大学生对大类招生认知状况及影响因素研究

摘 要：近年，大类招生成为高校人才培养模式的改革热点。实施至今，出现许多不可忽视的问题。本文以广州大学城高校及北京，浙江部分高校为例，使用数理模型例如模糊综合评判和结构方程。首先，系统地展现大类招生的实施现状和大学生对大类招生认知状况，其次分析大学生与教师群体对大类招生改革的意见和建议，最后总结问题的根源并为大类招生政策的改革提供参考，为社会群体提出建设性意见。

关键词：大类招生；影响因素；模糊综合评判；结构方程模型

1 概论

1.1 研究背景

20世纪80年代，北京大学提出“加强基础，淡化专业，因材施教，分流培养”的大类招生的培养部分高校完成改革，部分高校在一至两年的试验之后放弃大类招生制度。由此，在低年级实施通识教育，培养全面性创新型人才，但是大类招生制度并没有推进所有高校教育质量的提升。可得，现阶段，大类招生制度仍存在一些问题亟需挖掘。

1.2 研究目的

近几年部分高校实施“大类招生”引起了考生的兴趣与高教界的关注。为了更好地实现大类招生在强化基础教学、提高人才培养质量等方面的作用，本次拟以广州大学城的高校为例，重点关注大学生对大类招生的认知程度及影响因素，从各视角，描述大类招生实施现状，充分认识大类招生政策的实施带来的影响。基于此，分析并提出科学合理的建议，为大类招生政策发展提供相关参考。

1.3 研究意义

我国的大类招生教育模式正处于推广中，大多数人对其认识尚浅。此次聚焦大类招生和大学教育之间的联系，加强对该课题的研究，提高人们对其的关注和认识，并辅助大类招生计划的实施，为高等院校政策的实施提供参考依据，同时为学生合理选择专业分流提供意见。

2 国内外研究现状

2.1 国内理论研究

针对大类招生模式下学生的教育问题，国内有不少学者做过相关研究。王恒安认为：以往本科教育为适应专才教育培养模式，课程体系过分专业化。课程设置基本采用“三层楼式” 结构模式，即将课程分为基础课、技术基础课、专业课三类，并采用“倒推式”结构逻辑设置课程。这种设置模式重理论轻应用对各类课程构成的横向关系考虑较少，导致专业越分越细，培养的学生知识面过窄[1]。苏广才、庞祖高和汤宏群认为应提高专业课的教学质，扩大内容新颖的专业 （方向） 前沿选修课，选用内容精练、选材新颖、 结构合理的专业（ 方向） 教材，改革教学手段， 利用多媒体进行教学等[2]。

针对大类招生模式下对学生的管理问题，俞玉飞认为要深化班级管理体制改革。在组成传统班级， 配备专职班导师的基础上， 加强学长的引导帮助作用， 同时辅以初步的导师制[3]。黄兆信认为大学生就业难度增加的主要原因是随着我国经济结构、产业结构的调整，社会需求人才的结构、能力、素质等均发生了较大变化，而高等教育尚未完全适应这种变化。为此，温州师范学院紧跟市场需求，科学合理地调整学科专业结构，加大新兴学科、交叉学科和应用型专业的设置，拓宽专业口径，改革课程设置，培养出“厚基础、宽口径”的复合型人才。这是当前教育界最为关注的“通才教育和专才教育相结合”的新型人才培养模式[4]。

2.2 国外大类招生实施现状

美国博耶尔研究型大学本科生教育委员会在《重塑美国教育：三年来的进展》报告中指出，美国研究型大学在本科教育改革方面取得的进步之一是：各大学在安排大学生课程时，十分强调通识教育，“强调培养知识面宽的复合型人才”。哈佛大学校长博克（DerekBok）也提出：“本科生应该通过主修一个学科获得大量的知识，并且通过注意几个不同学科的学习获得大量广博的知识。”哈佛大学提出：本科生在上主修课之前，必须上通识课程，必须文理并重，了解掌握人文学科和自然科学领域的基本知识和学术流派。

