鄧春遠，劉金適

(大連海事大學(xué) 信息科學(xué)技術(shù)學(xué)院，遼寧 大連 116026)

一、引言

高校學(xué)風(fēng)建設(shè)是落實立德樹人的關(guān)鍵和重要環(huán)節(jié)，關(guān)乎高校人才培養(yǎng)的質(zhì)量。當(dāng)前，大學(xué)生掛科、重修、降級、延學(xué)、輟學(xué)等學(xué)業(yè)問題日漸嚴(yán)重。高校為推動并形成良好學(xué)風(fēng)，引導(dǎo)學(xué)生身心健康成長，建立了學(xué)困學(xué)生干預(yù)制度，逐步形成了高校學(xué)業(yè)預(yù)警機制。學(xué)業(yè)預(yù)警作為幫助學(xué)生成人成才的舉措之一，是高校對于學(xué)生管理教育的重要手段，也是對學(xué)生學(xué)業(yè)危機的干預(yù)方式，主要是對潛在發(fā)生或者已經(jīng)發(fā)生學(xué)業(yè)問題和學(xué)業(yè)困難的學(xué)生進行警示，并給予針對性的幫扶和挽救措施，對于學(xué)生成長有著督促、警示作用，對高校學(xué)生管理也提供了科學(xué)合理的方法。

目前國內(nèi)學(xué)者針對學(xué)業(yè)預(yù)警的研究，一方面主要集中在對其概念的界定以及成因和對策等的定性研究。尹建平等[1]考慮學(xué)生自我管理能力缺乏、學(xué)習(xí)目的不明確、學(xué)習(xí)動力不足等因素,建立完善的學(xué)業(yè)預(yù)警機制,幫助學(xué)生及時了解自己的學(xué)業(yè)狀態(tài)；何偉等[2]認(rèn)為提高思想政治教育者素質(zhì)、創(chuàng)新思想政治教育協(xié)同要素以及預(yù)警各環(huán)節(jié)的有序銜接，是思想政治教育在大學(xué)生學(xué)業(yè)預(yù)警機制中功能實現(xiàn)的必然選擇；鄧敏等[3]提出要健全學(xué)業(yè)預(yù)警工作的程序，不斷完善學(xué)業(yè)預(yù)警信息化支撐平臺，多措并舉加強學(xué)業(yè)預(yù)警幫扶，充分發(fā)揮黨員聯(lián)系群眾、學(xué)生干部指導(dǎo)的作用。另一方面，對于學(xué)業(yè)預(yù)警研究還集中在聚類分析、決策樹分析、關(guān)聯(lián)度分析等定量研究。盧毅[4]創(chuàng)建了改進的BAS-SVM大學(xué)生學(xué)業(yè)狀態(tài)動態(tài)預(yù)警模型，為學(xué)業(yè)狀態(tài)預(yù)警評估提供了新的方法和途徑；呂莉等[5]采用了隨機森林算法，分析了學(xué)生學(xué)業(yè)預(yù)警成因，并研究學(xué)業(yè)預(yù)警機制構(gòu)建的對策；宋楚平等[6]采用改進的RBF神經(jīng)網(wǎng)絡(luò)模型，能較好地滿足學(xué)業(yè)預(yù)警的實際要求。

對高校學(xué)業(yè)預(yù)警的研究中，國內(nèi)學(xué)者側(cè)重于對學(xué)業(yè)預(yù)警的定性分析和研究，對學(xué)業(yè)預(yù)警的定量分析和實證分析研究較少。本文基于上述相關(guān)研究，從定性和定量兩個維度豐富高校學(xué)業(yè)預(yù)警的理論研究和實踐應(yīng)用：著重對潛在發(fā)生和已經(jīng)發(fā)生學(xué)業(yè)問題的學(xué)生進行測度和分類，以魚骨分析法構(gòu)建高校學(xué)業(yè)預(yù)警風(fēng)險評價指標(biāo)體系，構(gòu)建高校學(xué)業(yè)預(yù)警評價體系；基于PCA-CA相結(jié)合的方法構(gòu)建學(xué)業(yè)預(yù)警測度和分類模型，科學(xué)識別和評價學(xué)生學(xué)業(yè)面臨的風(fēng)險，提高學(xué)業(yè)預(yù)警評價結(jié)果的可靠性。

