基于“社-校-家-生”四维的大学生学业预警影响因素相关性分析

张浩 彭青和 冯鑫 李欢欢 宋海洋

摘  要：通过回归分析探讨“社-校-家-生”四维影响因素对学业预警机制的相关性，对安徽中医药大学中西医临床医学专业的421名学生展开调研，采用主成分分析法，建立多因素回归分析模型。建立模型后，发现其中影响最大的五方面因素分别是家庭、课外活动、学习基础、人际关系、就业情况。其中，重要性分析中，父母最高文化水平、生活费/月、挂科数目、户籍所在地、担任班委、辅导员联系家长情况排序前六。通过对四维因素进行逐步回归分析与交互分析，发现对学业预警影响最为显著的为家庭因素和学校因素，且两者不存在交互关系。基于回归分析结果显示对学业成绩影响的主要因素为家庭因素、学校因素，其中家庭维度方面主要是生活费/月、户籍所在地起主要作用，与学业成绩呈负相关，学校维度层面主要是辅导员与家长的联系情况以及相关制度的制定与开展影响较大，与学业成绩呈正相关。

关键词：学业预警；“社-校-家-生”四维；主成分分析；回归分析；交互作用

中图分类号：G640        文献标志码：A          文章编号：2096-000X（2024）S1-0041-07

Abstract： To explore the correlation of the social-school-family-student four-dimensional influence factors on the academic early warning mechanism through regression analysis. A survey was conducted among 421 students majoring in clinical medicine of traditional Chinese and western medicine in Anhui University of Traditional Chinese Medicine. Principal component analysis is used to establish a multi-factor regression analysis model. After building the model， it finds that the five most influential factors are family， extracurricular activities， learning foundation， interpersonal relationship， and employment status. Among them， in the importance analysis， the highest educational level of parents， living expenses/month， number of failed courses， place of household registration， serving as a class committee member， and counselor's contact with parents ranked the top six. Through the stepwise regression analysis and interactive analysis of the four-dimensional factors， it was found that family factors and school factors had the most significant impact on academic early warning， and there was no interactive relationship between the two. Based on the results of regression analysis， the main factors affecting academic performance are family factors and school factors. In the family dimension， the highest educational level of parents and living expenses/month play a major role in negative correlation with academic performance. The school dimension is mainly the relationship between counselors and parents and the establishment and development of related systems have a greater impact， and are positively correlated with academic performance.

Keywords： academic early warning; society-school-family-student four dimensions; principal component analysis; regression analysis; interaction

高校人才培養质量决定了高校的发展水平，关系到国家高等教育的整体实力，关系到国家的综合国力和前途命运。因此，要把人才培养水平和质量作为评价大学的首要指标。将质量文化内化为全体师生的共同价值追求和自觉行为，形成以提高人才培养水平为核心的质量文化。同时要加快信息化时代教育变革，加快形成现代化的教育管理与监测体系，推进管理精准化和决策科学化。中共中央、国务院印发《深化新时代教育评价改革总体方案》强调要严格学业标准，完善各级各类学校学生学业要求，严把出口关。完善学分标准体系，严格学分质量要求，建立学业预警、淘汰机制[1]。

因此，很多高校推行學业预警制度。所谓学业预警是指各大高等院校运用信息技术手段在学生出现学业不良状况的初期进行预先警示，并有针对性地采取措施，从而能够保证大学生提高学习质量或顺利完成学业的一种信息沟通和危机预警机制。有的学者较为关注外在环境对大学生学业成绩的影响，比如蒯海章、仲小瑾[2]经过数据分析证明，家庭氛围、父母学历和教养方式对大学生的学业表现都有显著的正向影响。还有研究者从大学制度、 环境等研究对学生学业成绩的影响，李锋亮等[3]发现，在控制了其他变量以及样本自选择偏差后，奖学金对学生学业成绩的激励作用依然是显著的。更多的学者认为，大学生作为一个成年人或者接近成年的群体，具有相当大的自主性、独立性，他们自身对学业成绩的好坏有直接、主要的影响，不少学者从大学生自身层面研究学业成绩的影响因素[4]。总结相关文献，可以发现目前学者关于学业预警的影响因素研究主要集中在社会、家庭、学校、个人等四个层面。笔者特展开调查研究并通过建立回归模型进行分析以期探索出影响学生学业预警机制建立的主要影响因素，为高校辅导员开展学业预警提供具体指导，为高校深化教育教学改革提供参考。

一  研究对象与方法

（一）  研究对象

随着大数据时代的到来，党中央、国务院对此也是高度重视，广泛将其应用于教育教学领域，为教育数据积累提供了便利的同时也为学生的教育改革管理提供了新的机遇。通过收集并分析学生各方面的信息，对学生的在校情况进行相关评估并挖掘隐藏在数据背后的关联，从而根据数据变化趋势指导教育改革实践。笔者面向安徽中医药大学中西医结合学院的2017级毕业生收集他们的学业成绩信息，并从社会、学校、家庭、学生四个维度对其展开调查，参与调查学生432个，获得有效问卷421份，有效率97.5%。