2.3 文献综述

F今已有不少研究给大类招生这一课题提供了有益的借鉴，但是，已有的研究对于大类招生做了一些零星的研究，对于其还有许多问题没有解决。本项目除文献研究外，结合实地调研，同与其他项目相比，本项目可弥补数据缺乏的短板，结果得以基于客观事实，可行性得到更大的提升，研究成果更具有价值。

3 研究准备

3.1 研究地点的确定

研究地点确定在广州大学城中实行大类招生的几所高校。以广州大学城为对象调查大学生对大类招生的认知程度及影响因素，在一定程度上为高等院校政策的实施提供参考依据，进而为学生合理选择专业分流提供更好的参考意见。

3.2 研究设计

3.2.1 问卷设计

本调研组查阅了大量与高校大类招生相关的论文，根据大学城中各高校大类招生的相关政策，结合组内成员讨论，最终确定以下问卷。

3.2.2 量表和选项设计

为保证问卷题型的合理性，该问卷的第一、二部分采用类别量表：所调查的问题选项只能分成两个或以上的类别，所反映的类别是不分次序的，这些类别均只表明其中一项或几项不同特征。采用这样的类别量表帮助我们更清晰地看到学生对大类招生政策实行的了解情况。

3.2.3 研究思路

3.2.4 研究方法

1.文献研究法

本项目通过互联网等途径搜集大量与大类招生相关的资料，根据对研究步骤以及当前研究成果的分析，确定本课题的基本架构并提高研究层次。

2.访谈法

本项目以教育者为被调查者，事先准备好谈话计划，包括关键问题、提问措辞等。访谈结束后整理所得的信息并进行分析。

3.调查问卷法

在调研前期，本小组通过阅读文献和访谈老师，对调研的对象和内容进行讨论，确定了调研问卷大纲。最后，通过对调查问卷实行预调研，修改问题并详化细节，确定了调查问卷的最终稿。

3.3 样本量的确定

简单随机抽样的条件下，推论总体百分比的调查样本量计算公式：

其中N樗需样本量，Z为置信度所对应的临界值，P为总体的百分比，在1/2时达到最大值，E为抽样误差。

根据公式，本次在置信度为95%，Z值为常量1.96，抽样误差不超过7%的条件下，确定调研的样本量为196份。为了保证样本的数量和数据的有效性，避免分析数据时的无效样本，本次调研共获问卷488份。

3.4 问卷发放与回收

本次研究回收问卷488份。其中线上115份，回收115份，回收率为100%；线下383份，回收141份，回收率为100%，对所回收的问卷进行检查，删除由于无效问卷，因此线下有效问卷共373份，回收有效率97.37%。

4 量表信效度检验与因子分析

4.1 信度分析

我们可以通过信度分析检验该调查问卷能否比较稳定地测量到所有事项及稳定的程度。由于我们的测量工具（本研究的调查问卷）和测量的时点均相同，故采用内部一致性信度，用Cronbachα系数就是衡量内部一致性，其公式为：

式中k为题项数； 为第个题项的方差； 为整个量表得分的方差。

一般探索性研究，Cronbachα系数在0.6以上，基准研究在0.8以上，被认为可信度较高。本研究量表总体的Cronbachα值为0.877，且知识水平、学习情绪、人际关系、专业认知Cronbachα分别为0.933、0.832、0.762、0.891，均通过检验，本量表的信度较高。

4.2 效度分析

效度反映调查问卷设计者的意图能否让被调查者理解，建构效度是最强力的效度评价指标。由SPSS可得，本量表数据KMO值为0.897，根据Kaiser给出了常用的KMO度量标准（0.9以上非常适合；0.8适合；0.7一般。），可知此时的量表适合做因子分析。显著性概率（Sig.）为0.000，结果显著可信。

