【 标 题】高职教育课程设置关联性的实证研究
【 作 者】王齐＠①
【作者简介】王齐＠①(1969-)，女，高级讲师　浙江交通职业技术学院基础部　杭州　311112
【内容提要】采用主成份因素分析和多因子典型相关分析方法，对高职某专业毕业生的10门课程成绩进行了统计分析，结果显示(1)学生课程学习情况可由四个主成份来反映；(2)基础课程、专业技术基础课程与专业课程成绩呈显著相关。研究结果对揭示课程设置的内在关联性，为课程设置的科学化、最优化提供理论依据。
【摘 要 题】课程建设
【关 键 词】高职教育/课程设置/主成份因素分析/多因子典型相关分析/DPS
【 正 文】
　　中图分类号：G642.0　文献标识码：A　文章编号：1671-234X(2003)01-0041-04
　　在高职教学中，一些学生甚至教师常常会产生这样的疑问：作为培养高级应用性技术人才的高职院校，学生是否有必要在学校理论学习阶段学习诸如高等数学之类的课程，基础课、专业技术基础课与以后的专业课程有无直接的关联？一些教师凭多年教学的经验直觉，认为专业课程成绩较好者往往基础课程成绩也较好，对课程之间关系的认识也仅仅停留在感性认识上。课程之间到底存在什么联系，尚未有一个理论上的证实。为了挖掘高职教育课程设置的内在联系，本文将从主成份因素分析和多因子典型相关分析方法的基本原理出发，选取我院高职公路与桥梁专业学生作为实证研究对象，通过分析以期揭示课程设置的内在关联性，为课程设置的科学化、最优化提供理论参考依据。


　　　　1　主成份因素分析和多因子典型相关分析方法[1-2]
　　　　1.1　主成份因素分析法
　　主成份(Principal Components)分析法是一种数学变换方法。它把给定的一组变量x[,1],x[,2]，…，x[,K]，通过线性变换转换为一组不相关的变量y[,1],y[,2]，…，y[,K]。在变换中保持变量的总方差（x[,1],x[,2]，…，x[,K]的方差之和）不变，同时，使y[,1]具有最大方差，称为第一主成份；y[,2]具有次大方差，称为第二主成份；依次类推。其实质是以较少成份解释原始变量变异量较大部分，成份变异量通常以特征值(Eigenvalues)表示。
　　本文采用这种方法，以达到简化观测及评价系统的目的。
　　假定观测n个个体（样本）在k个指标下的数值（或者用这k个指标来评价n个对象），就可得到数据矩阵x[,kxn](k＜n)：
　　附图写成矩阵形式为
X=AY+e

　　其中X,Y,e均为k维向量，A为k×k负荷矩阵，e为误差向量，可将上式改写为
X=∧F+E

　　　这里的X含义与上式相同，但F称为公共因素，是一个n维列向量(n＜k)，∧是k×n矩阵，E是一个k维向量，它包括了特殊因素和误差项。这些主成份因素的提取，目前可借助统计软件方便地求取，SPSS统计软件包即是国际上普遍采用的分析工具之一。它是根据上述原理来进行分析并运算。
　　　　1.2　多因子典型相关分析法[2,5]
　　典型相关分析法(canonical correlation analysis)是研究两组变量之间相关关系的一种统计方法。它设有两组变量：
　　附图
　　　　2　课程设置关联性的实证研究
　　从我院设置的专业中，选取教育部重点专业——公路与桥梁专业作为实证研究对象，并从该专业设置的课程中以基础课程、专业技术基础课程、专业课程三个层面选取了10门课程的成绩为原始数据，分别为高等数学成绩(x[,1])、工程力学成绩(x[,2])、工程制图成绩(y[,1])、测量学成绩(y[,2])、道路建筑材料成绩(y[,3])、桥涵水力水文成绩(z[,1])、路基路面工程成绩(z[,2])、桥梁工程成绩(z[,3])、公路工程管理成绩(z[,4])和隧道工程成绩(z[,5])。分别记为X=(x[,1],x[,2]);Y=(y[,1],y[,2],y[,3]);Z=(z[,1],z[,2],z[,3],z[,4],z[,5])
　　　　2.1　研究对象
　　选取我院2002届及以前公路与桥梁专业毕业的高职专业学生共356人，其中男276人，女80名。
　　　　2.2　数据获取与处理
　　所有统计分析数据均来源于学院教务处和学院档案室保存的该专业学生学籍档案，用Excel汇编成数据库，应用计算机软件SPSS11.0与DPS进行处理[3-5]。
　　　　3　结果与分析
　　　　3.1　主成份因素分析
　　对10门课程进行主成份因素分析，其KMO值(Kaiser-Meyer-Olkin)为0.885,Bartlett's球形检验的X[2]值为1260.868（自由度为45），达到显著水平(p＜0.01)，代表数据样本的相关矩阵间有共同因素存在，适合进行主成份因素分析[3]。

[1] [2]  下一页