城乡学校学业成绩影响因素多水平模型分析

/城乡学校学业成绩影响因素多水平模型分析【摘要】基于2019年浙江省初中教育质量监测数据，通过多水平模型分析城乡初中学生学业成绩的影响因素。结果发现：学业成绩与学校社会经济地位、学习动力、网络依赖、主观负担感的相关性最高，分别达到了0.41、0.39、0.32和0.30；班级数、教师职称、最高荣誉、自主学习习惯、学习日作业时间对不同类别学校具有不同影响。需要研究学校层面及学生层面的变量，从立体化的角度提升城乡初中学校的教育质量。

一、问题提出 2018年，北京、上海、江苏、浙江四省市作为一个整体参加了PISA项目，在阅读、数学和科学三个认知测试领域，四省市15岁学生的表现均居79个参测国家(地区)首位，这在一定程度上反映出我国的基础教育水平。然而，虽然四省市取得了骄人的成绩，但是城乡之间的教育差异问题仍然非常突出。赵茜、张佳慧、常颖昊[1]对2018年PISA数据进行分析发现，我国农村学校资源短缺仍然严重，教育教学过程仍然存在城乡差异，城乡学生学业表现也存在差异。作为四省市之一的浙江省，是否也存在城乡教育发展不均的问题?这值得研究者关注。同时，教育作为“共同富裕”建设的一部分，实现城乡教育优质均衡应当成为努力的方向。 浙江省教育质量监测借鉴PISA的理论和技术，不仅可以系统了解全省各地、各类学校的教育质量情况，还能针对区域学校层面存在的软管理问题进行系统分析，特别是针对农村教育中存在的问题进行诊断和评估，基于监测结果提出改进意见，使全省尽早达到优质均衡。本研究使用2019年浙江省教育质量监测数据，采用多水平模型分析城乡初中学校学业成绩的影响因素，以期为教育部门改进城乡教育决策提供依据。 二、研究方法 (一)数据来源 数据来源于2019年浙江省教育质量监测的结果。学校、学生样本的抽取采用两阶段概率比例规模抽样调查法(PPS)。第一阶段是抽取学校，在每个县(市、区)中固定抽出8所学校作为样本学校。第二阶段是抽取学生，在各个样本学校中固定抽出60名学生作为样本学生。学生抽样以性别作为分层变量，按性别比例用简单随机抽样法抽出样本。浙江省11个区市，96个县(市、区)(含部分市辖区)，730所初中的43668名九年级学生参加了本次测试。上学期任教八年级所有的语文、数学、科学教师，共9779位填答“初中教师问卷”，并将问卷统计的结果作为学校层面的数据。 (二)数据测量 学校社会经济地位是通过因子分析对父母最高教育程度、父母职业、家庭年收入等变量提取共同因子，计算出每位学生的家庭社会经济地位指数，并求出所在学校的平均社会经济地位。职称分为未评职称、三级教师、二级教师、一级教师、高级教师、正高级教师六类，最高荣誉分为无、校级、乡镇级、区县级、地市级、省级以上六类，分别赋0-5分。学校的职称和最高荣誉由教师的平均职称和最高荣誉获得。学校规模用学校的班级数表示。 性别设置虚拟变量，以女生为观察组，男生为对照组，女生赋值1，男生赋值0。参考PISA的测评方式，结合外部动机和内部动机形成学习动力。主观负担感受通过学生学科问卷采集，从学科作业难度、课堂教学内容难度、考试焦虑等主观感受来衡量，分别形成语文、数学和科学的主观负担感受指数，最终形成主观负担感受指数。根据以往自主学习的研究，编制了初中生自主学习品质调查问卷[2]。网络依赖状况由学生自我获得，分数区间在1-5分，分数越低，代表依赖程度越严重[3]。学业成绩由语文、数学和科学的平均分组成，每门学科均通过项目反应理论计算出能力分，并将能力分转换成平均分为500分、标准差为100的T分数。 (三)模型建构 本研究采用R语言lme4包和lmerTest包进行数据分析并建构多水平模型，其中学生层面为第一水平变量，学校层面为第二水平变量。