首页 > 文章中心 > 正文

管理数据的成人学习者按期毕业特点

管理数据的成人学习者按期毕业特点

摘要:成人教育领域的管理数据应用薄弱在一定程度上削弱了教学成效。以开放大学某学期入学的全样本学习者数据为研究对象,融通注册信息、在线学习行为和毕业情况等三类管理数据,主要采用二项Logistic回归分析,对学习者按期毕业的特点进行分析。研究发现,本地学习者、中青年学习者、女性等更容易按期毕业,为助力乡村振兴和新型产业工人培养的学习者按期毕业成效显著。此外,为了促进按期毕业,学习者需要在学习时间安排和学习投入上更加合理,重视课程的学习过程以及有效准备课程考试等。

关键词:开放教育;学习者;毕业;学生数据

一、引言

信息技术的广泛应用在为教育提供变革和创新机会的同时,创造了丰富的有待挖掘的数据资源[1],但是成人教育领域基于数据的运用普遍缺乏与弱化,从全球教育数据治理实践看,其恰恰是一块“短板”,无疑会削弱成人教育的教学效果[2]。经济合作与发展组织的《2021年度技能展望:终身学习》报告将终身学习按照年龄分为三大阶段,即义务教育期(6—15岁)、过渡期(16—27岁)、就业期(28—65岁),贯穿每个人的生命历程[3],其中后两个阶段都涉及成人教育的范畴。可见,对成人教育领域的数据探索亟待加强,补齐短板。有研究指出,要发挥好教育管理数据的作用[4],但是在正规成人教育领域,作为教育管理数据的重要组成部分,只有注册学生的数据、毕业生数据覆盖率较为全面,标准明确,其他则相对空白[2]。通过文献发现,对于开放教育的数据应用主要集中在招生、注册、毕业、学习行为等方面,但是数据应用相对独立。同时,研究与实践表明,成人学习者看重学习实效[5],能够通过考试、按期毕业是成人学习者的切实诉求,但是在开放教育办学过程中,3年学习期限内未达到毕业要求但尚在八年学籍有效期内的学习者,出现大规模流失、沉淀、休眠等现象,造成了办学资源的巨大浪费[6]。有研究指出,开放教育的学习者放弃学业最高的发生时间往往在第一年,需要特别重视学习者第一年的学习动向[7]。还有学者指出,影响学习者毕业的关键学期主要在3年内[8]。由此可见,要进一步重视学习者在3年学习期限内的支持保障力度,提升学生的按期毕业率。因此,以某开放大学为例,通过融通学习者的注册数据、学习行为数据、考试数据、毕业数据等,探索成人学习者按期毕业的特点,为更好地支持学生学习提出可行性建议。

二、研究设计

开放大学作为从事成人教育的主要单位,在终身学习的推进中发挥着重要作用[9]。其成人高等学历教育学制以两年半为主,八年学籍有效。按期毕业指学习者能够在获得毕业证书的第一时间拿到证书。专科学习者获得的是专科毕业证书,本科学习者可以获得本科毕业证书,部分学习者也可以通过进一步努力获得学士学位证书。

(一)研究问题

通过对教育管理大数据的融通、处理与分析,回答学习者自身特征、学习行为以及学习成绩与按期毕业的关系,挖掘可能影响按期毕业的要素。

(二)研究对象

选取了某省级开放大学2018年秋季学期入学的全样本数据,涉及9507名学习者。考虑学习者在读期间受新冠肺炎疫情影响,学校暂停某次期末考试的情况,3年半内拿到毕业证的学习者计入按期毕业。限于获取学位证书的学习者数量较少,没有进一步对学位获取情况展开分析。