（二）  指标选取

其中，以毕业生的四年平均成绩作为因变量，其余共35个指标作为自变量，具体变量与取值如下。

1  因变量

本文选取毕业生的四年平均成绩作为指标，其中包括该专业本科阶段所有必修课程与选修课程共63门，计算公式为：C1M1+C2M2…CNMN/M1+M2+…+MN。（其中Cn为第N门课的成绩，Mn为第N门课的学分）。

2  自变量

对自变量进行赋值处理，对于所获数据，原始的非结构化、半结构化数据通过数据清洗成为结构化数据，并对缺失值、异常值以及数据标准化等处理。

（三）  统计学方法

运用SPSS 22.0软件进行统计分析，采用主成分分析法，建立多因素回归分析模型，以P<0.05为差异有统计学意义。

二  结果

（一）  主成分分析

1  KMO与Bartlett检验

首先通过对原始数据即35个自变量进行适用性检验从而确定变量数据是否适合进行主成分分析。检验结果显示该数据KMO值为0.725，Bartlett球形检验近似卡方2 653.16，其对应P值0.000，说明适合进行主成分分析。

2  提取主成分

将原始变量标准化后进行主成分分析，其中原件1，2…35即为变量x1，x2…x35，基于特征值大于1和主成分累计贡献率大于60%的提取主成分的一般标准，本文中主成分F1—F14的特征值分别为4.431、2.410、2.033、1.808、1.484、1.318、1.292、1.224、1.142、1.116、1.091、1.057、1.030、1.016，其方差贡献率分别为12.661%、6.886%、5.802%、5.165%、4.239%、3.765%、3.691%、3.499%、3.262%、3.189%、3.117%、3.020%、2.942%、2.902%，累计方差贡献率超过了64%，这表明主成分F1—F14能够较为全面地反映原始指标的信息。

3  公因子命名

主成分F1—F14的因子载荷表，可以看出F1={对专业的兴趣，学习目的，时间规划，新型教学方式对学习是否有帮助，学习氛围，学风建设活动开展情况，学风建设活动成效，职业规划}，除时间规划与职业规划外6个变量均与学校有关，可以命名为“学校影响因子”，F2={挂科数目，户籍所在地，生活费/月，自习次数/周，父母最高文化水平，辅导员联系家长情况，家庭成员职业相关性}，除挂科数目、自习次数/周外5个变量均与家庭相关，可以命名为“家庭影响因子”，F3={学生组织个数，授课教师满意度，恋爱情况，担任班委}，除授课教师满意度外3个变量均与学生的课外活动有关，可以命名为“课外活动影响因子”，F4={大学英语四六级通过情况，家庭月收入}，2个变量均与学生的学习（素质/物质）基础有关，可以命名为“学习基础影响因子”，F5={早起次数/周，熬夜次数/周}，2个变量均与学生的生活习惯有关，可以命名为“生活习惯影响因子”，F6={与同学相处氛围，学科竞赛次数}，2个变量主要反映学生间的相处情况，可以命名为“人际关系影响因子”，F7={平均上网娱乐时长/周}，该变量与学生的娱乐时间有关，可以命名为“上网娱乐影响因子”，F8={学籍制度了解情况}，该变量与学生对学校制度了解情况有关，可以命名为“学校制度影响因子”， F9={家庭结构}，此变量主要反映学生的生活环境，可以命名为“家庭环境影响因子”，F10={平均运动时长/周}，该变量与学生的运动情况有关，可以命名为“身体健康影响因子”，F11={心理问题}，该变量与学生的心理健康情况有关，可以命名为“心理健康影响因子”，F12={与辅导员平均沟通时间}，该变量主要反映学生与辅导员进行沟通的情况，可以命名为“辅导员影响因子”，F13={国家支持}，该变量主要反映国家对于本专业的支持度，可以命名为“国家政策影响因子”，F14={高考成绩，就业前景，专业社会认可度}，3个变量均与学生的选择就业情况有关，可以命名为“就业情况影响因子”。

4  因子得分

元件評分系数矩阵见表1。

因子F1—F14的得分分别为

F1=0.084Z21+0.103Z22+0.086Z24+0.095Z28+0.094Z30+0.104Z31+0.133Z32+0.119Z34

F2=0.211Z1+0.205Z3+0.219Z7+0.152Z10+0.236Z18+ 0.171Z29+0.134Z33

F3=0.234Z11+0.089Z14+0.208Z23+0.265Z25

F4=0.209Z4+0.213Z17

F5=0.284Z5+0.278Z6

F6=0.228Z12+0.305Z26

F7=0.300Z8

F8=0.289Z13

F9=0.379Z16

F10=0.368Z9

F11=0.420Z27

F12=0.365Z15

F13=0.392Z35

F14=0.35Z2+0.305Z19+0.216Z20

（二）  回归分析

以建立的多元回归分析模型系数作为指标绘制散点图（图1），用以体现不同综合指标在预警机制中的重要性。经检验，模型数据的德宾·沃森值为1.958，可认为样本具有独立性，而自变量VIF值小于5，可认为样本之间不存在多重共线性，数据结果较为可靠。经过T检验，其显著性都小于其标准值，表明回归系数均有意义，结果得出该线性回归方程常数项为-9.791E-15，回归方程为