学校层面的指数通过教师问卷和学生问卷获得，并对其以学校为单位求平均，教师的探究教学、职称、最高荣誉以及社会经济地位、班级数作为一个水平。多水平模型采用REML法进行分析，所有自变量都进行中心化处理，分别对学科平均分、语文、数学和科学建构模型，并纳入学校变量的模型，纳入学校和学生变量的模型(完全模型)。在分析多水平模型之前，需要对跨组相关系数(Intraclasscorrelationcoefficient，ICC)进行分析，ICC大于0.059，说明适合做多水平模型分析。完全模型如下： 第一层： 第二层： 三、研究结果 (一)学业成绩与影响因素的相关分析 对学业成绩与影响因素进行相关分析发现，学业成绩与学校社会经济地位、学习动力、网络依赖、主观负担感的相关性最高，分别达到了0.41、0.39、0.32和0.30，而与性别、学习日作业时间相关度最低，分别只有0.07和0.06。 (二)城乡学校影响因素分析 1.城乡学校的ICC(Intraclasscorrelationcoefficient，ICC) 通过多水平模型对全省学校三科平均分进行分析发现，校间的ICC为27.8％，即学业成绩的差异有27.8％的差异来自于学校，说明全省各学校之间的差异显著。分别对不同地域性质的学校进行多水平分析发现，城市学校的ICC为26.9％，县城学校的ICC为24.9％，乡镇农村学校的ICC为19.4％，说明城市学校的校际差异最大，而农村学校的校际差异最小。可见，无论是全省还是各地域学校，ICC都大于0.05，因此有必要对其影响因素进行多水平模型分析。 2.平均分多水平模型 (1)从全省的情况来看，纳入学校层面的所有变量都对学业平均分有显著的正向预测作用，其中学校社会经济地位和探究教学对学业平均分有极其显著的预测作用；纳入学生层面的变量，除自主学习习惯外，性别、学习动机、网络依赖、学习日作业时间以及主观负担感受对学业平均分都有极其显著的正向预测作用。(2)在城市学校中，纳入学校层面的变量中，学校社会经济地位、探究教学、职称对学业平均分有极其显著的预测作用，班级数和最高荣誉无显著预测作用；纳入学生层面的变量，性别、学习动机、网络依赖以及主观负担感受对学业平均分有极其显著的预测作用，自主学习习惯和学习日作业时间无显著预测作用。(3)在县城学校中，纳入学校层面的变量，学校社会经济地位、探究教学、最高荣誉对学业平均分有极其显著的正向预测作用，班级数和职称对学业平均分有极其显著的负向预测作用；纳入学生层面的变量，性别、学习动机、网络依赖以及主观负担感受对学业平均分有极其显著的预测作用，自主学习习惯和学习日作业时间无显著预测作用。(4)在乡镇农村中，纳入学校层面的变量，学校社会经济地位、班级数、探究教学、职称对学业平均分有极其显著的预测作用，最高荣誉有显著预测作用；纳入学生层面的变量，性别、学习动机、网络依赖、学习日作业时间、主观学习负担对学业平均分有极其显著的预测作用，自主学习习惯无显著预测作用。 在零模型的基础上，将第二层变量学校社会经济地位、班级数、探究教学、职称、最高荣誉纳入模型，使用劳登布什和布里克的方法(Raudenbush&Bryk，R&B)[4-5]，纳入的学校变量分别解释了全省、城市、县城和农村的学业平均分总变异量的69.2％、72.5％、62.3％以及59.5％。再纳入学生层面的变量，采用斯尼德斯和博斯克的方法(Snijders&Bosker，S&B)[4-5]，全省校、城市、县城、乡镇农村的学业平均分总变异量为的11.6％、11.3％、12.6％以及11.4％。 3.语文多水平模型 (1)从全省的情况来看，纳入学校层面的变量中，学校社会经济地位、班级数、探究教学、最高荣誉对语文成绩有极其显著的预测作用，职称有显著预测作用；纳入学生层面的变量，除了学习日作业时间对语文成绩呈现负向预测作用外，其他变量都有显著的正向预测作用。