张俊锋，陈 云

(杭州电子科技大学 自动化学院，浙江 杭州 310018)

工科大学生数学学习状态性别差异研究

张俊锋，陈 云

(杭州电子科技大学 自动化学院，浙江 杭州 310018)

本文目的在于探讨工科大学生数学学习状态的性别差异。通过对三个工科院系大学生(n=593)调查发现：从整体来看，男女大学生在数学学习状态及其四个维度上都不存在统计意义上的显著性差异。具体来说，大一男生的数学学习态度和数学学习氛围高于女生；自动化学院男生数学学习状态低于女生，但计算机学院男生数学学习状态高于女生；自动化学院男生数学学习态度、数学学习习惯和数学学习氛围都低于女生；计算机学院男生数学学习效果高于女生，并且上述诸方面都存在统计意义上的显著性差异。在其它方面，各年级、各院系男女大学生不存在统计意义上的显著性差异。最后，针对工科大学生数学的教与学给出了若干建议。

工科大学生；数学学习状态；性别差异

性别差异是国内外数学教育的热门话题之一。数学史研究发现历史上最伟大的数学家几乎都是男性，而杰出的女性数学家特别罕见。这极大地影响了人们对数学的传统看法，即认为“在数学上女孩不如男孩”。中小学教师也普遍认为虽然在低年级女孩数学成绩不比男孩差甚至还要优于男孩，但随着年级的升高，数学难度的增加，男孩的数学成绩开始追上甚至超过女孩。事实上并非总是如此，李文道和孙云晓研究发现,从小学、中学到大学,我国学校男生的学业表现均明显落后于女生，不管是在直接指标——考试成绩,还是间接指标——奖学金获取方面,大学阶段男生的学业表现均显著落后于女生[1]。男孩全面落后女孩的现象引起了许多学者的高度重视，甚至许多学者将其称为“男孩危机”。数学能力的性别差异不仅受到生理和心理因素的影响而且还要受到社会文化因素的影响。许艳丽和崔春霞认为女性对数学贡献小的真实原因不在于女性自身而在于不平等的社会观念，正是社会的偏见导致男女在受教育和参与科学活动机会不同，从而致使女性在数学上表现落后[2]。事实上，关于数学能力的性别差异尚没有权威的结论，特别是大学生数学能力性别差异更值得人们去探索。

一、文献综述

郑新蓉对某大学数学系三年级100名男女大学生进行了关于数学能力性别差异自述性材料的分析，发现男女大学生都认为男女两性的数学能力差异是心理素质或者非智力因素的差异，而不是智力因素的差异。大多数男女同学认为男女两性在数学能力上的差异不是先天的和生物学的原因，而是后天的、社会的性别角色分配和劳动分工的原因[3]。王毓珣通过对两所普通高校数学专业1-4年级的240名大学生问卷调查发现数学专业大学生数学考试成败不存在性别差异[4]。周瑞和李俊杰通过对四川省某师范院校337名师范类数学专业大四本科生的学习成绩与性别相关分析发现，学生的学习成绩与性别显著相关，而且女生成绩比男生成绩更集中，更偏向良好[5]。可见，数学专业女大学生在数学成绩上并不比男生差甚至还要好。刘蕴坤和陶沙通过梳理国内外数学成就的性别差异文献发现总体上男性和女性数学成就的平均水平差异很小，相似性多于差异性，但男性内部变异比女性更大，男性在高数学成就者和低数学成就者中都占多数[6]。范文贵和李伟华通过对西方数学学习性别差异研究文献的分析认为西方数学教育中性别差异的研究所得结论不尽相同，甚至对立，但在高年级(高中、大学)数学学习中存在性别差异,男生成绩高于女生[7]。

综上可知数学学习中的性别差异是存在的，特别是在数学学优生和数学学困生中男生都明显居多。然而上述研究大多是由数学专业的大学生得到的结论，关于其它专业大学生数学学习性别差异的研究尚不多见。

