周孟君 王心旺

PBL(problem based learning)醫(yī)學教育模式是以問題為基礎，以醫(yī)學生為主體，以小組討論為形式，在輔導教師的參與下，圍繞某一醫(yī)學專題或具體案例的診治等問題進行研究的學習過程〔1〕?；诰W絡平臺的PBL(以下簡稱WPBL)已成為一種有效教學手段被各個醫(yī)學院校所采用。在網絡與計算機技術平臺的支撐下，以問題為基礎，以醫(yī)學生為主體，以小組討論為形式，在輔導教師的參與下，圍繞某一醫(yī)學專題或具體案例的診治等問題進行研究性學習過程，簡稱網絡式PBL(WPBL，Web-PBL)。WPBL教學模式最先由廣州醫(yī)學院引入醫(yī)學教育領域并獲得成功〔2〕。以考試分數(shù)為評價手段的傳統(tǒng)評價方法已不適用于WPBL教學模式。如何探討行之有效的WPBL評價方法來進行學習效果的評價便成為亟待研究的新課題。

研究方法與材料

1．聚類分析

本研究采用聚類分析的基本思想，依據數(shù)據本身所具有的定性或定量的特征來對大量的數(shù)據進行分組歸類以了解數(shù)據集的內在結構，并且對每一個數(shù)據集進行描述的過程〔3〕。該算法是給定m維空間R中的n個向量，把每個向量歸屬到k個聚類中的某一個，使得每一個向量與其聚類中心的距離最小的方法〔4〕。本研究聚類方法選用為R型聚類間平均鏈鎖法(between-groups linkage)，該方法只考慮兩類間個體的距離的平均值。在選擇距離測量技術上選用Cosine，它是變量矢量的余弦，這是模型相似性的常用度量方法。通過得出變量樹狀聚類圖，把原來的對象集合分成相似的組或簇，進一步獲得數(shù)據的內在規(guī)律。

式中Aj是方差貢獻率，即第j個公因子的方差在方差累積百分比中所占的比重。wj是方差，wm是方差累積百分比。比如:關鍵因素K1表示為A1F1，關鍵因素K2表示為A2F2，Kj表示為AjFj。即第一關鍵因素代表第一個綜合變量，第二關鍵因素代表第二個綜合變量，依次類推。

4．綜合評價模型

以方差貢獻率Aj作為綜合評價模型的權重，由各因子的線性組合得到綜合評價模型表達為:

記關鍵因素Kj=AjFj，

即:Kj/(K1+K2+K3+…+Kj)為第j關鍵因素歸一化得分。

按E’的絕對值從大到小排序，以此對學生WPBL學習效果進行綜合評價。

5．實例來源

本研究以教育技術標準委員會2002年發(fā)布的《教育信息化技術標準CELTS-22—網絡課程評價規(guī)范》為評價依據，模型變量以《Specifications for Evaluating Web-Based Courses》、《網絡課程評價規(guī)范》以及全球醫(yī)學教育最低基本要求(GMER)為基礎。結合WPBL模式課堂具體案例，挑選出20個指標。指標評價標準按照:(1)非常好記4分，(2)比較好記3分，(3)一般記2分，(4)比較差記1分，(5)非常差記0分。根據因子分析對樣本量的要求來確定樣本數(shù):變量數(shù)=5:1。采用單純隨機抽樣調查方法，從廣州醫(yī)學院開展WPBL教學模式的學生中隨機抽取10%學生，發(fā)放調查問卷，回收有效問卷101份。對調查表中的遺漏和重復進行補充和改正，并對有邏輯問題的問卷作了及時回訪。用SPSS統(tǒng)計軟件17.0進行數(shù)據的統(tǒng)計分析。

研究結果

根據上述研究方法，對表1所列數(shù)據進行分析，結果如下:

1．聚類分析結果

經過變量聚類分析篩選，第一步X12與X14被合并，它們之間的相關系數(shù)最大，為0．98。第二步X9與X10合并，其間相關系數(shù)為0.98，余類推。由樹狀聚類圖可以直觀看出，變量1到變量14的相關性較大，從而篩選出14個變量。

2．問卷信度和效度

(1)內在信度分析結果:

調查表由14個變量組成，總的內部一致性系數(shù)α為0.84，經標準化以后的信度為系數(shù)α為0.85，表明問卷的信度較好。

(2)分半信度分析結果:

按題號的奇偶性分半，調查表第一部分7個變量，內部一致性系數(shù)為0.67，第二部分7個變量，內部一致性系數(shù)為0.82。兩部分之間的相關系數(shù)為0.63。Guttman分半信度系數(shù)為0.77，表明問卷的信度較好。

3．構建綜合評價模型

(1)因子分析前提條件考核

對各樣本數(shù)據采用KMO統(tǒng)計量和Bartlett球形檢驗，以判斷樣本數(shù)據是否符合因子分析的前提條件。檢驗變量間偏相關性的KMO統(tǒng)計量為0.803，接近1，表明各變量間的相關程度無太大差異，數(shù)據適合做因子分析。Bartlett球形假設檢驗拒絕原假設(P＜0.01)，表明變量之間的相關性符合提取公因子的前提條件，適合做因子分析。

