨论对象,以四班级下学期的数学测验成果为因变量,四班级上学期的数学测验成果作为协变量加入两水平线性模型中建立基础增值模型。在掌握同学背景变量的条件下,考察老师的特征变量、教学方式和老师培训三个方面对学校生四班级数学学业成果增长的影响。结果显示,老师的特征变量中,老师的性别、年龄、教龄和学历专业对同学学业成果的增长无显著影响,而老师的职称和最终受训练水平则对同学学业成果的增长有显著影响;与教学相关的变量中,是否参与过新课程培训这一变量对同学学业成果的增长有显著影响。

关键词:老师变量;增值性评价;增值模型;数学成果

一、问题提出

同学的学业成果作为其学习效果的一种主要体现形式,始终以来都是训练学和心理学共同关注的话题。训练和心理领域的大部分讨论者都认为,促进同学学业成果的增长和进步,老师的作用举足轻重[1]

[2][3][4]。讨论者通常从以下两个方面考察老师对同学学业成果的影响,一是老师特征因素,主要包括性别[5]、教龄[6]、学历[7]、老师资格认证[8]、老师所在高校的排名[9]等,由于其具有客观、便于测量和制定训练政策等方面的特点,这方面的讨论比较多;二是与教学相关的老师因素,包括老师的学科学问[10]、课堂教学行为[11]、职业进展[12]等,由于其概念界定和测量方法的不全都,使得这方面

的讨论相对较少。

由于统计方法的限制和熟悉的不足,训练领域在很长一段时间内对老师变量与同学成果关系的讨论,多采纳训练产出方程(educationproductionfunction)的讨论范式[13],这种范式通常存在两种选择偏差(selec-tionbias)的问题,一是老师并不是随机地安排给同学,例如,一些老师可能会被系统地安排到同学初始成果较低的班级中,这样使用一个单独时间点的数据考察老师,会导致这些老师的效能比较低;二是某些个人特征也不是随机地安排给老师的,即老师自身为教学所做的预备状况并不是随机的。随着训练讨论的推动以及统计方法的进展,讨论者渐渐意识到上述讨论范式已不适合当前的训练讨论,而过去三十年中已进展了一种新的考察老师质量与同学成果关系的方法———增值性评价(value-addedassessment)。这一新方法主要通过使用同学的学习结果数据评价老师,已成为训练讨论领域的一个重要主题[14],并被纳入训练问责的体系中。

增值性评价最先在欧美国家进展起来,以美国和英国的应用和讨论最为成熟[15]。与传统的方法———仅分析单个时间点的同学成果不同,增值性评价方法的分析对象是同学在两个或多个时间点上的测验分数,利用同学在测验成果上的增长或进步考查学校或老师的效能[16]。增值性评价方法主要依靠统计中的多水平模型技术,该技术解决了训练与心理讨论中大量存在的数据分层嵌套问题(如同学嵌套于学校),它能够将学校或老师对同学成果的影响与其他不受学校或教

师掌握的因素(如同学的原有成果水平、人口学因素、家庭背景信息等)对同学成果的影响分别开来[17],进而分析学校或老师的净影响。除了上述与传统分析方法的不同以外,增值性评价还具有以下显著特点和优势:第一,有利于促进训练公正。增值性评价关注同学的成长和进步,而不是同学成果的肯定水平,从而使得不同学校或老师的比较处在同一个标准之上,有利于促进学校和老师间的公正比较。第二,促进训练关注点的变化。传统的使用平均分评价训练成果的方式,简单导致老师或学校过分关注少数尖子生的培育,忽视大多数同学的进展,而增值性评价则是基于每个同学的进步来评价学校或老师的效能,有利于促进训练关注点从个别同学转向每一个同学的进步状况。第三,有利于实现评价的激励效应。同第二点类似,简洁平均分的评价方法显著偏向于生源质量好、软硬件条件优的所谓重点学校,而增值性评价方法的使用,有利于调动生源质量差的薄弱学校和一般学校的乐观性,同时避开重点学校凭借优质同学资源不思进取。

如前所述,传统的讨论范式无法解决两种选择偏差的问题,因此,本讨论试图在增值性评价的框架下,探讨老师变量对同学学业成果增长的影响,解决传统讨论范式所无法解决的问题,为讨论老师与同学成果的关系供应新的视角和方法,并为老师评价指标的确立供应新的思路。

二、讨论方法

1·被试

以房山区的42所完全学校为对象,本讨论的被试选取包括两部分:一是同学水平的抽样,实行固定抽样的方法,抽取每个学校四班级的第一个班作为同学样本,共1238人,男女生比例为1∶1.1;二是选择教授抽样班级的四班级数学老师参加老师问卷的调查,总计42名数学老师,其中女性老师(37人)的数量远多于男性老师(5人)。

2·工具与变量

本讨论包括以下三个方面的讨论工具:学校四班级上下学期数学测验、同学问卷和数学老师问卷。数学测验主要用于收集同学的测验成果;同学问卷主要用于收集同学的背景变量和与数学学习相关的变量;数学老师问卷则主要用于收集老师的客观特征变量和与数学教学相关的变量。

本讨论使用的数学测验是由抽样地区的数学教研室组织有阅历的教研员编制的,测验编制前,讨论者同教研员就测验的编制问题进行多次沟通,最终达成全都意见。同学问卷和数学老师问卷是在参考国外大型评价项目问卷的基础上,结合我国的训练现状自行编制的;同学问卷和老师问卷编制完成后,邀请测量领域的专家和同学审校,保证问卷的内容效度;同时对问卷进行预试,依据分析结果修订题目,确定最终的施测问卷。正式施测后因子分析结果均满意测量学的基本要求,其中同学数学学习爱好重量表中的题目能解释49.364%的总变异,克隆巴赫α系数为0.845;同学数学学习的自我效能感重量表中的题目则能解释52.903%的总变异,克隆巴赫α系数为0.758。

为考察老师变量对同学学业成果增长的影响,本讨论需要两个水平的变量:同学水平和老师水平。其中,同学水平的变量包括同学的性别、家庭社会经济地位、数学学习爱好、数学学习自我效能感和同学四班级上下学期的数学测验成果。老师水平变量包括三个方面:(1)老师特征变量,包括老师的年龄、性别、教龄、最终受训练水平、学历专业和职称;(2)老师的教学方式变量,包括老师使用以下四种方式的频次状况,即老师统一授课、老师指导下的分组争论学习、老师引领下的自主学习、无老师指导的分组学习;(3)老师培训,包括老师是否参与过新课程培训、老师间是否常常争论教学问题、是否常常共同预备材料或者备课、是否常常相互听课/评课、以及老师参加教研活动的频繁程度。

3.数据分析方法

增值分析主要依靠于多水平线性模型。依据Goldstein提出和进展起来的多水平模型[17],基于本讨论第2期老师变量对学校四班级数学成果的影响:一个增值性讨论71收集到的数据,以四班级下学期的数学测验成果为因变量,逐一引入相关变量建立以下6个模型,以确