二、基于魚骨分析法的學(xué)業(yè)預(yù)警評價體系

魚骨分析法(fishbone analysis method，F(xiàn)AM)，由日本學(xué)者石川馨提出，主要用于分析和發(fā)現(xiàn)問題的根本成因，故又被稱為因果分析法，廣泛應(yīng)用于現(xiàn)代工商管理教育方面[7]。魚骨圖簡潔實用，可以根據(jù)魚骨框架深入直觀地描述事物的因果等關(guān)系；相較于柱狀圖、樹狀圖、雷達圖、表格、文字等描述方式，魚骨圖能更加清晰地刻畫出影響研究問題各要素的從屬關(guān)系與重要程度，適合用于影響要素眾多的高校學(xué)業(yè)預(yù)警測度研究。

本文中魚骨圖主要由大骨、中骨、小骨構(gòu)成，大骨即學(xué)業(yè)預(yù)警測度體系，也是主線骨；中骨是造成學(xué)業(yè)預(yù)警的主要因素；小骨為影響中骨的深度細節(jié)。在對學(xué)業(yè)預(yù)警評價體系指標(biāo)選取研究中，邵廣[8]以平均績點和掛科數(shù)目作為學(xué)業(yè)預(yù)警主要測算指標(biāo)，袁安府[9]等人從報到注冊、平時表現(xiàn)學(xué)習(xí)、學(xué)習(xí)成績?nèi)齻€方面構(gòu)建學(xué)業(yè)預(yù)警評價指標(biāo)體系，林欣[10]選取學(xué)生違紀(jì)預(yù)警、學(xué)分成績預(yù)警和畢業(yè)考核預(yù)警三個二級指標(biāo)，楊洋[11]則考慮生活、學(xué)習(xí)、經(jīng)濟、家庭多個指標(biāo)作為學(xué)業(yè)預(yù)警評價指標(biāo)。綜合如上國內(nèi)學(xué)者對學(xué)業(yè)預(yù)警指標(biāo)的選取情況，確定學(xué)業(yè)成績、課堂表現(xiàn)、家庭背景、生源質(zhì)量、綜合表現(xiàn)作為中骨，進而挖掘、調(diào)研、分析影響中骨的各小骨要素，如圖1所示。

圖1 基于魚骨分析的學(xué)業(yè)預(yù)警評價指標(biāo)體系

對中骨進行逐級細分，確定魚骨圖中的小骨。在學(xué)業(yè)成績指標(biāo)方面，把平均績點、掛科數(shù)目、重修數(shù)目、60～70分科目數(shù)量、專業(yè)排名作為重點考量；在課堂表現(xiàn)指標(biāo)方面，選取出勤率、自習(xí)率、平時分作為三級指標(biāo)；在家庭背景方面，主要考慮家庭收入、助學(xué)貸款、生活消費；在生源質(zhì)量指標(biāo)方面，參照生源地、高考分?jǐn)?shù)、是否偏科三個角度。

在綜合表現(xiàn)指標(biāo)方面，選取思想品德、科技創(chuàng)新、發(fā)展素質(zhì)三個指標(biāo)，其中思想品德包括思想政治素質(zhì)、文明道德素質(zhì)、日常行為修養(yǎng)三項，科技創(chuàng)新包括學(xué)術(shù)研究、學(xué)科競賽、創(chuàng)新創(chuàng)業(yè)、專業(yè)技能四項，發(fā)展素質(zhì)包括文體活動、社會實踐、社會工作三項。