(三)研究数据及处理

学习者的数据收集从2018年秋季学期开始,截至2021年秋季学期。收集的数据主要涉及四个方面:一是学习者基本特征,包括就读的专业、先前的文化程度等,学习者的来源如籍贯、年龄等可以通过真实信息获取(如表1所示),此外,根据城市发展状况将学习者生源地进行了一二三线城市划分。二是学习行为,体现了学习者的学习过程情况,由于在线学习是主要的学习方式之一,学习者在学习网上在线行为天数、在线行为次数可以体现其实际学习参与情况。考虑到每一位学习者仅需呈现一条数据的设计,在线行为天数、在线行为次数为每人每个学期的平均学习行为。三是学习成效,形考成绩为学生参与形考作业的成绩,终考成绩为学习者参加期末考试的成绩,综合成绩为形考成绩和终考成绩加权后形成的最终成绩,此三项均取每位学习者实际考试成绩的平均值。选课数包括总选课数和课均选课数,总选课数指在数据收集截止前学生选课的总数,课均选课数考查的是学生能否一次性通过课程的在线学习,如学习者多次选学一门课程则选课数超过1。考试次数为学习者平均每门课程终考的次数。四是毕业情况,主要是学习者的毕业时间和获取学位情况,从而可以换算出是否按期毕业。将“是否按期毕业”设为因变量,其他自变量体现学生基本特征的变量符号“性别X1,年龄X2,是否本地X3,城市分类X4,文化程度X5,学生类别X6”,体现学习行为的变量符号“在线天数X7,行为次数X8”,体现学习成效的变量符号“总选课数X9,课均选课数X10,考试次数X11,形考成绩X12,终考成绩X13,综合成绩X14”。研究采用IBMSPSSStatistics26进行数据分析。

三、数据分析

(一)按期毕业情况影响因素的单因素二项Lo-gistic回归分析

在对全部数据进行整理后,采用SPSS软件分别对14个自变量进行单因素二项Logistic回归分析,以选取有意义的自变量,给定显著水平0.05。分析结果为:14个自变量显著性一致,P=0.000。可以看出,虽然以上变量可能是影响学生按期毕业的因素,但是自变量仍旧较多,变量之间可能存在线性关系的可能,需要对其进行共线性诊断。因为学习者基本特征与学习行为及学习成效是两类不同的变量,学习者基本为分类变量,学习行为与学习成效为连续变量,考虑到两大类变量的内涵也不同,一种体现出学习者的个人特质,一种是学习者的个人努力与成效,因此分为两组进行考察。

(二)按期毕业情况影响因素的多因素二项Logistic回归分析

1.共线性诊断

在分析结果中,如果容差<0.1或者方差膨胀因子VIF>=10,就说明自变量之间存在严重共线情况[10]。通过共线性统计发现,在学习者基本特征组里,是否本地和城市分类VIF值超过10,其余变量的VIF值都远低于10,容差均大于0.1;在另一组里,课均选课数VIF值为9.134,容差为0.109,分别接近10和0.1,其余变量的VIF值都远低于10,容差均大于0.1。考虑是否本地和城市分类的共线性,用非参数检验相关发现是否本地相关系数更好一些,故去除城市分类变量,同时去除课均选课数变量。

2.多因素Logistic回归分析

(1)学习者基本特征多因素Logistic回归分析(见表2)将学习者基本特征剩余的5个自变量进行与学生是否按期毕业进行二项Logistic回归,以发现可能的影响因素,以及比较多个因素对结果的影响大小[11]。从结果可以看出,性别、入学时年龄、是否本地、文化程度、学生类别都是影响学习者能否按期毕业的显著因素。基于Exp(B)值可以发现,是否本地的影响最为显著,其次为学生类别、性别、文化程度和入学时年龄。回归模型为LogitP=-2.066+0.640X1+0.124X2+0.750X3-0.176X5+0.724X6。(2)学习行为与学习成效多因素Logistic回归分析将学习行为与学习成效剩余的7个自变量与学生是否按期毕业进行二项Logistic回归,发现平均行为次数(P=0.646)大于0.05,将其余6个变量再次进行回归,在SPSS中选择“向前:LR”,使用极大似然估算法逐个筛选能进入方程的自变量,最终经过了6个步骤的变量输入。第6个步骤的-2对数似然比最接近0,效果最好,第6个步骤的模型准确预测率总体百分比为84.1%(未按期毕业的预测正确率为75.2%,按期毕业的正确百分比为90.5%)。在模型检验与分类表结果中,omnibus检验P<0.05,说明模型有意义,模型方程为:LogitP=-1.947+0.077X7+0.176X9-6.997X11+0.022X12+0.052X13+0.013X14。基于Exp(B)值可以发现,影响显著性依次为考试次数、总选课数、在线天数、终考成绩、形考成绩、综合成绩。

