Operations Research and Fuzziology
Vol.05 No.04(2015), Article ID:16298,7 pages
10.12677/ORF.2015.54007

Influencing Factors and Empirical Study on Undergraduate Learning Motivation of Mathematics Curriculums

Xin Wang

College of Science, Beijing Information Science and Technology University, Beijing

Received: Oct. 15th, 2015; accepted: Nov. 6th, 2015; published: Nov. 9th, 2015

Copyright © 2015 by author and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY).

http://creativecommons.org/licenses/by/4.0/

ABSTRACT

The mathematics curriculums are the compulsory courses of undergraduate majoring in science, engineering, economics, management, etc. The learning of mathematics curriculums has played a tremendous role in cultivating undergraduates’ mathematical thought, application ability of mathematical tools, and learning the professional courses. We use fuzzy evaluation method to investigate the effect of inter factors and external factors on learning motivation, such as study purpose and method based on individuals, curriculum design, teaching management and employment mechanism based on education and society. This study has certain significance to obtain a better learning of mathematics curriculums.

Keywords:Learning Motivation, Empirical Study, Influencing Factors, Fuzzy Evaluation

本科生数学课程学习动力影响因素实证研究

王昕

北京信息科技大学理学院,北京

收稿日期:2015年10月15日;录用日期:2015年11月6日;发布日期:2015年11月9日

摘 要

数学类课程是理工、经管类本科生的必修课程,数学课程的学习对培养学生的数学思想、数学工具的应用能力以及对后续专业课程的学习都起到了巨大的促进作用,对数学课程学习动力的影响因素展开研究有着积极重要的作用。本研究通过对多个专业本科生学习动力的实际调查,利用模糊评价法探讨了基于个人的学习目的、学习方法等内部因素、基于教学和社会的课程设置、教学管理、就业机制等外部因素对学习动力的影响,对于促进在校大学生更好地学习数学课程有一定的意义。

关键词 :学习动力,实证研究,影响因素,模糊评价

1. 引言

学习动机是指引发与维持学生的学习行为,并使之指向一定学业目标的一种动力倾向。在高等教育中,数学类课程是大多数院校十分重要的公共基础课程,激发学生的学习动力,建设和发展此类课程直接关系到本科教学质量的提高[1] [2] 。因此,国内一些学者运用统计学、模糊学以及决策分析等方法,对问卷调查数据进行研究,从心理学、社会学等多维角度,对影响高校学生学习动力的基本因素进行剖析,得到了一些有益的成果[3] [4] 。

本文以北京信息科技大学2013和2014级各专业学生作为调查对象,通过调查问卷法收集有关学生学习动力的基础数据,利用模糊评价方法研究大学生对数学课程学习动力的影响因素,探索学生的心理因素、专业因素、经济背景、学校管理因素、社会环境因素对学习动力的作用机制,为提高数学类课程的教学质量,提升课堂学习的积极性,辅助教学管理经验提供有益的探索。

2. 模糊评价过程

以下将主要从三个方面阐述本科生数学类课程学习动力的影响因素,分别为:个人影响层、教学影响层、社会影响层。其中,个人影响层是指家庭环境、学习目的、学习兴趣、学习态度和学习方法等主观因素;教学影响层是指从学校和教师层面探讨教师的教学方法和教学态度、课程设置、教学管理、校园学风等因素对学习动力的影响程度;社会影响层则是从学生的主要发展目标、课余时间分配等方面,通过对学生主观感知调查方式,尝试对学习动力的影响程度进行度量。

2.1. 评价指标的选取

在以上分析的基础上,将大学生对数学类课程学习动力分析的三大层次进行细分,共计11个一级指标,再对每个一级指标分化为共计25个二级指标,以提高指标的易懂性和被理解度,并对二级指标的权重进行具体设置,详细评价指标设计见表1

2.2. 一级指标体系权重的确定

对学习动力影响因素的评估指标权重设定,应该具有科学性、准确性、全面性和有效性,由长期从事高校一线教学和管理的多位相关人员来共同确定,并就表1数据采用判断矩阵的构造方法对各指标作两两比较,从而确定出评价指标间的相对权重,具体权重数据如表2所示。

表2中的数据可建立两两比较的四阶判断矩阵P,以个人影响层一级指标为例,建立判断矩阵,

Table 1. Meaning of evaluation indexes at all levels and weights of secondary index

表1. 各级评价指标含义及二级指标权重

Table 2. Measure of importance between different indexes

表2. 指标之间的重要性度量

表3所示,举例说明矩阵中各元素的具体含义,例如“个人兴趣A2”与“家庭状况A1”的重要性比较均值为2.9889。

表3所示的判断矩阵进行归一化处理及各行求和,然后求出矩阵P的权重向量,如表4所示。

Table 3. Judgment matrix about the first grade indexes based on individual layer

表3. 个人影响层一级指标判断矩阵

Table 4. Normalized judgment matrix about the first grade indexes based on individual layer

