高职院校学生增值性评价实施方案研究

摘 要 高职院校学生增值性评价实施方案的研究在国内尚属空白。增值性评价的三种基本模型是：概要统计分析模型、多元线性回归统计分析模型、多水平分析模型。基于多元线性回归统计分析模型，构建高职院校学生增值性评价系统的基本架构、指标体系，该评价需解决数据收集与分析，试题库组建及组卷系统的应用，评估指标与权重的确定，排数字化指标的量化，综合统计分析平台开发等关键问题。

关键词 增值性评价；多元线性回归统计分析模型；指标体系；高职院校

中图分类号 G715 文献标识码 A 文章编号 1008-3219（2013）17-0055-04

上世纪90年代中后期，我国教育领域开始推介增值性评价。目前研究方向大多停留在对英国、美国、澳大利亚等国家做法的介绍及理论研究两个层面，在实际运用中主要将其应用于中小学教育，高职教育领域应用增值性评价的实证研究在国内几乎还是空白。本文旨在对高职院校实施增值性评价中所涉及的评价模式、评价指标等进行分析与探讨。

一、学生增值性评价统计模型的选取

（一）增值性评价统计模型概况

随着相关统计方法的发展，以及各种统计软件的开发与应用，增值性评价方法的统计技术也随之得以完善。目前应用于增值性评价的主要有三种统计模型。

第一种为概要统计分析模型。这种统计分析是将学校作为统计分析的最小单位，采取被测评学校学生原始成绩的平均增长数作为测评指标，并将与被测评的其他同级别、同类别学校学生测验成绩平均增长的差值作为学校的增值指标。这种模式主要是通过对学生成绩的均值、最大值、最小值、方根值等进行一系列的统计分析来得出结果，而未对影响学生增值的各种元素，尤其是学生自身因素给予应有关注。

第二种为多元线性回归分析模式。多元线性回归分析是分析一个因变量与多个自变量之间线性关系最常用的统计方法，这一方法是分析测试值与期望值之间残差值的标准统计技术[1]。根据评估目标，其期望值既可用于以学生个体因素为自变量的层面，也可用于以教学单位因素为自变量的层面。由于用于不同的层面所取的自变量不同，故两者只能取其一。在以学生因素为自变量的评估中，期望值自变量涉及学生的入学成绩、学习经历、家庭背景、生活经历等诸多元素。在以教学单位因素为自变量的评估中，期望值自变量涉及学生入学的个体成绩、平均成绩以及决定人才培养质量的硬件投入、师资队伍、教学环境、地域环境等诸要素。残差值是指学生的个体成绩和全样本平均成绩与期望值的差距，残差值的数值大小与符号，反映被测评单位的教学绩效。无论针对哪一层面，都是在个体数据的基础上再进行全样本的统计分析，得出测评结果。

第三种为多水平分析模型。多水平分析模型是针对传统的多元回归分析只能针对一组自变量的不足发展起来的。在高职教育组织管理领域，存在着大量的分层数据结构，如学生嵌套于专业，专业又嵌套于系或二级学院、系（二级学院）又嵌套于学校，学校又嵌套于一个地区或一个类别的管理机构。层与层之间是互相影响的。多水平模型通常将学生水平的数据作为第一层，根据需要将专业、系（二级学院）或者学校水平的数据作为第二层、第三层加以分析。这种模式充分利用了学生层面和专业、系（二级学院）、学校或教师层面的数据信息，能将影响学生成绩的外部因素与教学单位或教师的效应分离开来，得到教学单位或教师的“净效应”，实现对教学单位或教师效能的科学评价。在多水平分析模型中，一个因变量涉及多个层面的多组自变量，分层越多，关系越复杂，在分析中可能出现不收敛的情况而得不到分析结果，因此必须依靠强大的统计分析软件。

综上所述，在三种模型中，多水平模型最为科学，但其评价程序也最为繁杂。在实际测评中，可以根据测评目的选取其中某种模型。比如，不涉及学生因素层面时，可采用概要统计分析模型；只涉及学生因素或只涉及教育管理的一个层面时可采用多元线性分析模型；既涉及学生，又涉及教师乃至学校管理层面，则选取多水平分析模型。