四、研究结果与讨论

(一)学习者基本特征与按期毕业的关系

1.本地籍贯的学生更容易按期毕业

终身学习理念从时间维度保障了社会流动性教育路径的通畅[12]。从历年来全国教育事业发展统计公报可以看出,成人高校的招生数、学生数、毕业生数近十年来都在稳步增长,成人教育需求保持旺盛态势[13],通过学籍数据测算得出,外地生源数量略高于本地生源,本地生源的按期毕业率达到62.7%,而外地生源按期毕业率只有47.5%。正如前文所述,有可能受到疫情影响,外地生源的学习者受到一定牵制,在一定程度上耽误了学习和考试,从而未能按期毕业,但是从中也需要我们进一步反思,是否需要加大对非本地学习者的支持服务力度,对他们的学习情况更加关注与关心。

2.为助力乡村振兴和新型产业工人培养的学习者按期毕业成效显著

学生类别分为专科和本科,其中,专科又分为“开放专科”“一村一名大学生专科”“助力计划专科”。“一村一名大学生专科”按期毕业率达到87.5%,“助力计划专科”虽然人数较少,但是按期毕业率达到88.9%,而开放本科(专科起点)的按期毕业率为52.7%,开放专科的按期毕业率为53.8%。“一村一名大学生计划”是国家开放大学在2004年启动实施的应用现代远程教育就地培养乡村振兴本土人才的探索,为我国新农村建设培养了一大批农民创业致富带头人和农村基层干部[14],并获得“联合国教科文组织哈马德•本•伊萨•哈利法国王2020年度教育信息化奖”[15]。国家开放大学在2014年秋季启动了“新型产业工人培养和发展助力计划”,旨在为行业、企业转型升级提供高素质技能型人才支撑[16]。可见,服务国家战略需求的定向人才培养项目在成效上是显著的,也为终身学习的服务模式提供了可贵探索。

3.中青年学习者在按期毕业上要优于年轻学习者

由于学习者年龄段与是否按期毕业均为分类变量,将二者进行交叉表处理并进行卡方检验,皮尔逊卡方检验结果中渐进显著性P=0.000<0.05,差异具有统计学意义,也就是说不同年龄段按期毕业率是不同的。将不同年龄段的按期毕业率进行排序依次为35—39岁(64.5%)、30—34岁(62.2%)、40—44岁(62.2%)、25—29岁(52.6%)、19岁及以下(51.9%)、45岁及以上(50.0%)、20—24岁(43.4%)。可见,30—44岁的中青年学习者按期毕业率最高,位居前三。按期毕业率最低的为20—24岁的学习者,远低于54.7%的平均水平。研究指出,年轻学习者的学习质量总体上要低于年长学习者的学习质量[17],进一步验证了此结论,并且发现中青年学习者在按期毕业上具有显著优势。

4.女性学习者的按期毕业情况优于男性学习者

在女性学习者和男性学习者数量基本持平的情况下,女性学习者的按期毕业率为61.3%,男性学习者的按期毕业率为47.9%。从数据也可以看出,30—44岁的女性学习者的人数要多于男性学习者,正如前文分析时发现,中青年学习者在按期毕业上要优于年轻学习者,这在一定程度上也可能影响到相应的结果。这也需要进一步从社会学角度研究,在终身学习中,女性对自我价值实现和自我成长的需求,从而给予更为适切的教育服务。此外,对于文化程度的分析显示,按期毕业率高低依次是职业高中毕业生(56.9%)、专科毕业生(53.3%)、高中毕业生(51.8%),最后才是大学本科及以上的学习者(45.5%)。也就是说,学生入学前的文化程度高并不一定会带来高的按期毕业效果,比如学生先前已经有本科文凭并不一定能够比先前只有专科文凭的学习者更能够按期毕业。

(二)学习者学习行为与学习成效与按期毕业的关系

1.按期毕业需要学习者在学习时间安排和学习投入上更加合理

相比未按期毕业者,按期毕业学习者的平均在线天数和行为次数都要更高些,既可能是按期毕业者的学习投入更多、更加努力,也可能与他们合理安排时间有关。有研究指出,在在线学习中,一些学习者在时间管理和精力投入上会有困难,他们需要得到相应的指导和支持[18]。学习者的时间管理有效性和学业成绩之间存在显著的正相关关系[19]。按期毕业者的形考成绩、终考成绩和综合成绩的平均值、中位数等都要高于未按期毕业者。另外,从总选课数来看,未按期毕业的学习者存在在三年内没有按时选课的情况,课程学习进度有一定的延缓。由此可见,对于成人学习者而言,时间管理能力应该成为重要的学习素养,更需要合理规划与安排学习时间,把握学习进度,有序推进自身的学习。