y=-9.791E-15+0.016F1-0.486F2+0.355F3-0.241F4+0.120F5-0.155F6+0.012F7-0.005F8-0.020F9-0.106F10-0.116F11+0.010F12+0.049F13-0.142F14=-9.791E-15-0.102 546x1-0.049 7x2-0.099 63x3-0.050 369x4+ 0.034 08x5+0.033 36x6-0.106 434x7+0.003 6x8-0.039 008x9- 0.073 872x10+0.083 07x11-0.035 34x12-0.001 445x13+0.031 595x14+0.003 65x15-0.007 58x16-0.051 333x17-0.114 696x18-0.043 31x19-0.030 672x20+0.001 344x21+0.000 1648x22+0.073 84x23+0.001 376x24+0.094 075x25-0.047 275x26-0.048 72x27+0.001 52x28-0.083 106x29+0.001 504x30+0.001 66x31+0.002 128x32-0.065 121 4x33+ 0.001 914x34+0.019 208x35，R2=0.507。

通过表2和图1可以看出在我们构建的预警机制中影响显著的综合指标分别为家庭（F2）、课外活动（F3）、学习基础（F4）、人际关系（F6）、就业情况（F14）、心理健康（F11）、生活习惯（F5）、身体健康（F10）八方面的。其中影响最大的五方面因素分别是家庭（F2）、课外活动（F3）、学习基础（F4）、人际关系（F6）、就业情况（F14）。其中父母最高文化水平（x18）、生活费/月（x7）、挂科数目（x1）、户籍所在地（x3）、担任班委（x25）、辅导员联系家长情况（x29）的影响因子系数排序前六，系数分别为-0.114 696、-0.106 434、-0.102 546、-0.099 63、0.094 075、 -0.083 106。从而可以得出社会层面={F13；F14}；学校层面={F1；F3；F8；F12}；家庭层面={F2；F9}；学生层面={F4；F5；F6；F7；F10；F11}。通过对回归分析系数结合“社-校-家-生”四个维度进行逐步线性回归分析可以得出自变量和因变量之间的回归方程为四年平均成绩=83.572-0.769×家庭因素+0.361×学校因素，说明对学生学业预警机制造成影响最明显的两个因素分别是家庭层面、学校层面，说明愈发艰苦的环境反而更能激发学生的学习动力，这也符合发展心理学所认为的家庭因素对学生的发展具有重要的影响，尤其是对其成长早期阶段的影响将决定学生的人格形成，最终影响成就。而学校因素则呈正相关，说明学校对学生的学业预警需要起到正向积极的引导作用，其中辅导员的表现最为关键，辅导员在学业预警过程中需要将每一项措施落到实处，满足学生关于学习的相关需求，为学生营造良好学习氛围，督促学生严格遵守各项规章制度，培养出更多的人才。结合排除的变量表格，最终得出四个因素对学业成绩的影响大小排序为家庭因素、学校因素、个人因素、社会因素（表3和表4）。

进一步对家庭因素与学校因素进行交互分析，我们发现家庭因素仍然对学生四年平均成绩影响最大，而家庭因素和学校因素彼此之间不存在交互作用。

三  讨论

（一）  社会层面：构建良好舆论生态，提高专业社会认可

回归分析结果反映当前社会环境对于学生的学业预警机制建立也有一定影响。主要体现在专业的就业前景（-0.043 31）与社会认可度（-0.030 672）方面，且与学生的学业预警呈现负相关，即学生对于自身专业的就业前景与社会认可度评价越高，学习成绩越好。反观对自身专业评价不高的学生更可能触及学业预警，故而如何建立专业自信是当前社会需要关注的难题。

《教育部关于加快建设高水平本科教育 全面提高人才培养能力的意见》[5]（教高〔2018〕2号）中，明确要求推进现代信息技术与教育教学深度融合，社会媒体应在国家大力支持下大力宣传学业预警机制以及对各专业的就业方向进行科普，让更多的学生、家长对自己的专业有所了解，建立起更强的专业自信从而投入更多的精力于专业学习中。实现预警信息的全覆盖也有助于各大高校对于当前的先进做法进行借鉴从而敦促当前学业预警机制的建立与完善。此外，社会个体应致力于营造一个宽容的社会舆论环境，主流媒体应发挥主力军的作用，联合党政机关构建社会舆论良好的生态环境，壮大舆论正能量，让当代大学生都能敢于创新，敢于尝试，在不违背原则的试错中加深对专业的理解，摸索出一条适合自己的道路。