五年学生评教相关性.docVIP

五年学生评教相关性 　　摘要：本文应用简单相关性中的Pearson简单相关系数和Kendall τ相关检验研究了不同时间的学生评教的相关性，即每一学期的评教分数的相关性是显著的，尤其是第二个学期是评教成绩高低的关键时期。 　　关键词：学生评教 秩 Pearson简单相关系数 Kendall τ相关检验 spss17.0 　　如何提高教师的教学质量是大学教育的一个重要课题，学生评教是教师教学质量的一个衡量指标。在教师教学的过程中经常出现一种情况，某一个老师不管教什么课，在学生评教系统里的得分都很低，而有些老师同样的连续教几年，不管是在学生评教系统还是在学生中的口碑都十分的好。这种现象是个例还是普遍现象？学生评教系统是否具有相关性？本文以天津工业大学理学院07-13年连续五年42名教师的评价成绩为样本，应用 Pearson和 Kendall τ相关检验研究学生评教的相关性。 　　1.理论知识 　　1.1数据处理 　　（1）从理学院100多个老师中选取连续五年都代课的老师。 　　如果某个老师在这一学期同时担任多门课，那么评教的分数取这些课的平均值。 　　（2）根据选取出来的老师的评价成绩的优劣进行排序得到年个学期，每个老师每个学期的秩。 　　设有个个体形成一个结点，这在d个个体排序对应位置为 　　，则指定这d个个体的秩取为中间秩。即 　　1.2原假设和备择假设 　　H0：同一个老师每年的评价成绩之间无显著关系 　　H1：同一个老师每年的评价成绩之间无显著关系 　　在 H0的情况下，同一个老师在不同学期的评教成绩之间的Pearson系数和 Spearman系数都不显著。 　　在 H1的情况下，同一个老师在不同学期的评教成绩之间的Pearson系数和 Spearman系数都显著。 　　1.3 Pearson简单相关系数[1] 　　Pearson简单相关系数的计算公式为： 　　r= 其中，n为样本容量。 　　Pearson简单相关系数的对应检验统计量是t统计量，spss将自动进行计算。T统计量的计算公式为： 　　t= 　　T统计量服从自由度为n-2的t分布，SPSS将根据t统计量和自由度，依据t分布表自动给出t统计量所对应的相伴概率。如果相伴概率小于或等于显著水平α，则拒绝零假设H0；否则，接受零假设H0. 　　1.4 Kendall τ相关检验[2] 　　Kendall提出的没有结的相关性度量如下： 　　τ= 　　如果所有的对都是协调的，则Kendallτ等于1.0，如果所有的对都是不协调的，则值为-1.0.作为相关性度量，Kendallτ满足上面的要求。 　　我们可以直接用Nc-Nd 而不需要除以n（n-1）/2作为检验统计量来获得τ，因此用T作为Kendall检验统计量，这里T定义为 　　T=Nc-Nd 　　当X和Y独立， n≤60，且没有结时，τ和T的精确上侧分位数有表可查。下侧分位数是其上侧分位数的负数。对于较大的n，或者有很多结时，τ的p分位数近似表示如下： 　　Wp=Zp 　　其中Zp是标准正态随机变量的p分位数。T的p分位数近似表示如下： 　　Wp=Zp 　　如果T（或τ）大于它的1-α分位数，则以水平α拒绝H0。p-值近似地由式（*）给出。 　　P= （*） 　　其中，T是Nc-Nd的观测值，Z是标准正态随机变量[19]。 　　2.实证分析 　　2.1 Pearson简单相关系数 　　从天津工业大学理学院中选出42位老师，他们都是从07-08春到12-13春一直在任教。保证了数据的完整性。 　　（1）将数据代入Pearson简单相关系数中，在显著性水平α=0.05时逐年对教师的评教成绩进行计算。用统计软件SPSS17.0[3]得到检验值和p值如表1。 　　（2）在表1中得到第一学期与其他学期的相关性不显著，第二，第三学期对以后的评教成绩在置信水平0.05的水平上是显著相关的。由此拒绝原假设，接受备择假设，即同一个老师在不同的时间教课的成绩是相关的。 　　表1 Person相关性 　　2.2 Kendall τ相关检验 　　现我们将理学院42位教师在不同学期代课的成绩进行排序，可以得到各位老师在不同学期的成绩的名次为其秩。成绩相同的不同老师的秩采用结点处理方法。见表3. 　　（1） 将数据代入Pearson简单相关系数中，在显著性水平α=0.05时逐年对教师的评教成绩进行计算。用统计软SPSS17.0得到检验值和p值如表2。 　　（2）在表2中得到第一学期与其他学期的相关性不显著，第二，第三学期对以后的评教成绩在置信水平0.05的水平上是显著相关的。由此拒绝原假设，接受备择假设，即同一个老师在不同的时间教课的成绩是相关的。 　　表2