学生的学习状态是指学生从事学习活动时，学生身心活动在强度、稳定性、持久性方面所表现出来的特征[8]。学习状态是一个复杂的过程，是学生个性与环境相互作用，受个人学习态度、学习习惯、学习方法等综合因素的影响，在学习过程中表现出来的行为及其结果[9]。我国高等院校扩招之后男女学生接受高等教育的机会大幅增加，其中女生的入学机会增长较快，到2010年女生的入学机会已经超过了男生，且女生的优势在普通本科院校和专科院校中尤为明显[10]。在不同学科中男女分布比例差异极大，“理工男、文史女”的现象非常突出。随着高等教育的普及，人们发现大学毕业生整体素质有下降的趋势，许多大学生学习得过且过，学习状态极差。冯利等通过对大一、大二和大三年级的学生网络问卷调查发现从低年级到高年级,本科学生群体两极分化现象越来越明显,而且大三年级是本科学习的关键期,本科学生群体出现两极分化现象,而且在大部分常见的学习行为上存在明显差异[11]。该项研究目的在于了解不同性别工科大学生的数学学习状态，从而为更好地指导工科大学生的数学教与学提供必要的建议。

二、研究设计

(一)研究对象

为了较为全面了解工科大学生的数学学习状态，我们以浙江省为例，选择了三所理工科大学，分别记为X大学、Y大学和Z大学，其中X大学选择了自动化学院，Y大学选择了计算机学院，Z大学选择了材料学院，每所大学都以该院系全体学生，包括从大一到大四整个年级的学生作为研究对象。

(二)问卷设计

陈婷婷和姚继军将学生学习状态分为四个维度：学习态度、学习习惯、学习氛围和学习效果[9]。他们从这四个维度入手又进一步将学习状态细分为十四个可以测量的三级指标并构建了“学生学习状态指标体系”。我们以“学生学习状态指标体系”为基础编制了《工科大学生数学学习状态调查问卷》。问卷共23个题目，第一部分是性别、年级、院系等六个基本信息问题，第二部分是问卷题项共17题。问卷题项采用四点式量表，每个题目分为四个选项：非常符合，基本符合，不太符合，很不符合，标记分数分别为4，3，2，1。通过调查问卷得到三级指标得分，然后按照“人类发展指数(HDI)”[12]的计算方法进行合成求出二级指标得分，最后求出工科大学生数学学习状态得分。在每所大学发放调查问卷200份，最后共回收调查问卷600份，回收率100%，删除回答不完整的问卷后得到有效问卷593份，有效率98.8%，最后使用SPSS 20.0对调查问卷进行统计分析。

(三)信度和效度

通过Cronbach α系数来检测调查问卷的信度,分析发现调查问卷整体信度系数为0.843>0.8，可见该调查问卷内部一致性较高，信度可以接受。KMO值和Bartlett球形检验分析发现KMO值为0.868>0.7，Bartlett球形检验p=0.000<0.05，这表明该调查问卷适合做探索性因子分析。因子分析显示每个题目的公因子方差均大于0.4，解释的总方差累积54.748%，并且发现每个题目都在某一个公因子上有较高的负荷值(大于0.4)，而在其它公因子上的负荷值较低，这表明该调查问卷结构效度较好，满足调查使用要求。

三、结果与分析

为了探究不同性别工科大学生的数学学习状态差异，使用独立样本t检验来分析工科大学生数学学习状态的性别差异。

(一)工科大学生数学学习状态性别差异概况

调查对象来自三个理工科大学，每个学校选择一个工科学院，每个学院均选择四个年级。考虑到工科学院男女生比例问题，我们在选取样本时有意提高女生的比例，样本包含男生385人，女生208人。

表1 大学生数学学习状态性别差异统计表*显著性水平p<0.05，下同。

根据表1可以发现女大学生的数学学习状态(2.933)高于男生(2.921)，但独立样本t检验并没有发现存在统计意义上的显著性差异。

表2 大学生数学学习状态分维度性别差异统计表

根据表2可以发现尽管男生在数学学习态度(2.811)和数学学习氛围(3.216)高于女生(2.751和3.190)，但女生在数学学习习惯(2.765)和数学学习效果(3.125)高于男生(2.721和3.042)，并且独立样本t检验发现男女学生在上述四个维度上都不存在统计意义上的显著性差异。