2.按期毕业需要学习者重视课程的学习过程

在在线学习中,形成性考核的目的是为了促进学生更好地进行过程学习,循序渐进地开展学习,形考成绩相比终考成绩普遍要高,学习者的完成情况普遍要好一些,但是按期毕业学习者的形考成绩平均值(92.44)还是要高于未按期毕业者(88.61),同时在线的行为次数也要高于未按期毕业者。从中可以看出,按期毕业学习者对于形考完成得更好一些,结合行为次数推断,按期毕业的学习者可能更加充分地利用了网上学习资源进行自主学习,学习过程更加扎实。这也说明在线学习需要持续投入而不是一次性突击,要把学习过程落到实处。

3.按期毕业需要学习者尽量一次性通过课程终考

在学习行为与学习成效多因素Logistic回归分析中显示,考试次数是最显著的一个因素,未按期毕业学习者的考试次数平均为1.4次,按期毕业者为1.17次,也就是说对于同一门课程来说,考得越多反而通过越艰难。分析原因,可能存在按期毕业者更加重视终考,对终考的复习更加充分,不打无准备之仗,所以才能做到尽量通过考试,不反复补考。而对于未按期毕业学习者而言,有可能存在更多的考试侥幸心理,对于终考的重视度不够,就一门课程而言,发生多次参加考试而不过的现象。当然,这也需要教育机构针对难学难考课程、针对学生多次未过的课程更多地提供辅导。

五、研究结论与建议

基于某省级开放大学某一学期入学的学习者,结合三年可按期毕业的实际情况,从学习者基本特征、入学三年内的学习行为与学习成效等方面对影响学习者按期毕业的因素进行了分析,并对分析的结果进行了讨论,研究发现:在学习者基本特征中,是否为本地籍贯、学生类别、性别、入学时年龄、文化程度依次为影响显著的因素;在学习行为与学习成效中,考试次数、总选课数、在线天数、终考成绩、形考成绩、综合成绩依次为影响显著的因素。进一步分析发现,本地学生、中青年学习者、女性等更容易按期毕业,为助力乡村振兴和新型产业工人培养的学习者按期毕业成效显著。此外,为了促进按期毕业,学习者需要在学习时间安排和学习投入上更加合理,重视课程的学习过程以及做好课程复习避免多次补考等。基于此,需要教育管理部门进一步做好对非本地生源的学习者的学习保障,需要在进一步激励中青年学习者的同时,对较为年轻的学习者提供更多的学习引导,对男性学习者给予更多督促,同时对于成人学习者的学习习惯和自我管理能力要作为重要的终身学习素养进行培养,要切实做好对学习者学习过程的监督以及对终考的辅导与支持等。

参考文献:

[1]顾小清,薛耀锋,孙妍妍.大数据时代的教育决策研究:数据的力量与模拟的优势[J].中国电化教育,2016(1):56-62.

[2]马启鹏,刘泽琳,陈丽珍.利益相关者视域下的成人教育数据治理省思[J].教育发展研究,2019(3):71-77.

[3]欧阳忠明,等.终身学习何以贯穿生命历程?———经合组织《2021年度技能展望:终身学习》之思考[J].远程教育杂志,2022(2):15-23.

[4]陈桂香.大数据对我国高校教育管理的影响及对策研究[D].武汉:武汉大学博士学位论文,2017.

[5]范立东.基于成人学习特点的成人教育培训策略微探[J].湖北开放职业学院学报,2021(4):59-61.

[6]刘永鹏.远程开放教育遗留生问题研究———以浙江广播电视大学为例[J].宁波广播电视大学学报,2020(4):119-123.

[7]李莹,王晓鸣.远程开放教育学习者辍学的时间规律及其影响因素分析[J].中国电化教育,2009(3):33-36.

[8]魏顺平,袁亚兴,陈彦凌.电大开放教育本科学生毕业时间特点研究[J].开放教育研究,2010(6):98-106.

[9]吴遵民,李政涛.中国践行终身教育的本土化之路[J].终身教育研究,2021(1):12-19.

[10]陈佳琦.基于SPSS软件实现农村陪读家长就业影响因素的回归分析[J].北京印刷学院学报,2020(1):58-60.

作者:白晓晶 仝晓明 王桂艳 胡潘华 单位:北京开放大学 国开业务部