(2)在城市学校中，学校社会经济地位和探究教学对语文成绩有极其显著的预测作用，职称有显著的预测作用，班级数和最高荣誉无预测作用；纳入学生层面的变量中，学习日作业时间对语文成绩呈现负向预测作用，其他变量均有正向的预测作用。(3)在县城学校，纳入学校层面的变量中，学校社会经济地位、探究教学、最高荣誉对语文成绩有正向预测作用，班级数有极其显著的负向预测作用；纳入学生层面的变量中，学习日作业时间对语文成绩呈现负向预测作用，其他变量均有正向的预测作用。(4)在乡镇农村学校，纳入学校层面的变量中，学校社会经济地位、探究教学对语文成绩有极其显著预测作用，班级数和职称有显著预测作用；纳入学生层面的变量中，性别、学习动机、网络依赖和主观学习负担对语文成绩有极其显著正向预测作用，自主学习习惯有显著预测作用，学习日作业时间对语文成绩有极其显著的负向预测作用。 零模型下，全省、城市、县城以及乡镇农村学校的ICC分别为23.23％、21.69％、19.32％以及15.77％；加入学校层面变量后，模型的ICC分别变为9.07％、8.22％、9.18％以及8.24％；加入学生层面变量，模型的ICC分别变为9.08％、8.31％、8.79％以及8.39％。在零模型的基础上，使用R&B方法[4-5]，纳入的学校变量分别解释了全省、城市、县城和农村的语文成绩变异量的69.0％、69.6％、59.9％以及55.3％。再纳入学生层面的变量，采用S&B法[4-5]，学生层面变量分别解释了全省校、城市、县城、乡镇农村的语文成绩变异量的8.6％、8.2％、8.7％以及8.9％。 4.数学多水平模型 (1)从全省的情况来看，纳入学校层面的变量中，学校社会经济地位、数学探究教学对数学成绩有极其显著的预测作用；纳入学生层面的变量中，学习动机、网络依赖、数学学习日作业时间以及数学主观学习负担对数学有极其显著的正向预测作用，性别和自主学习习惯对数学有负向预测作用。(2)在城市学校中，纳入学校层面的变量中，学校社会经济地位和职称对数学成绩有极其显著的预测作用；纳入学生层面的变量中，学习动机、网络依赖、数学学习日作业时间和数学主观学习负担对数学成绩有极其显著的预测作用。(3)在县城学校中，学校社会经济地位和数学探究教学对数学成绩有显著正向预测作用，班级数对数学成绩有显著负向预测作用；纳入学生层面的变量中，学习动机、网络依赖、数学学习日作业时间以及数学主观负担感受对数学成绩有极其显著的正向预测作用，性别对数学成绩有极其显著的负向预测作用。(4)在乡镇农村学校中，纳入学校层面的变量中，学校社会经济地位和数学探究教学对数学成绩有极其显著的预测作用，班级数和最高荣誉有显著预测作用；纳入学生层面的变量中，学习动机、网络依赖、数学学习日作业时间、数学主观负担感受对数学成绩有极其显著的正向预测作用，自主学习习惯有负向预测作用，性别对数学成绩无预测作用。 零模型下，全省、城市、县城以及乡镇农村学校的ICC分别为24.33％、24.03％、21.06％以及17.26％；加入学校层面变量后，模型的ICC分别变为9.80％、9.09％、9.83％以及8.32％；加入学生层面变量，模型的ICC分别变为10.17％、9.82％、9.55％以及8.98％。在零模型的基础上，使用R&B方法[4-5]，纳入的学校变量分别解释了全省、城市、县城和农村的数学成绩变异量的68.5％、70.3％、61.5％以及59.9％。再纳入学生层面的变量，采用S&B法[4-5]，学生层面变量分别解释了全省校、城市、县城、乡镇农村的数学成绩变异量的12.8％、12.3％、13.6％以及12.7％。 