(2)公因子篩選

根據約相關矩陣的特征值，以特征值大于1為提取標準，對公因子進行篩選，一共提取到4個公因子，累積貢獻率達到64.99%。

表1 約相關矩陣的特征值

從表1可以看出，從第5個特征值為0.94，小于1，因此選擇4個公因子為宜。結合四個關鍵因素主要影響的變量，關鍵因素可綜合解釋為:K1集體協(xié)作能力、K2自學技能和探究精神、K3臨床推理和解決問題能力及K4網絡課堂醫(yī)學知識的記憶和理解。

由(公式2)計算出公因子的表達式為:

F1=0.86X14+0.71X12+0.63X13+0.52X10+0.34X11+0.32X9+0.24X3+0.25X8+0.22X1+0.17X4+0.10X6+0.10X5+0.02X7+0.01X2

F2=0.68X9+0.64X5+0.57X4+0.56X10+0.53X8+0.26X6+0.25X12+0.22X11+0.22X13+0.17X1+0.14X7+0.12X2+0.11X14+0.08X3

F3=0.88X7+0.66X6+0.33X8+0.32X4+0.22X11+0.22X5+0.19X1+0.16X12+0.11X14－0.07X13－0.04X2+0.03X3+0.02X10－0.01X9

F4=0.66X3+0.62X2+0.36X9+0.32X11+0.30X13+0.25X1+0.20X10+0.16X4+0.11X8+0.10X14+0.10X6－0.09X7+0.05X12+0.03X5

將14個評價指標分別代入以上4個公因子表達式可得101位學生的公因子得分。根據方差累積百分比的定義，方差累積百分比wm可以表達為:wm=w1+w2+w3+w4按(公式 3)可以分別計算出:A1，A2，A3，A4。按(公式4)可以計算出四個關鍵因素為K1，K2，K3，K4，相關數(shù)據見表 2。

表2 各學生四個公因子得分及方差

按(公式6)可得4 個關鍵因素 K1，K2，K3，K4和綜合評價模型E的計算結果:

學號 wmA1 A2 A3 A4 K1K2K3K4E E’

2007111004 0．62 0．39 0．01 0．00 0．00 1．18 0．22 0．11 0．07 1．58 1．00 2007111016 0．47 0．29 0．01 0．00 0．00 1．18 0．22 0．11 0．07 1．58 1．00 2007111017 0．96 0．61 0．01 0．00 0．00 1．22 0．23 0．12 0．01 1．58 1．00

……

…

…

…

…

…

…

…

……

…

2007111336 0．04 0．03 0．00 0．00 0．00 0．68 0．02 0．06 0．07 0．56 0．35

學號 E E’ E排名 K1K1排名 K2K2排名 K3K3排名 K4K4排名

2007111004 1．58 1．00 1 1．18 3 0．22 24 0．11 42 0．07 57 2007111016 1．58 1．00 2 1．18 4 0．22 25 0．11 43 0．07 58 2007111017 1．58 1．00 3 1．22 2 0．23 21 0．12 39 0．01 95

………………………………2007111293 0．01 0．01 101 0．14 71 0 101 0．21 20 0．07 60

4．綜合評價

按E’絕對值從大到小排序，以此對學生WPBL學習效果進行綜合評價。

表4中，E’為綜合評價模型函數(shù)歸一化處理值。K1，K2，K3，K4為四個關鍵因素。例如，按照綜合評價模型函數(shù)值 E絕對值從大到小降序排列，學號為2007111004的學生綜合評價函數(shù)值為1.58，排名為1，即該學生在WPBL模式下其綜合評價排名為第1名，集體協(xié)作能力為第3名，自學技能和探究精神為第24名，臨床推理和解決問題能力為第42名，對網絡課堂醫(yī)學知識的記憶和理解排名為第57名。

結 論

本研究在深入認識綜合加權法的基礎上，提出了對綜合加權法的改進。采用方差在方差累積百分比中所占的比重來確定權重，有效避免了主觀定權的缺陷，是一種有效的嘗試。利用因子分析對原始變量信息進行壓縮，不對原有變量進行取舍，引入綜合變量得到原始變量大部分的信息。綜合變量少于原始變量的個數(shù)，避免了傳統(tǒng)評價中原始變量間存在多重共線性的缺陷。大大減少了評價過程中篩選變量的工作量。本研究提出的以關鍵因素構建WPBL學習效果評價通過自我評價實現(xiàn)了評價渠道的多元化。對學生的評價以教學目標為依據，體現(xiàn)了學生自主學習和自我發(fā)展的特點，做到評價和教學相匹配。具有可操作性強的特點，能較好地解決模糊的、難以量化的問題，適合各種非確定性問題的解決。

1．Barrows H S．Problem-based，self-directed learning．JAMA，1983，250(22):3077-3080．

2．魏東海，林愛華，尹梅，等．基于網絡平臺的以問題為基礎學習教學模式的構建．中華醫(yī)學教育雜志，2009(5):93-95．

3．郭仁忠，張克權．Q型聚類分析中變量相關性的處理方法分析．武漢測繪科技大學學報，1987(3):64-78．

4．盧敦，張麗．聚類分析與因子分析在天津港富營養(yǎng)化分析中的應用．數(shù)學的實踐與認識，2010(11):72-79．

5．徐春宏．基于因子分析的教學評價策略分析．湖南醫(yī)科大學學報(社會科學版)，2009(4):232-233．