杨冰清，高 珊，张 雷

（阜阳师范大学 数学与统计学院，安徽 阜阳 236037）

一、引言

为加快推进创新型国家建设，《国家中长期科学和技术发展规划纲要（2006—2020年）》已明确提出：提高科研院所和高等学校服务经济社会发展的能力，加快科研院所和高等学校科研体制改革和机制创新，着重培养大学生创新能力和解决实际问题的动手实践能力［1-2］。

学科竞赛是以兴趣为主导，以创新型科技成果为载体的科研实践活动，他要求学生能在整个参赛过程中，运用专业基础知识，利用逻辑思维进行发散创新［3］。目前相关研究主要聚焦在学科竞赛的运行现状和存在的问题，或者是对学科竞赛培养模式的创新。赵春鱼等［4］基于对2012—2016年19项全国本科竞赛的数据统计，得出学科竞赛在省域层面、学校层面和竞赛项目层面，均存在发展不平衡的问题。钟舟海等［5］分析高校汉语国际教育专业现状并得出学科竞赛存在学生参与热情低、高校参与经验不足等情况，建议高校应重视以赛促学，提升学科竞赛重视度。王宇静等［6］从培养模式创新角度，建议建立以学科竞赛驱动的“四位一体”创新人才培养模式，以创新思维、自主学习能力、实践能力、团结协作精神作为培养目标，并在实践中得以落实。聚焦学科竞赛，更多的研究是对其问题的阐述和模式的创新，而往往忽略大学生作为参赛主体，其参与积极性影响因素的分析。因此文章就该问题从影响因素方面入手，通过问卷调查收集数据并据此构建分类模型，以判断哪些因素对大学生学科竞赛的参与度有显著影响。

二、数据获取与分析

（一）样本获取

为更好地了解学生参与各类学科竞赛的情况，本研究选取安徽省某师范高校本科生作为研究对象，通过访谈法初步确定影响学生参加学科竞赛的主要影响原因，通过调查问卷的方式获取样本数据。本次调查问卷共设计40个问题，前7题为受访者基本信息，后33题为量表题。最终结果共收回问卷235份，有效收回220份，有效率为93.62%。

（二）描述性统计

受访者基本信息和相关统计信息如表1所示。由表1数据可知，样本中的男女比例，女生略大于男生，符合师范院校的男女比例特点；家庭居住所在地，市区乡镇各占据一半，符合三线城市高校生源居住地占比情况。

表1 样本数据的简单描述统计

（三）实证数据因子分析

1.数据适用性检验

根据检验结果可知KMO测度为0.91，远大于0.5，即表示适合做因子分析。样本的Bartlett球形检验的统计量为6230.079，显著性水平约为0，即拒绝原假设，表示变量之间存在相关关系。

表2 KMO和Bartlett的检验

2.探索性因子分析

提取公因子过程中，本研究按照提取特征值大于1的原则提取公因子，共提取了6个公因子，累积贡献率达到72.585%，作为对总体33个指标信息的概括，详情见表3。

表3 主因子结果

3.因子旋转

为使因子载荷矩阵中的系数更加明显，方便对因子意义进行解释，文章采用最大方差法进行因子旋转。由表4旋转因子载荷矩阵，对各个主成分所代表的变量信息进行命名，分别命名为：学院支持力度(XY)、激励制度(JL)、主动型人格(ZD)、指导老师专业素养(TH)、宣传力度(XC)、个人学科素养(GR)。

表4 旋转后因子载荷矩阵

4.信度检验

信度是指观测变量的稳定性或一致性，当系数大于0.7时，表示潜在变量具有较好的信度，各主因子内部一致性较高［7］。根据表5可知，每个主因子都具有较好的信度。

表5 各主因子信度

二、验证性因子分析

为探索提取的因子是否能代表大学生在学科竞赛参与度中的影响变量，本研究对样本探索性因子分析得到量表型调查问卷，再次发放并收回有效问卷109份，进行验证性因子分析。

量表信度由组成信度(CR)和系数衡量，当CR和都高于0.7时，表示潜在变量有较好的建构信度［3］。

效度是对观测变量能反映潜在变量信息的衡量。本研究通过潜在变量的收敛效度和区别效度衡量其结果。其中采用变异抽取量(AVE)来表示潜在变量的收敛效度，且当AVE大于0.5时，表示该潜变量有较好的收敛效度。区别效度衡量的是潜变量之间的差异情况。潜在变量的抽取方差(AVE)平方根与该变量与其他潜变量的相关系数进行对比，可根据对比结果得到区别效度，当前者较后者更大时，表示各变量具有较好的区别效度。