5.科学多水平模型 (1)从全省的情况来看，纳入学校层面的变量中，学校社会经济地位、科学探究教学、职称对科学成绩有极其显著的预测作用，班级数对科学成绩有显著预测作用；纳入学生层面的变量中，性别、学习动机、网络依赖、自主学习习惯、科学学习日作业时间和科学主观负担感受都对科学成绩有极其显著的预测作用。(2)在城市学校中，纳入学校层面的变量中，学校社会经济地位、科学探究教学、职称对科学成绩有极其显著的预测作用，其他变量无显著预测作用；纳入学生层面的变量中，性别、学习动机、网络依赖、自主学习习惯和科学主观负担感受都对科学成绩有极其显著的预测作用。(3)在县城学校中，学校社会经济地位和科学探究教学对科学成绩有极其显著的正向预测作用，班级数对科学成绩有显著负向预测作用；纳入学生层面的变量中，性别、学习动机、网络依赖以及科学主观学习负担对科学成绩有极其显著的预测作用。(4)在乡镇农村学校中，纳入学校层面的变量中，学校社会经济地位、班级数、科学探究教学对科学成绩有极其显著的预测作用；纳入学生层面的变量中，除了自主学习习惯无显著预测作用，其他变量均有极其显著的预测作用。 零模型下，全省、城市、县城以及乡镇农村学校的ICC分别为23.84％、22.42％、22.26％以及17.21％，加入学校层面变量后，模型的ICC分别变为10.55％、8.46％、11.68％以及9.18％，再加入学生层面变量，模型的ICC分别变为10.77％、9.02％、11.49％以及9.49％。在零模型的基础上，使用R&B方法[4-5]，纳入的学校变量分别解释了全省、城市、县城和农村的科学成绩变异量的64.6％、70.1％、56.6％以及54.4％。再纳入学生层面的变量，采用S&B法[4-5]，学生层面变量分别解释了全省校、城市、县城、乡镇农村的科学成绩变异量的12.3％、11.8％、13.1％以及12.3％。 四、结论与讨论 (一)城乡间学校总体差异情况 通过多水平模型对全省学校三科平均分进行分析发现，学业成绩的差异有27.8％来自学校，说明全省各学校之间的差异显著。分别对不同地域性质的学校进行多水平分析，发现城市学校的ICC为26.9％，县城学校的ICC为24.9％，乡镇农村学校的ICC为19.4％，说明城市学校的校际差异最大，而农村学校的校际差异最小，农村学校往往会产生低质均衡。 (二)学校层面变量对学业成绩的影响 通过多水平模型发现，在随机效应模型下，全省、县城以及乡镇农村学校的各变量对学业成绩有显著预测作用，其中县城的班级数对学业成绩呈显著负向预测作用，而城市学校的班级数对学业成绩无显著影响。班级数对县城和乡镇农村学校的各门学科成绩有显著预测作用，其中对县城为负向预测作用，对城市学校无显著预测作用。班级数代表学校的规模，学校规模越大，学生的学业成绩越好，虽然这一结果与国际相关实证研究相悖，但是当前有众多研究与本研究结果一致。与小规模学校相比，大规模学校学业成绩较高的直接原因可能在于其办学条件较好，家长对这类学校认同度较高，优质生源集中，师资队伍专业水平较高等，因此规模较大的学校成绩相对较好。另外，城市学校学业成绩相对均衡，因此班级数对城市学校成绩的影响较小，而乡镇农村学校小规模学校主要是家庭社会经济地位较低的学生就读，家庭社会经济地位较好的学生都会去往办学条件相对较好的学校就读，因此在一定程度上，班级数会影响学生的学业成绩。 教师职称对所有类别学校都有显著预测作用，但是对县城学校有显著负向预测作用。张亚丽和徐辉也发现，初中学生的学业成绩与中高教师职称比例呈正相关、与无职称教师比例呈负相关[6]。与中等学习能力学生相比，教师职称对高能力学生的成绩起到相对促进作用，相对于社会经济地位较低的学生，教师职称对社会经济地位较高的学生具有积极影响[7]。