(二)各年级工科大学生数学学习状态性别差异

调查对象中大一学生共149人，其中男生112人，女生37人；大二学生共147人，其中男生89人，女生58人；大三学生共148人，其中男生92人，女生56人；大四学生共149人，其中男生92人，女生57人。

表3 各年级大学生数学学习状态性别差异统计表

根据表3可以发现尽管大一男生的数学学习状态(3.060)高于女生(3.040)，但大二、大三和大四男生的数学学习状态(2.839，2.882，2.868)都低于女生(2.907，2.907，2.916)，并且独立样本t检验发现各年级大学生的数学学习状态都不存在统计意义上的显著性差异。

1.数学学习态度差异

研究发现大一和大三男生的数学学习态度(2.943，3.103)高于女生(2.841，3.078)，但是都不存在统计意义上的显著性差异。调查虽然发现大二和大四男生的数学学习态度(3.223，3.148)都低于女生(3.303，3.194)，但是都不存在统计意义上的显著性差异。

2.数学学习习惯差异

调查发现尽管大一、大二、大三和大四男生的数学学习习惯(2.825，2.668，2.667和2.701)均低于女生(2.940，2.714，2.731和2.735)，但是独立样本t检验发现不同年级男女大学生的数学学习习惯都不存在统计意义上的显著性差异。

3.数学学习氛围差异

统计发现大一男生的数学学习氛围(3.360)高于女生(3.178)，并且存在统计意义上的显著性差异(t=2.331，p=0.021<0.05)。虽然大三男生的数学学习氛围(3.103)也高于女生(3.078)，但是并不存在统计意义上的显著性差异。统计还发现大二和大四男生的数学学习氛围(3.223，3.148)都低于女生(3.303，3.194)，但是都不存在统计意义上的显著性差异。

4.数学学习效果差异

虽然统计数据显示大一、大二、大三和大四男生的数学学习效果(3.221，2.908，3.013和2.983)均低于女生(3.283，3.044，3.168和3.065)，但是独立样本t检验发现各年级男女大学生的数学学习效果都不存在统计意义上的显著性差异。

(三)各院系工科大学生数学学习状态性别差异

调查对象中自动化学院有193人，其中男生167人，女生26人；计算机学院有200人，其中男生131人，女生69人；材料学院有200人，其中男生87人，女生113人。

表4 各院系大学生数学学习状态性别差异统计表

根据表4可以发现自动化学院男生数学学习状态(2.766)低于女生(3.011)，并且存在统计意义上的显著性差异(t=-2.704，p=0.007<0.05)。计算机学院男生数学学习状态(3.107)高于女生(2.959)，并且存在统计意义上的显著性差异(t=2.605，p=0.010<0.05)。材料学院男生数学学习状态(2.936)高于女生(2.899)，但是不存在统计意义上的显著性差异。

1.数学学习态度差异

调查发现计算机学院男生数学学习态度(3.053)高于女生(2.822)，并且存在统计意义上的显著性差异(t=2.978，p=0.003<0.05)。调查还发现自动化学院男生数学学习态度(2.655)低于女生(2.762)，材料学院男生数学学习态度(3.123)高于女生(3.050)，但是都不存在统计意义上的显著性差异。

2.数学学习习惯差异

研究发现自动化学院男生数学学习习惯(2.536)低于女生(2.963)，并且存在统计意义上极显著的差异(t=-3.751，p=0.000<0.05)。统计数据表明计算机学院男生数学学习习惯(2.918)高于女生(2.777)，材料学院男生数学学习习惯(2.779)也高于女生(2.711)，但是也都不存在统计意义上的显著性差异。

3.数学学习氛围差异

统计发现自动化学院男生数学学习氛围(3.142)低于女生(3.385)，并且存在统计意义上的显著性差异(t=-2.559，p=0.011<0.05)。虽然计算机学院男生数学学习氛围(3.374)高于女生(3.347)，材料学院男生数学学习氛围(3.123)也高于女生(3.050)，但是都不存在统计意义上的显著性差异。