三、基于PCA-CA的學(xué)業(yè)預(yù)警測度與分析

在對學(xué)業(yè)預(yù)警測度分析方面主要面向兩個對象：一是已經(jīng)存在學(xué)業(yè)問題的學(xué)生，選取魚骨中學(xué)業(yè)成績作為考量依據(jù)；二是潛在存在學(xué)業(yè)問題的學(xué)生，通過評價模型進行測度和分析。學(xué)業(yè)預(yù)警流程如圖2所示。每個高校對已經(jīng)存在學(xué)業(yè)問題的學(xué)生進行預(yù)警的標(biāo)準(zhǔn)各不相同，本文著重對潛在存在學(xué)業(yè)問題的學(xué)生進行預(yù)警測度。

圖2 學(xué)業(yè)預(yù)警流程圖

(一)基于PCA-CA的學(xué)業(yè)預(yù)警測度模型

在實證分析中，考慮到樣本個體復(fù)雜、指標(biāo)數(shù)量多的特點，為了系統(tǒng)、科學(xué)和全面地對學(xué)業(yè)預(yù)警學(xué)生進行測度和評估，本文采用主成分分析法評價模型作為主要測度模型，主成分分析法可以通過降維的方式將眾多指標(biāo)轉(zhuǎn)化為個別指標(biāo)，并基于個別指標(biāo)對測評對象進行解釋和分析，最后采用聚類分析的方法將同類別的測評對象進行分門別類，有針對性地提出解決對策。模型主要流程如下，其中指標(biāo)結(jié)構(gòu)見表1。

表1 學(xué)業(yè)預(yù)警指標(biāo)基礎(chǔ)結(jié)構(gòu)

步驟1，根據(jù)魚骨分析法確定學(xué)業(yè)預(yù)警指標(biāo)基礎(chǔ)結(jié)構(gòu)；

步驟2，選取樣本數(shù)據(jù)，對指標(biāo)數(shù)據(jù)無量化處理；

步驟3，構(gòu)建評價指標(biāo)矩陣，并計算相關(guān)系數(shù)矩陣；

步驟4，計算指標(biāo)矩陣的特征值和特征向量；

步驟5，選擇一定數(shù)量的主成分,并計算綜合評價值；

步驟6，在主成分分析基礎(chǔ)上,采用較為常用的歐氏距離-離差平方和法對樣本進行定量分類；

步驟7，將學(xué)業(yè)預(yù)警情況劃分為紅、黃、綠三個等級, 對其進行系統(tǒng)聚類分析。

(二)學(xué)業(yè)預(yù)警測度實證研究

本文以大連海事大學(xué)電子信息類專業(yè)2019級某班成績排名后76%的學(xué)生作為測度實證對象(樣本數(shù)量為25)，其中學(xué)業(yè)成績和綜合表現(xiàn)指標(biāo)參照《大連海事大學(xué)綜合素質(zhì)測評(綜合積分)辦法》，課堂表現(xiàn)參照課堂出勤情況、自習(xí)出勤情況以及各科平時分平均值，家庭背景和生源質(zhì)量指標(biāo)從高招名冊和學(xué)籍表獲取原始數(shù)據(jù)。將原始數(shù)據(jù)進行同趨化處理和無量綱化處理，得到標(biāo)準(zhǔn)化數(shù)據(jù)見表2。

表2 學(xué)業(yè)預(yù)警測度標(biāo)準(zhǔn)化數(shù)據(jù)