4.3 因子分析

所提取的4个因子概括出了大类招生影响因素指标的基本结构：知识水平（F1）、专业认知（F2）学习情绪（F3）、人际关系（F4）。上述结果用来考察大类招生的优劣具体表现，量表中的11个正向指标分别与公因子F1、F2、F3对应（其中F3同时有正向指标和逆向指标）。

这10道正向题目得分均值范围为2.81～3.14，偏向于“一般”，持肯定态度者（同意+非常同意）超过35%的有F1中的一个指标以及F2中的三个指标，说明大类招生的优势主要体现在提升基础知识水平、更清楚专业分流时的专业认知。

5 模糊综合评判

5.1 理论模型的构建

模糊综合评判法是一种基于模糊数学的综合评价方法，利用模糊变换原理和最大隶属度原则，考虑与被评价事物相关的各个因素，用模糊数学对收到多种因素制约的事物或对象做出一个总体的评价。

5.2 量表的统计学分析

本次量表含有15个题项，采用5级李克特量表形式（非常不同意、比较不同意、一般、比较同意、非常同意，对应为1～5分），以大类招生实施对学生的正面影响为正向，对反意题项进行逆向处理（5～1分）后，求出量表总分，对大类招生利弊分析比较的综合态度。

5.3 确定因素集和评语集

本次研究将评价层次分为四级。设计一级指标X=（X1 X2 X3 X4 X5），其中（i=1，2，3・・・）表示第i个指标，分别为知识水平、专业认知、学习情绪、人际关系。设置评价等级数为5，即评语集为V（V1 V2 V3 V4 V5），其中V1表示非常不同意，V2表示比较不同意，V3表示一般，V4表示比较同意，V5表示非常同意，不同的评语等级可以反映出大学生对大类招生对不同因素带来的影响程度高低。

5.4 确定指标隶属度与模糊关系矩阵

本次研究选取模糊统计法确定隶属度。把同一级别的所有指标对评语等级的隶属度放到一个矩阵中，就得到模糊关系矩阵。

以下为大类招生对学生的影响因素指标隶属度，进而计算各二级指标的隶属度矩阵，如表2所示，X1的二级指标X11 X12 X13 X14对应的评价等级V的隶属度分别为{0.084，0.182，0.326，0.328，0.080}，{0.024，0.184，0.398，0.275，0.068}，{0.088，0.195，0.361，0.264，0.092}，{0.092，0.184，0.326，0.324，0.074}由这四个指标隶属度构成的能力提升X1的模糊关系矩阵R1，同理可得其他二级指标对应的隶属关系矩阵R2，R3，R4。

5.5 计算指标权重

权重是指标在整体评价中的相对重要程度。权重越大则该指标的重要性越高，对整体的影响就越高。常见的权重计算方法很多，比如主成分分析法、AHP（层次分析法）和专家咨询法等。本研究考虑选择主成分分析法来对大类招生的各项影响因素进行赋权。以下运用主成分分析法计算权重：

在提取的四个主成分中，对应的特征值分别为6.397，2.228，1.128和1.024，累计方差贡献率达到76.971%，基本能够反映所有指标的信息。

用表2（旋转成分矩阵） 中的数据（aij）除以主成分相对应的特征值开平方根（Xi）便得到四个主成分中每个指标所对应的系数。

将四个因子与对应的旋转后方差百分比相乘，进行归一化，各个指标所对应的系数为各项二级指标之间的权重。

5.6 计算指标的综合评价值矩阵

模糊权重向量W和模糊关系矩阵R的合成过程如下：

“o”为模糊合成算子，常用的模糊合成算子有4种：M（∧，∨）算子、M（・，∨）算子、M（∧，）算子、M（・，）算子。而M（・，）这个合成算子先通过乘法反映了大类招生下，不同指标对学生的影响，又通过有界和运算，综合模糊关系矩阵所提供的各个方面的信息，体现各种因素影响程度评价的整体特性。从综合评价的角度来说，乘与有界和算子比其他三个模糊合成算子更为适用。

