关键因素构建WPBL学习效果评价模型实证研究

发布时间：2024-03-09 00:34

　　研究目的编制适合WPBL模式下多次使用和多变量的学生自我评价问卷。在评价中引入综合变量的作用,解决WPBL模式中变量间多重共线性问题,分离异常因素的影响。利用公因子的方差贡献率作为综合评价模型的权重,采用关键因素构建综合评价模型,解释关键因素并根据综合评价模型进行实证研究。 研究方法从广州医学院开展WPBL教学模式的学生中随机抽取10%学生,发放调查问卷,利用聚类分析挑选评价变量。采用Cranach’sα系数评价问卷结构的内部一致性。利用变量间的相关系数与Cranach’sα系数的关系考查问卷的结构效度。采用聚类分析筛选变量。用因子分析法提取公因子,用公因子的方差贡献率作为综合评价模型的权重,并给出其对学习效果评价的合理解释。按关键因素构建出综合评价模型,开展综合评价。 研究结果问卷的内部一致性信度Cranach’sα系数为0.85。以特征值大于1为标准提取出四个公因子,方差累积贡献率达到64.99%。以方差贡献率作为综合评价函数的权重,构建出综合评价模型:E=K₁ +K₂ +K₃ +…+Kj(j=1,2,…,m)。经方...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图1因子旋转的几何意义

图1因子旋转的几何意义.4.4关键因素Kj为第j个关键因素，j＝(w1/wt，，w2/wt，…wj/wt)（wt=w1+w2+…，+wm；j=1，2，…，m）

图2变量树状聚类图

图2变量树状聚类图树状聚类图可以直观看出，变量1到变量14的相关性较大，从

图3因素陡坡图

图3因素陡坡图从图3特征值大小排列的因素陡坡图可以看出，一共提取到4个公因子，累积贡率达到64.99%。从第5个特征值开始，斜率逐渐趋于平坦，这表明14个变量中可能

本文编号：3922631