4.数学学习效果差异

统计数据表明计算机学院男生数学学习效果(3.187)高于女生(2.985)，并且存在统计意义上的显著性差异(t=2.745，p=0.007<0.05)。尽管统计数据显示自动化学院男生数学学习效果(2.858)低于女生(3.035)，材料学院男生数学学习效果(3.176)也低于女生(3.232)，但是也都不存在统计意义上的显著性差异。

四、结论与启示

使用问卷对浙江省三所理工科大学的三个工科院系——自动化学院、计算机学院和材料学院大学生(n=593)的数学学习状态进行了调查，分析比较了各年级、各院系大学生数学学习状态的性别差异。

(一)结论

从整体上来说，工科女大学生的数学学习状态高于男生，但是并不存在统计意义上的显著性差异。具体来说，男生数学学习态度和数学学习氛围高于女生，但是数学学习习惯和数学学习效果低于女生，并且男女学生在数学学习状态的四个维度上都不存在统计意义上的显著性差异。

尽管大一男生的数学学习状态高于女生，但是大二、大三和大四男生的数学学习状态都低于女生，并且都不存在统计意义上的显著性差异。具体来说，大一男生的数学学习态度和数学学习氛围高于女生，并且存在统计意义上的显著性差异，但其它方面各年级男女学生都不存在统计意义上的显著性差异。

自动化学院男生数学学习状态低于女生，但计算机学院男生数学学习状态高于女生，并且存在统计意义上的显著性差异；材料学院男生数学学习状态高于女生，但是不存在统计意义上的显著性差异。自动化学院男生数学学习态度、数学学习习惯和数学学习氛围都低于女生，并且存在统计意义上的显著性差异；计算机学院男生数学学习效果高于女生，并且存在统计意义上的显著性差异；其它方面各院系男女学生不存在统计意义上的显著性差异。

(二)启示

1.支持和鼓励女生学习理工科专业

尽管调查发现工科女大学生的数学学习状态及其四个维度并不比男生差甚至有些还高于男生，但是在现实中“理工男、文史女”的现象非常普遍，学习理工科的女生数量较少，社会、老师和家长对女生学习工科充满了偏见。宋淑娟等认为在我们的文化中到处充斥着学科性别刻板印象，学科性别刻板印象会影响老师对待女生的态度，影响女生理科能力的发挥，影响女生学习理科的动机，影响女生对理科的认同程度。学科性别刻板印象会使女生理科潜能不能被激发，制约女生在理工科领域的发展[13]。或许这正是导致女性在数学上较少成功的一个重要原因。因此，从促进我国理工科发展的角度来说支持和鼓励女生学习理工科专业既有必要也有可能。

2.做好大二学生的学习动员工作

调查发现大一学生的数学学习状态最好，大三和大四学生的数学学习状态次之，大二学生的数学学习状态最差，分析原因可能是不少学生到大学后学习目标不太明确，在大二经历了一个学习的低谷期。进一步的研究发现尽管大一男生的数学学习状态高于女生，但是大二、大三和大四男生的数学学习状态都低于女生。究其原因可能在于大一学生是刚入学的新生，受高中影响较大，到了大二以后学习动力和期望有所下降。因此，教师要密切关注学生的学习状态，加强师生交流，特别是在大二要做好学生的学习动员工作，鼓励学生保持良好的学习劲头，拼搏向上，积极进取。

3.强调男生良好学习习惯的培养

虽然整体来看男女工科大学生的数学学习状态没有显著差异，但局部来说男女学生的数学学习状态还是有差别的。这种性别差异的一个重要原因可能源于男女学生的生理差异，由此造成男女学生的数学学习能力及逻辑思维能力不同，进而导致男女学生数学学习状态差异。调查发现大一、大二、大三和大四男生的数学学习效果都低于女生。分析原因很可能是男生的数学学习习惯较差，女生在学习中及时预习、上课认真听讲、做笔记，课后及时复习并按时完成作业，这些良好的学习习惯有效地提高了女生的数学学习成绩。因此，男大学生格外需要强调良好学习习惯的培养。