在增值性评价中，除了学生的知识与能力增值这一因变量之外，还应考虑到学生的心理、情感、道德、职业素养等方面的增值。如果再考虑因变量之间的相互影响，则评价系统就会变得异常复杂，这类评价目前尚未见任何先例。但显然可以将其他因变量作为测评指标按照上述统计分析模型进行测评。

（二）高职院校增值性评价统计模型的选取策略

高职院校如果近期实施增值性评价，尚无外部提供的可供采纳和借鉴的数据，无法在学校层面自身因素对增值性影响的测评中确定期望值。因此，只能针对课程、专业和二级学院层面进行测评，适合采取多水平分析模型。考虑到目前尚无可以直接应用的分析软件，也无可供借鉴的经验，前期应以学生因素为自变量进行增值性评价，拟采用多元线性回归分析模式。待积累一定的数据和经验后，再考虑实施多层次、多水平分析与评价。

二、多元线性回归分析模型用于高职院校学生增值性评估的思路

（一）基本架构

按照线性回归分析模型的基本思想，可以构建如图1所示的统计分析平台。

初值评估系统。作用是根据学生入学前或刚入学时通过的考核成绩经过分析后首先确定每个学生学业水平的初值。由初值指标体系、初值分析系统及结果展示三部分组成。构建初值评估体系应注重如下三个方面：一是确定输入数据指标体系。输入数据指标体系应包括学生入学前在文化知识、文化素养、专业知识、专业技能四个方面的学业水平。获取数据的渠道首先是通过入学后对上述四个方面的摸底考试；其次是学生在高考、毕业终考相关科目的成绩，此外，中学期间取得的职业资格证书和其他相关证书等也是决定学生学业水平初值的重要指标。二是构建能客观反映学生入校前水平的标准试题库。三是构建初值分析系统。该系统能根据输入数据得出每个学生在四个方面学业水平的初值、平均初值和其他统计数据[2]。

终值评估系统。作用是在学生完成一个阶段的学习后，根据学生相关方面考核的成绩以及其他方面取得的成绩确定每个学生学业水平的终值。由终值指标体系、终值分析系统及结果展示三部分组成。指标体系主要包括三个方面：一是学习结束后学生文化知识、文化素养、专业知识、专业技能四个方面的考试成绩；二是学生在学习期间取得的职业证书的类别与等级，参加职业技能竞赛获奖的级别与等级；三是学生学习期间各科学习成绩、毕业成绩等。终值分析系统根据指标体系的数据可以得出每个学生在四个方面的终值、平均值和其他统计数据。终值评估系统在文化知识、文化素养方面可以与初值评估系统共用一个试题库，但组卷时选取的考试范围和难度系数不同。

期望终值评估系统。作用是根据每个学生自身所具备的影响学习效果的要素以及由人才培养方案确定的教育目标，采用统计分析的方法确定出每个学生的期望值和全样本的平均期望值。由期望终值数据输入系统、期望增值分析系统及结果展示三部分组成。指标体系包括四个方面：一是学生的学业基础，这由初值评估系统自动给出；二是学生的学习经历，是普通高中毕业、职业高中毕业、中专毕业还是其他；三是学生的家庭背景，包括父母职业、户口所在地、是否独生子女、家庭收入；四是学生的性别、年龄等。影响学生学习的自身条件很多，指标体系取的项目越多，分析起来越复杂。可根据需要适当增减。确定期望增值首先要设立一个基准数，不同的学生由于自身条件的不同获得不同的增值系数，增值系数与基准数的乘积即得到每个学生的期望增值乃至全样本的平均增值。基准数是一个经验数据，学校根据学生所在专业的教学条件、历史状况并借鉴外来数据等综合产生。首次测评可以通过实际增值评估系统获得的平均值来获取，以后逐步修正。