因为高社会经济地位家庭主要集中在城市地区，且与农村学生相比，城市学生的学习能力也相对较高，所以这也解释了教师职称对高能力、高社会经济地位学生具有更积极的作用。从语文教师职称看，城市学校教师职称对语文成绩有显著正向预测作用，但是对县城无显著预测作用；数学教师职称只对城市学校学生的数学成绩有显著的正向预测作用，对其他地区无显著预测作用；科学教师职称也只对城市学校学生的科学成绩有显著的正向预测作用，对其他地区无显著预测作用。 学校教师最高荣誉对全省、县城和乡镇农村有显著预测作用，但是对城市学校无显著预测作用。语文教师最高荣誉对县城学校学生语文成绩有显著正向预测作用，但是对其他地区学校无显著预测作用。数学教师最高荣誉对所有学校学生的数学学业成绩有显著预测作用，科学教师最高荣誉对所有类别学校学生的科学学业成绩均无显著预测作用。可见，在不同地域类型学校上，最高荣誉并没有完全反应出教师的专业水平。 不管是学业平均分，还是语文、数学以及科学成绩，学校社会经济地位对所有类别学校学生的成绩都有显著的正向预测作用。Jehangir、Glas、Emvalotis[8]采用多水平模型分析PISA2012年希腊数据时发现，学校平均社会经济地位能显著预测数学成绩，这一结果与本研究结果一致。说明浙江省学生存在较为严重的教育不公，不同家庭背景的学生没有获得相同的机会取得教育成功，低家庭社会经济地位的学生学业成绩远落后于高家庭社会经济地位的学生。学校社会经济地位对学业成绩的影响最稳定，并对县城学校和乡镇农村学校的影响最大。学校社会经济地位在一定程度上反映了生源质量，学校社会经济地位高，则家长选择的倾向性就越高，因而学校的生源更好。学校社会经济地位对乡镇农村学校数学成绩的影响和对县城学校科学成绩的影响也较大，说明学校和教师对两门学科的贡献相对较小。 探究教学方面，无论是平均分、语文、数学和科学成绩，还是全省、城市、县城和乡镇农村，都能对学业成绩起到显著正向预测作用。唐一鹏、王闯、胡咏梅在基于学习策略和教学策略提升学业成绩的研究中发现，因材施教、参与式教学和引导探究三种教学策略均能够显著提升学生成绩，其中引导探究策略的提升效应最大[9]。受传统教学方式和学习方式的影响，多数普通中学教师没有较好地应用探究教学，学生对于探究性学习策略的熟悉程度不高；在那些能较好地应用探究教学的学校，学生的学业成绩会受到较大的促进作用。 (三)学生层面的变量对学业成绩的影响 女生在学业平均分上要显著高于男生，且城乡学校都存在这一结果。分学科看，语文和科学在城乡学校上都存在女生高于男生的现象；只有在县城学校上，男生数学要高于女生。以往男生在理科上有优势，女生在文科上有优势，但当前的监测表明，无论是理科还是文科，女生都比男生更加优秀[10]。说明现有的考试制度对女生的成绩更有利。 学习动机和网络依赖对所有学科和地域学校的成绩都有显著的预测作用。周世科、顾慧、姚继军等人在研究江苏省质量监测数据时发现，内部学习动机与四年级和九年级学生的学业成绩呈正相关关系[11]。对205个关于动机与学业成绩的研究进行元分析发现，动机对学业成绩的效果量为0.27，其中阅读、语言、数学和科学的效果量分别为0.26、0.34、0.32和0.28，中学生动机与学业成绩的效果量为0.28[12]。可见，国内外相关研究都说明，学习动机对学生的学业成绩影响较大。无论是为了未来的学习，抑或是将来的工作，都应当保护好学生的学习动力，这将对其毕生发展都非常有利。 网络是当前青少年获取信息、人际沟通、娱乐等的重要工具，尤其是在智能手机普及的当下，网络成为青少年生活的重要组成部分。适当使用网络有利于学生的身心健康，但是过度的网络使用以及更严重的网络依赖或网络成瘾，将严重