表4. 个人影响层一级指标归一化判断矩阵

类似于上述个人影响层一级指标权重的计算过程,可以计算得到各个一级评价指标的相对权重。类似的,采用专家估测方法,由9位数学教师和24位来自不同专业的学生代表共同构造出二级指标权重,完整的评价指标表如表5所示。

3. 模糊评价与结果分析

3.1. 模糊评价过程设计

根据表1中所示的各项评价指标定义因素集、权重集和评语集,其中表示各个指标在指标体系中的重要程度,表示评价对象的优劣程度。例如,在评语集中,各元素的含义分别为: = “很强”, = “较强”, = “一般”, = “弱”,而“很强”、“较强”、“一般”、“弱”分别对应《北京信息科技大学数学类课程学习动力调查问卷》中每个问题的四个选项“A”、“B”、“C”、“D”。

因素集和权重集具有递阶层次结构,以因素集为例说明,其中各元素与表1中各项评价指标相对应,其特征可以描述为:

1) 因素为因素集的最底层指标;

2) 因素等为因素集的中间层指标;

3) 因素为因素集的最高层指标。

从因素集到评语集的模糊关系,用模糊评价矩阵来描述,各元素表示对因素集所作出的评语集中的评语的隶属度。将因素集上的权重集经过模糊评语矩阵的变化,计算为评语集上的模糊集合,其计算公式为

其中,为模糊评价的结果,为因素集上的权重集,为从的模糊关系矩阵。

Table 5. Evaluation indexes and weights about effect factors of learning motivation

表5. 学习动力影响因素评估指标及权重表

3.2. 数据计算

本文以北京信息科技大学2013~2014级本科生为主要调查研究对象,以整群抽样相结合的问卷调查法为主,前后总共发放问卷352份,收回有效问卷326份,占92.6%。对调查所得的数据进行统计分析,对于指标A11,选择A (很强)、B (较强)、C (一般)、D (弱)的人数分别为22人、48人、85人、171人,因此从指标A11着眼的数学类课程学习动力影响因素与评语集之间的模糊关系向量,同理可得其他关系向量数据。

由最底层指标着眼的模糊关系向量和对应于最底层的权重向量,可计算中间层模糊向量,具体如下:

计算最高层指标指向的模糊向量集

同理可得

最终评价向量可由模糊关系向量和各最高指标间的权重向量计算得到:

根据最大隶属度原则,模糊评价向量中的最大值元素所对应的评语即为本次调查中数学类课程学习动力影响因素的最终评语,由最终评价向量可知,,因此各因素对学习动力影响的结果为“较强”。从问卷统计的数据看,各项动力的拥有人数都有一定的比重,并非仅仅集中在某一项或某几项,说明影响本科生学习动力的因素较多,并非某一项为决定性影响因素。但由于模糊评价本身的缺陷,如各级评价指标的选择、权重的分配等含有主观判定的人为因素,会在一定程度上影响评价的准确性,该模型还需不断修改和完善。此外,该模型的适用性还有待进一步在实证分析中进行检验。

4. 结论

学生学习动力的提高对教师、学生以及学校的办学水平至关重要,因此对影响学生学习动力的主要因素进行分析是至关重要的。本文针对数学类基础必修课程,建立了一个学习动力影响因素的模糊评价模型,并探讨了评价指标体系的设计。模糊评价方法客服了以往只能衡量某个单一影响因素的弊端,将学习动力影响因素作为一个系统来衡量,将定性分析和定量分析有机的结合起来,其具体指标可以根据研究侧重点的不同加以设计,评价步骤明确,评价结果更为可靠。

基金项目

文章引用

王 昕. 本科生数学课程学习动力影响因素实证研究
Influencing Factors and Empirical Study on Undergraduate Learning Motivation of Mathematics Curriculums[J]. 运筹与模糊学, 2015, 05(04): 45-51. http://dx.doi.org/10.12677/ORF.2015.54007

参考文献 (References)

  1. 1. 刘燕, 高艳, 孙冬梅, 等. 大学生学习动力影响因素及作用机制研究[J]. 思想教育研究, 2013, 7: 69-71, 111.

  2. 2. 王琴梅, 方妮. 免费师范生学习动力及其影响因素的经济学分析——基于陕西师范大学的调查[J]. 理论导刊, 2014(6): 90-93.

  3. 3. 保佳, 王睿, 张淑梅. 利用累积logistic混合模型研究考研因素对数学专业免费师范生学习动力的影响[J]. 数学的实践与认识, 2010, 40(21): 35-39.

  4. 4. 房三虎. 高等教育大众化视域下大学生学习动力系统分析与构建[J]. 教育与职业, 2014(33): 177-179.

  5. NOTES

    北京市青年英才项目(YETP1508);北京市教委科技面上项目(KM201411232019);北京信息科技大学高教研究项目(2013GJYB15)。

期刊菜单