程郁昕, 孙 静

(安徽科技学院 动物科学学院, 安徽 凤阳 233100)

典型相关分析就是将一组变量与另一组变量之间单变量的多重线性相关研究转化为对少数几对综合变量之间的简单线性相关性的研究[1],并且尽可能保留原有的相应信息。典型相关是简单相关和多元回归的扩展,在不改变原变量信息的基础上,将两组变量线性化为两个相互独立的典型变量并分析相关程度,不仅揭示两组变量相关的本质,同时还能表征各变量在组内的相对重要性,结果更有参考价值[2]。本研究拟进行应用型本科普通高校教师能力评价与基本信息间的典型相关分析,为科学、合理地评价、绩效考核教师及青年教师的发展能力培训提供参考。

1 设计与方法

1.1 设计

2014自然年度,对安徽科技学院动科院在职教师47人进行教师能力评价与基本信息两组分类8个变量间的典型相关分析。第一分类能力评价包括该年度教学工作量(x1)、教学质量评价(x2)、科研积分(x3)；第二分类基本信息包括职称(x4)、学历(x5)、毕业院校(x6)、工作年限(x7)、性别(x8)。

1.2 方法

能力评价中的教学工作量、教学质量评价、科研积分,按照学校的相关规定进行统计和评价。基本信息中的职称分初级、中级、副高级、高级,分别标为1～4;学历分本科、硕士、博士及博士以上,分别标为1～3;毕业院校分一般大学、“211工程”大学、“985工程”大学,分别标为1～3;工作年限分为5年以下、5～15年、16～25年、25年以上,分别标为1～4;性别男女分别标为1和2。

1.3 数据处理

运用DPS 3.01数据处理系统进行数据的整理和分析。

2 结果与分析

2.1 各变量的表型参数

表1 各变量的表型参数Table 1 The phenotypic parameters of variables

由表1可见,科研积分的平均数为317.91,而标准差高达418.88;主要原因是47位教师的科研积分,最高为1 872分,最低为0分;1 000分以上3人,0分11人。

2.2 各变量间的简单相关系数

表2 各变量间的简单相关系数Table 2 The simple correlation coefficients between variables

注:*表示显著(P<0.05);**表示极显著(P<0.01)。下同。

Note:*means significant difterence (P<0.05);**means remarkable difference (P<0.01).The same below.

由表2 可见,两组分类8个变量间的28个简单相关系数中,有9个达到极显著(P<0.01)或显著(P<0.05)水平。其中,教学质量评价(x2)与职称(x4)、科研积分(x3)与职称(x4)、职称(x4)与工作年限(x7)、学历(x5)与毕业院校(x6)为极显著的正相关(P<0.01);学历(x5)与工作年限(x7)、毕业院校(x6)与工作年限(x7)为极显著地负相关(P<0.01);教学工作量(x1)与性别(x8)、科研积分(x3)与学历(x5)为显著的正相关(P<0.05);工作年限(x7)与性别(x8)为显著的负相关(P<0.05);其余各简单相关系数未到达显著水平(P>0.05)。

2.3 两组分类间典型相关分析

2.3.1 两组分类间的典型相关系数 由表3可见,两组分类的3个典型相关系数,第1个0.747达到极显著水平(P<0.01),第2个0.457达到显著水平(P<0.05)。

表3 两组分类间的典型相关系数Table 3 Canonical correlation coefficient between two groups of classifications

2.3.2 两组分类间典型相关显著的各对典型变量的构成 典型变量中各性状权重大小表示对典型性状值影响的重要程度。由表4可见,能力评价与基本信息相关极显著的第1对典型变量中,V1以科研积分(x3)的系数最大(0.852),W1以职称(x4)的系数最大(0.763),二者都明显高于其它系数,说明第1对典型变量的极显著相关主要由科研积分(x3)和职称(x4)的密切相关所引起。分析达到显著的第2对典型变量的构成,V2以教学质量评价(x2)的系数最大(0.874),W2以学历(x5)的系数最大(-0.680),工作年限(x7)的系数次之(-0.561),三者都明显高于其它系数,说明第2对典型变量的显著相关主要由教学质量评价(x2)和学历(x5)、工作年限(x7)的密切相关所引起。

表4 两组分类间典型相关显著的各对典型变量的构成Table 4 Typical variable composition between the two significantly related groups of classifications

3 结论与讨论

本研究显示,在简单相关分析中,科研积分(x3)与职称(x4)呈极显著正相关,与典型相关分析结果相一致,即教师职称的晋升(初级→中级→副高级→高级)与其科研积分的多少表现为极显著的正相关。教学质量评价(x2)与学历(x5)、工作年限(x7)在简单相关分析中均未达到显著,而典型相关分析结果表明3者间有密切的相关关系,随着教师学历的上升以及工作年限的增加,教学质量评价表现为显著的下降。在简单相关分析中,有9个相关系数达到极显著(P<0.01)或显著(P<0.05)水平,除了0.386**(x3与x4的相关系数)与典型相关分析结果相一致外,其余的在典型相关分析中均未得到表现。简单相关受很多因素的影响,所反映的结果是表面的、非本质的,甚至可能出现假象;而由多个变量构成的典型变量间的典型相关分析是综合反映两组性状间的整体相关关系,更能反映性状间的本质联系,同时也能表明各性状在组内的相对重要性,其结果更科学可靠,提供的信息更具有指导意义。

本研究表明,科研能力的差异是反映高校教师能力高低的主要因素,而职称的晋升客观上成为教师个人加强科研的主要动力。高校作为国家科技创新体系中的重要组成部分,科研能力的提高对国家科研水平的提升起着举足轻重的作用[3],在科研方面,应用型大学相对于研究型大学比较薄弱,但有其独特之处,应用型大学注重应用实践教学,发展应用性科研[4]。如何推进应用型高校的科研工作,提高学校科研氛围和科研实力，有效评价教师的科研能力,调动教师的科研积极性和创造性，充分、合理地利用有限的科研资金资源,促进科研成果转化为社会效益,是一个长期的、持久的工作重心。

本研究发现,随着教师学历的上升、工作年限的增加,教学质量评价表现为显著的下降,其原因有待进一步的探讨。高校教师的学历和工作年限,很大程度上包含了教师年龄这一信息。高校教师的年龄结构是指教师队伍中处于各个年龄段教师之间数量匹配和联结方式状况[5],年龄结构反映了教师群体教育、教学和科研的活力及兴衰趋势;最佳年龄结构应体现人才成长规律,有利于教师队伍的新老交替和工作绩效的最优化[6]。