P14P15P16P17P18P19P20P21P22P23P24P25F1-0.78-0.79-0.80-1.05-1.62-1.73-1.891.381.361.301.191.09F2-0.82-0.95-1.09-1.22-1.36-1.49-1.631.631.491.361.221.09F3-0.110.340.34-0.55-2.78-1.00-1.000.790.790.790.790.79F4-0.220.560.56-1.00-3.36-1.00-1.000.560.560.560.560.56F5-0.31-0.02-1.77-0.31-0.60-0.60-1.481.431.141.141.141.14F6-0.74-0.82-0.742.04-0.70-0.592.000.400.12-0.74-0.761.21F7-0.83-0.83-0.83-0.830.65-0.830.65-0.83-0.830.44-0.830.44F80.70-0.830.551.16-0.831.46-0.070.55-0.07-0.83-1.60-0.83F9-0.630.55-2.49-2.12-0.060.170.081.300.670.410.190.35F100.230.01-2.43-0.55-0.98-2.390.620.690.260.640.951.09F11-0.56-0.32-1.05-0.81-1.67-1.32-1.771.421.291.261.211.16F12-1.17-1.171.37-1.17-0.531.06-0.22-0.220.420.580.58-1.49F130.651.34-0.110.190.110.100.03-0.871.210.840.381.14F14-0.50-0.500.71-0.500.710.710.71-0.500.710.710.71-2.51F150.20-1.470.201.03-0.63-0.63-1.471.03-0.630.200.20-0.63F161.140.02-1.100.96-0.54-0.54-0.541.23-0.441.141.231.05F171.35-0.26-0.26-0.26-0.26-0.26-0.26-0.26-1.861.35-0.261.35

選取標(biāo)準(zhǔn)化后得數(shù)據(jù)，計算出各因子對應(yīng)的特征值、貢獻率、累計貢獻率見表3。由表3分析可見，第一主成分占比重34.502%，第二主成分占比重18.237%。選取前5個主成分進行分析，總占比重接近80%，可以近似代替原來的17個指標(biāo)。用SPSS軟件直接得出25名學(xué)生在5個主成分上的得分，通過各主成分的方差貢獻率占5個主成分總方差貢獻率作為權(quán)重，借助Excel軟件進行加權(quán)匯總，得到25名學(xué)生學(xué)業(yè)預(yù)警的綜合得分見表4。

表3 指標(biāo)各類計算系數(shù)

表4 個體綜合得分情況

根據(jù)表3和表4計算結(jié)果，并運用SPSS軟件對25個學(xué)生的學(xué)業(yè)預(yù)警情況進行聚類分析。學(xué)業(yè)預(yù)警情況共分為三類，其中第一類有8個，第二類有9個，第三類有8個，具體分類結(jié)果如圖3。

圖3 聚類分析樹狀圖

(三)學(xué)業(yè)預(yù)警測度結(jié)果分析

1.主成分結(jié)果分析

由于影響學(xué)生學(xué)業(yè)成績的評價指標(biāo)眾多，各個指標(biāo)之間也存在較強的相關(guān)性，若直接對用這些指標(biāo)進行綜合評價，可能會造成評價信息的重疊而影響評價結(jié)果的客觀性、真實性。因此可通過主成分分析的方法對多個變量的截面數(shù)據(jù)進行綜合性簡化，對高維變量空間進行降維處理，以減小各指標(biāo)中的關(guān)聯(lián)性而使評價結(jié)果更加合理。

利用SPSS軟件對17個評價指標(biāo)進行主成分分析后，可以計算前5個特征根的累計貢獻率約達80%，主成分分析效果良好，因此選擇前5個主成分進行綜合評價。將17個指標(biāo)的標(biāo)準(zhǔn)化數(shù)據(jù)代入主成分表達式，得到各學(xué)生的5個主成分值，并以5個主成分的貢獻率為權(quán)重，構(gòu)建主成分綜合評價模型，得到各學(xué)生的學(xué)業(yè)預(yù)警綜合評價值及排序結(jié)果，其中紅色預(yù)警學(xué)生為P11、P16、P18、P19、P20，黃色預(yù)警學(xué)生為P3、P7、P12、P13、P15、P17，綠色預(yù)警學(xué)生為P1、P2、P4、P5、P6、P8、P9、P10、P14、P21、P22、P23、P24、P25。根據(jù)學(xué)業(yè)預(yù)警綜合評價值，可以通過多重指標(biāo)科學(xué)地評價學(xué)生的學(xué)業(yè)預(yù)警風(fēng)險。