4.重视女生的学习兴趣和职业倾向

调查发现自动化学院男生数学学习状态低于女生，但计算机学院和材料学院男生数学学习状态都高于女生，分析原因可能与不同院系男女学生数学学习状态与专业满意度有关。进一步分析发现计算机学院男生的数学学习效果也高于女生，并且存在统计意义上的显著性差异，这可能是因为调查的专业都是工科专业，男生对自己的专业满意度更高。鉴于此，招生前工科院系应该充分向女生展示和说明该专业的课程设置和发展前景，明确对学生学习兴趣和学术研究的要求，招生时工科院系要充分考虑到女生未来的职业倾向，尽量招收对该专业兴趣浓厚、有较为广阔和深厚发展后劲的学生。

[1]李文道,孙云晓.我国男生“学业落后”的现状、成因与思考[J].教育研究,2012(9):38-43.

[2]许艳丽,崔春霞.“数学能力性别差异”分析[J].数学教育学报,2007,16(2):32-34.

[3]郑新蓉.男女大学生哲学和数学能才的性别差异研究[J].中华女子学院山东分院学报,2000(3):38-42.

[4]王毓珣.大学生数学考试成败归因研究[J].数学教育学报,2005,14(4):49-51.

[5]周瑞,李俊杰.性别差异对师范生成绩的影响[J].蚌埠学院学报,2014,3(5):24-27.

[6]刘蕴坤,陶沙.数学成就的性别差异[J].心理科学进展,2012,20(12):1980-1990.

[7]范文贵,李伟华.西方数学学习性别差异研究述评[J].比较教育研究,2008(9):77-82.

[8]刘毅玮.学生学习状态及其调整策略研究[J].教育探索,2003(11):43-45.

[9]陈婷婷,姚继军.学校规模与学生学习状态关系的实证研究——以南京市普通高中为例[J].教育科学研究,2015(10):41-45.

[10]王伟宜,李洁.高等教育入学机会性别差异的多维分析[J].教育研究,2015(8):54-60.

[11]冯利,贾文静，任仲山，等.不同年级大学生学习状态变化的实证研究——某大学本科生两极分化现象网络问卷的调查与分析[J].高等理科教育,2010(2):120-123.

[12]陈友华,苗国.人类发展指数:评述与重构[J].江海学刊,2015(2):90-98.

[13]宋淑娟,蓝秀华,吴仕明.学科性别刻板印象:隐性教育不公[J].教学与管理(理论版),2012(6):9-12.

On Gender Difference of Mathematics Learning State of Engineering Undergraduates

ZHANG Jun-feng， CHEN Yun

(SchoolofAutomation,HangzhouDianziUniversity，HangzhouZhejiang310018，China)

This paper aims to discuss the gender difference of engineering undergraduates’ mathematics learning state. After a questionnaire investigation of 593 undergraduates in 3 engineering schools or departments about their mathematics learning state, it finds that there exists no statistically significant difference between male and female students in their mathematics learning state and its four dimensions on the whole. However, in particular, the male freshmen’ mathematics learning attitude and learning atmosphere are better than that of the female, while the mathematics learning state of the male students in the school of automation is lower than that of the female, but as for the male students in the computer school, their mathematics learning state is better than that of the female，and the male students in the automation school in their mathematics learning attitudes, habits and atmosphere are lower than that of the female，while the male students’ mathematics learning effect is better than that of the female in the computer school, and the differences of the above are all statistically significant. There are no statistically significant difference between male and female students’ mathematics learning state in other aspects in grades and schools. Finally, some suggestions for mathematics teaching and learning of engineering undergraduates are put forward.

engineering undergraduates； mathematics learning state； gender difference

10.13954/j.cnki.hduss.2017.03.014

2016-07-22

浙江省自然科学基金项目(LY16F030005);杭州电子科技大学研究生核心课程建设项目(HXKC2016011，HXKC2016010)

张俊锋(1981-)，男，浙江杭州人，博士，讲师，控制理论与应用，应用数学.

G42

B

1001-9146(2017)03-0073-06