绩效分析系统。绩效分析系统根据其他几个系统获得的数据进行教学质量、教学绩效的综合评估，得出结果。

（二）需解决的关键问题

进行增值性评价是一个系统工程，涉及的信息多，时间长。在我国高职教育中，还未见有学校实施增值性评价的报道，教育部和其他教育主管部门还没有在全国高职教育中实施增值性评价的计划。要真正实施增值性评价，当前需解决如下五个关键问题。

一是数据的收集与分析。进行增值性评价的关键是如何确定增值的度，或者说基准。这需要对学校学生学习的历史数据进行分析，并收集大量其他学校的数据进行对比。

二是试题库的构建，组卷系统的应用。按照测评要求，需开发专业知识、专业技能、文化知识、文化素养四个方面的试题库。试题库的试题必须包含如下基本信息：范围，即试题涉及学习领域的哪一个方面；分值，即科学地确定试题在考试中的权重；难度系数。组卷系统能根据测评的需要自动组建分别用于初值、终值考核的试卷。

三是评估指标与权重的确定。在确定初值、终值、期望值时，须考核多项指标，本文给出了影响评价结果的基本指标，比如确定初值时在文化知识、文化素养、专业知识、专业技能四个方面摸底考试的成绩，学生在高考、毕业终考相关科目的成绩，中学期间取得的职业资格证书和其他相关证书等，但要科学地进行增值性评价，指标体系尚需完善，每一项指标在综合评价中所占的权重更需要在积累了长期的历史数据后才能最后确定[3]。

四是非数字化指标的量化。在测评中有些指标本身就是数字，如考核成绩，有些指标则是非数字的，如学习经历、家庭背景、资格证书等，有些虽是数字，但不是能与考核成绩类比的数字，如年龄、家庭收入等。因此，后面两类指标需要量化成与考核成绩类比的指标。

五是综合统计分析平台的开发。将图1中的数据输入、试题库、初值分析、终值分析、期望值分析、绩效分析等模块融为一体，构建一个统计分析综合平台，该平台包含如下五部分：一个管理功能强大的数据库；基于数据库开发的初值分析子系统；终值分析子系统；期望终值分析子系统；绩效分析子系统。具有如下功能：根据需求自动组卷与阅卷；根据输入数据给出每个学生的初值、终值、期望值和残差的原始分值和标准分值，以及全样本的平均值；对学生测评时间段前后个人学业水平和全体学生整体学业水平进行统计分析；根据实际终值和期望终值之间的残差对教学绩效进行统计分析；用图表的方式展示分析结果。

虽然目前有多种商业性质的统计软件产品，但可以直接用于高职院校增值性评价的产品目前还是空白。可以预计，增值性评价统计分析平台将成为高职院校数字化校园重要应用系统。

参考文献：

[1]Andrew Ray.School Value Added Measures in England：A Paper for the OECD Project on the Development of Value-Added Models in Education Systems[R].Department for Education and Skills，2006（10）.

[2]褚宏启，杨海燕.教育公平的原则及其政策含义[J].教育研究，2008（1）：10-16.

[3]都丽萍，李爱国.高职院校不同专业的“增值研究”[J].职业技术教育，2007（25）：45-46.

Study on the Implementation Program of Value-added Assessment of Students in Higher Vocational Colleges

WANG Jin

（Shenzhen Polytechnic， Shenzhen Guangdong 518055， China）

Abstract Research on the value-added assessment implementation scheme of students in higher vocational colleges is still a blank area in China. There are three basic models of value-added evaluation： summary statistics analysis model， multiple linear regression statistical analysis model and multilevel analysis model. Multiple linear regression analysis model is used to construct the basic structure and index system of value-added assessment system for higher vocational colleges students， and the evaluation should try to solve the key problems of collection and analysis of statistics， construction of examination tests library and application of examination paper organization system， identification of evaluation indicators and weights， quantization of statistical figures and development of statistics platform.

Key words value-added assessment； multiple linear regression statistical analysis model； index system； higher vocational schools