2.聚類結(jié)果分析

將各項評價指標(biāo)進行聚類分析，進一步探索存在學(xué)業(yè)預(yù)警危險的學(xué)生群體特征。使用SPSS軟件進行聚類分析，根據(jù)聚類分析樹狀圖將樣本群體分為三大類，結(jié)果為：第一類為P2、P4、P5、P8、P9、P10、P11、P23(輕度學(xué)業(yè)預(yù)警風(fēng)險)；第二類、第三類為P1、P3、P6、P7、P12、P13、P14、P15、P16、P17、P18、P19、P20、P21、P22、P24、P25(中重度學(xué)業(yè)預(yù)警風(fēng)險)。聚類分析的結(jié)果與主成分分析結(jié)果基本一致,見表5。

表5 個體聚類情況

對于有輕度學(xué)業(yè)預(yù)警風(fēng)險的學(xué)生來說，平均學(xué)分績點普遍較高，掛科數(shù)目相對較少，且大部分較為注重平時的學(xué)習(xí)，平時分普遍較高；對于中重度學(xué)業(yè)預(yù)警風(fēng)險的學(xué)生來說，出勤率、自習(xí)率與前一類相差不多，但平時表現(xiàn)卻有一定差距，由此分析該群體學(xué)生課堂和自習(xí)效率、努力程度較低。

根據(jù)聚類分析結(jié)果與實際情況，可以研判出掛科數(shù)目、重修數(shù)目、生源地質(zhì)量、家庭收入等因素的差距是影響學(xué)業(yè)成績的直接、主要因素，思想品德、科技創(chuàng)新、發(fā)展素質(zhì)等因素對于學(xué)業(yè)成績的作用和影響不大，但可能對于學(xué)習(xí)主動性、自發(fā)性等隱性特征有較大影響，進而影響對學(xué)生學(xué)業(yè)預(yù)警風(fēng)險的測度。為更好分析實證結(jié)果，通過訪談學(xué)生P5、P11、P20、P25做進一步研究，學(xué)生P5、P25學(xué)業(yè)成績尚可，但P25學(xué)習(xí)自發(fā)性、自覺性較P5而言相對弱一些；學(xué)生P11、P20學(xué)業(yè)成績均有較大危險，但P11思想品德、科技創(chuàng)新、發(fā)展素質(zhì)等因素優(yōu)于P20，在其他領(lǐng)域取得的成績也較好。

四、學(xué)業(yè)預(yù)警機制構(gòu)建策略分析

(一)建檔立卡：建立動態(tài)學(xué)業(yè)預(yù)警檔案

借鑒我國扶貧工作的經(jīng)驗[12]，對于具有學(xué)業(yè)預(yù)警風(fēng)險的學(xué)生進行精準(zhǔn)識別，深入了解其學(xué)業(yè)狀況，初步分析其預(yù)警風(fēng)險成因，明確學(xué)業(yè)預(yù)警主體，劃分不同特征的學(xué)習(xí)困難群體，對學(xué)業(yè)預(yù)警群體的學(xué)生進行建檔立卡。建檔立卡有助于落實責(zé)任到人，有助于育人團隊更好地掌握學(xué)生動態(tài)，也有助于提高學(xué)業(yè)幫扶與指導(dǎo)的針對性與有效性，以此為基礎(chǔ)形成一套幫扶系統(tǒng)。

(二)尋醫(yī)問診：挖掘?qū)W業(yè)困難和預(yù)警成因

在長期教育教學(xué)過程中逐步完善評價指標(biāo)體系, 在定量分析方面，利用魚骨分析、主成分分析、聚類分析等科學(xué)方法對不同具有學(xué)業(yè)預(yù)警風(fēng)險的學(xué)生、不同學(xué)習(xí)困難的學(xué)生群體進行合理分類，并以學(xué)期為單位進行長時間的動態(tài)評價，以確保對學(xué)習(xí)困難學(xué)生幫扶的及時性、準(zhǔn)確性、有效性；同時，在定性分析方面，源于家長、指導(dǎo)員、教師、同學(xué)過往的分析和幫扶經(jīng)驗，對學(xué)業(yè)預(yù)警成因的探究具有豐富的指導(dǎo)性意義，經(jīng)驗的不斷積累與學(xué)業(yè)預(yù)警風(fēng)險評估形成閉環(huán)，二者相互調(diào)節(jié)可使評估方法經(jīng)過長時間訓(xùn)練而日趨準(zhǔn)確。