X1的评价值矩阵B1，采用合成因子“o”（ M（・，））算子，有：

结果表明， 在知识水平方面， 认为大招生优于传统的比例为： 非常不同意8.5%， 比较不同意18.6% ， 无差异35.3 %， 比较同意29.8% ， 非常同意7.8% ， 根据最大隶属度原则（以下同）， 结论为无差异。

X2的评价值矩阵B2，有：

在专业选择方面， 认为大类招生优于传统的比例为： 非常不同意6.8%， 比较不同意27.5% ， 无差异33.6 %， 比较同意31.2% ， 非常同意21.6% ， 结论为无差异。

X3的评价值矩阵B3，有：

在学习情绪方面， 认为大类招生带来积极影响的比例为： 非常不同意4.1%， 比较不同意21.8% ， 无差异41.9 %， 比较同意25.6% ， 非常同意4.9% ， 结论为无差异。

X4的评价值矩阵B4，有：

在人际关系方面， 认为大类招生带来消极影响的比例为： 非常不同意7.1%， 比较不同意21.3% ， 无差异38.8 %， 比较同意25.6% ， 非常同意7.0% ， 结论为无差异。

在分别算出X2，X3，X4的评价值矩阵之后，形成二级模糊评价的隶属关系矩阵R，有：

计算综合评价隶属度：

认为大类招生带来的总体效果优于传统的比例为： 非常不同意3.2% ， 不同意12.7%， 无差异37.63% ， 比较同意37.67% ， 非常同意8.9%， 根据结论为比较同意。

5.7 影响程度模糊评价结果向量分析

对模糊评价结果进行模糊向量单值化

分别选取t=1和t=2做比较分析，得C1，C2：

C1和C2相差0.086且两者大于3.00小于4.00，说明大类招生给学生带来的积极因素影响的程度介于无差异和比较同意之间，总体来看大类招生偏向带来积极的影响，但还有提升空间。

6 结构方程模型SEM

6.1 结构方程模型的初步建立

根据本次项目的具体研究内容，以及前文的讨论结果，我们设定了模型中存在的4个潜在变量：知识水平，学习情绪，人际关系，专业认知。4个潜变量相互影响相互制约，并假设四个影响因素都对满意度起到积极作用，由此建立如下建立如下的假设：

H1：“专业认识”对“知识水平”有正向影响；

H2：“专业认知”对“学习情绪”有正向影响；

H3：“人际关系”对“知识水平”有正向影响；

H4：“人际关系”对“学习情绪”有正向影响；

H5：“专业认知”对“总体满意度”有正向影响；

H6：“人际关系”对“总体满意度”有正向影响；

H7：“知识水平”对“总体满意度”有正向影响；

H8：“学习情绪”对“总体满意度”有正向影响。

在按要求设置好关系路径图后，运行程序得到结果，见下图：

6.2 模型结果的谈论与分析

6.2.1潜在变量之间的关系分析

潜在变量之间的系数表示某一变量的变动引起其他变量变动的程度。从分析结果可知，知识水平，学习情绪与大类招生满意度有正向显著影响，而人际关系和专业认知对大类招生满意度有间接影响。直间接效应影响大小的衡量：如果只有一个中介变量时，效应的大小是两个路径系数的值相乘所得结果：

由此可看出，影响学生对大类招生满意度的最重要的两个因素是大类招生能否给学生带来更好的知识水平以及更深入的专业认知；学习情绪也在一定程度上影响着大类招生的满意度；人际关系对于大类招生的满意度影响很小。

6.2.2潜变量与观测变量之间的分析

通过对潜在变量与观测变量之间关系的分析，可以发现与潜在变量关系重大的观测变量，还可进行各因子内观测变量间的比较。

（1）知识水平与观测变量之间的关系

知识水平指标中，综合能力的提升（0.894）与是否能扩展知识领域占比最大（0.893）不分上下，次之是专业学习的促进（0.887），能否带来就业多重选择最末（0.835）。4个观测变量的系数都很高，说明四者都对知识水平有显著关系。以上说明，大类招生能否提高学生的综合能力、能否为学生带来知识领域的扩展、能否促进专业学习，对于提高学生对大类招生满意度来说至关重要，是影响学生满意度的重要保障。