(三)對癥下藥：解決思想問題和解決實際問題相結(jié)合

學(xué)風(fēng)也是思想政治工作的主要內(nèi)容之一，堅持解決思想問題與解決實際問題相結(jié)合的思想指導(dǎo)下，主動調(diào)整教學(xué)方法與管理方式，根據(jù)每個學(xué)生學(xué)習(xí)困難的不同特征，結(jié)合個體成長階段的特點，主動融入學(xué)習(xí)困難學(xué)生群體，切身尋找問題癥結(jié)并探索解決之道，引導(dǎo)具有學(xué)業(yè)預(yù)警風(fēng)險的學(xué)生樹立短期目標(biāo)、長期目標(biāo)和理想信念，激發(fā)學(xué)習(xí)困難學(xué)生的內(nèi)驅(qū)動力，發(fā)揮“三全育人”與“五育并舉”協(xié)同育人功效。

(四)鞏固療效：進行分級分類學(xué)業(yè)指導(dǎo)與幫扶

在外部教育教學(xué)、內(nèi)部自律自強兩方面的調(diào)整與引導(dǎo)下，為進一步鞏固幫扶成果，降低學(xué)習(xí)困難群體學(xué)業(yè)預(yù)警的風(fēng)險，從不同角度、多個層次進行幫扶成果鞏固，則需要包圍式、全過程的針對性幫扶[8]。以家庭成員、育人團隊、朋輩群體等人群構(gòu)成包圍式幫扶圈，以家庭(社區(qū))、校園、公寓等環(huán)境構(gòu)成全過程幫扶鏈，不斷細化幫扶責(zé)任與流程，對具有學(xué)業(yè)預(yù)警風(fēng)險的學(xué)生進行分級分類的學(xué)業(yè)指導(dǎo)與幫扶。

五、結(jié)論

通過魚骨分析法建立了學(xué)業(yè)預(yù)警測度的評價指標(biāo)體系，選取影響學(xué)生學(xué)業(yè)預(yù)警的5個因素、17項評價指標(biāo)；采用主成分分析的方法將多項指標(biāo)轉(zhuǎn)化為綜合指標(biāo)，并以綜合指標(biāo)為依據(jù)進行學(xué)業(yè)預(yù)警測度。以大連海事大學(xué)電子信息類專業(yè)2019級某一班級學(xué)生為實證對象，在主成分分析的基礎(chǔ)之上，采用聚類分析的方式，對具有共性的學(xué)生進行了合理聚類。

參照主成分分析、聚類分析的結(jié)果，本文對存在學(xué)業(yè)預(yù)警危險的學(xué)生群體進行科學(xué)分類，并提出學(xué)業(yè)預(yù)警機制的構(gòu)建策略，不僅有助于正確認(rèn)識學(xué)生學(xué)業(yè)問題從而因材施教，而且可以為高校在學(xué)業(yè)預(yù)警研究和實踐方面提供借鑒和參考。

經(jīng)過實證研究，主成分分析結(jié)果對于存在學(xué)業(yè)預(yù)警風(fēng)險的學(xué)生有科學(xué)的指導(dǎo)作用，聚類分析結(jié)果又能依據(jù)不同指標(biāo)將學(xué)生的問題歸類，有較強的實踐意義。本文提出的學(xué)業(yè)預(yù)警測度方式仍需經(jīng)過長期的實踐檢驗與反饋調(diào)整，通過各高校有選擇性、針對性地創(chuàng)新和完善，才能使學(xué)業(yè)預(yù)警測度與分析方式不斷健全并趨于穩(wěn)定。