（2）学习情绪与观测变量之间的关系

学习压力的系数最大（0.820），竞争意识次之（0.816），接下来是学习动力（0.721）。大类招生背景下，为了能选择更好的专业，以谋求未来的良性发展，在未分专业前，学生对学习的投入明显增多，因此学习动力，学习压力和竞争意识都会随之到来，而研究数据显示学习压力在学习情绪中，占的比重最大。本科生入学年龄多数在18～20周岁，其心理水平对学习的应变能力都不强，随着年龄的增长和心理的成熟，对专业的认识和爱好势必发生迁移，变化，因此会导致很多学生专业思想不稳定，失去学习兴趣，影响学生个性发展。

（3）专业认知与其观测变量之间的关系

更好了解所学专业占比最大（0.875），更理性选择心仪专业次之（0.863），增加专业自主选择性第三（0.857）。三项比重都很高。能够更全面的了解到自己意愿的专业，以及选择一个自己心仪的专业，都对维持大类招生满意度体验至关重要。适应社会需求是人才培养的最终目的。因此，学生正确的专业认知，需要学校，具体至辅导员、导师等人员的积极引导介绍。

7 结论

经过通识课程教学，大部分学生的基础知识水平得到提升，但触及了解专业课接的机会较少。囿于学校的师资力量及其他原因，导致开设的课程不够灵活多样，无法满足学生对专业课知识进一步的了解。因此，学生在选择专业时应主要根据兴趣与就业前景。较少人根据自身优势选择合适的专业，专业冷热门分化的现象依旧存在。

8 建议与意见

8.1 学生方面

（1）杜绝单一的信息，利用周边资源，如授课老师、辅导员等，提高对各专业的认知，避免在进行专业分流时处于茫然；

（2）正视大类招生带来的学习压力，主动了解不同专业的相关知识，培养自己的兴趣爱好，减少因为对专业的盲目性而带来的压力，与此同时也应学会适应大类招生人才培养模式给课余社团活动与人际关系所带来的冲击在压力中学会自我协调；

（3）专业分流完成之后，应调整好学习的心情，避免因为被调剂到非心仪专业，勉强接受，导致学习心情受到影响。

8.2 教师方面

（1）在夯实基础的前提下，重点关注课程特色，提高知识的趣味性与吸引度。结合自身原则听取学生对课堂质量的反馈，不断调整教学计划，引导学生主动地学习知识；

（2）在教学的过程中补充各专业的知识，引导学生主动探索，寻找自身的特点与兴趣爱好。

8.3 学校方面

（1）加强能帮助学生了解专业的基本情况、发展动态、社会需求的相关措施，促进师生之间的交流，如开展新生专业教育讲座。建立师生互动的新型教学关系，调动学生自主学习的积极性。同时针对学生的个体差异较好地提供专业选择的意见，使学生对专业志愿的填报做出更为理性的选择；

（2）进行信息预测。在专业分流的前半年，对各专业近几年的就业信息、发展动态、所拥有的教学资源、学生的专业意向等基本情况进行调查统计，及时反馈所得统计信息，以供参考。

参考文献

[1]王恒安. 高校大类招生培养模式下课程体系构建的新视角. 科技信息（基础理论研讨）2010年第22期

[2]苏广才，庞祖高，汤宏群.实行大类招生后如何保证专业（方向）的教学质量.广西大学学报（自然科学版）2002年6月第27卷增刊.

[3]俞玉飞. 独立学院大类招生模式下教学管理工作的改革. 安徽电子信息职业技术学院学报2010年第4期第9卷（总第49期 ）.

[4]黄兆信，用科学发展观构建高校招生培养与就业联动改革体系，《高等工程教育研究》2006年第1期.