信度和收敛效度的检验结果如表6所示。由表6数据可知，学院支持力度(XY)、激励制度(JL)、主动型人格(ZD)、指导老师专业素养(TH)、宣传力度(XC)、个人学科素养(GR)这6个因子的CR均大于0.7，说明具有较好的建构信度。AVE均大于0.5，说明具有较好的收敛效度。信度和收敛效度都通过检验，因此各因子可通过测量模型表示。

表6 测量模型信度与收敛效度检验结果

根据表7可知，各因子的AVE平方根均大于此因子与其他因子的相关系数，表示各个因子测量模型均具有较好的区别效度［3］。

表7 潜变量区别效度检验结果

三、实证数据分类模型

基于上述因子分析得到的因子，作为预测大学生参与学科竞赛的自变量，建立学科竞赛参与度分类模型。文章通过SPSS采用向后逐步回归，通过迭代剔除对模型不显著的两个变量XY、TH得到最终的模型统计量如表8所示。

表8 最终模型统计量

本研究将初始220个样本用来训练模型，将另外109个样本作为测试数据对模型进行检验。首先将样本数据转换成主因子，再将主因子带入Logistic回归模型中，计算出值F，将0.5作为阈值，进行分类预测。模型预测结果如表9所示。由表9可知，该模型对于是否积极参加学科竞赛的训练正确率达到75%，预测正确率达到70.64%。结果表明，模型能够在一定程度上正确预测学生对于学科竞赛的积极程度。

表9 模型预测分类表

最终得到回归模型，即：

由模型可知，在其他变量保持不变的情况下，激励制度每增加一个单位，一个人积极参加和不积极参加的比例与之前相比较，增加e0.569（1.766）倍。健全且稳定的激励制度可激发学生参与竞赛的潜能。［5］学校应注重学科竞赛奖励政策的宣传和落实，将学科竞赛获奖情况与班级评奖评优、毕业论文替代性进行更好、更合理地挂钩［7］。

在其他变量保持不变的情况下，主动型人格每增加一个单位，一个人积极参加和不积极参加的比例与之前相比较，增加e1.036（2.818）倍。Bateman和Crant提出主动型人格的人积极致力于营造和驾驭他们的环境，并寻求新的信息和做法，以提高绩效。主动型人格的人，更不容易受到环境的约束，而能通过影响环境变化的同时，主动寻找机会并采取积极的行动。对于学科竞赛来说，具有主动型人格的人不安于现状，善于抓住机会。相对于不主动型人格，前者学科竞赛参与度更高。

在其他变量保持不变的情况下，宣传力度每增加一个单位，一个人积极参加和不积极参加的比例与之前相比较，增加e0.508（1.662）倍。竞赛本身的吸引力是影响大学生参赛的重要因素之一。［7］这些因素包括竞赛的宣传力度、知名度、奖项的吸引力和周围获奖情况等。

在其他变量保持不变的情况下，个人学科素养每增加一个单位，一个人积极参加和不积极参加的比例与之前相比较，增加e0.878（2.4）倍。学科竞赛作为高校课堂的补充和延伸，着重对学生创新能力的培养，但创新能力是建立在专业基础灵活运用的基础上，所以学生需要具备较为完善的专业理论和学科素养，以培养其综合应用能力、专业基础能力及学习跨学科知识。

四、结论和建议

（一）结论

通过对安徽省某师范高校本科生学科竞赛参与度的问卷调查结果进行分析，并对问卷结果构建分类模型。研究表明，激励制度、主动型人格、宣传力度和个人学科素养这四个因素对学科竞赛参与度具有显著正向影响，故为提高学生学科竞赛参与度，可从这四个方向上着重力度，有的放矢。

（二）建议

为提高学生参赛积极度，各高校应从如下几个方面入手：第一，出台学科竞赛针对学生和指导老师的相关激励政策，该激励措施可分为物质性和非物质性奖励，如保研加分、研究生推免、就业优先、毕业论文可替代等物质奖励，以及学校荣誉表彰、学科竞赛周宣传人物、经验分享会等非物质奖励。对于指导教师应该加强教师队伍的业务能力，对指导工作量给与一定程度补贴，从而提升教师参与积极性；第二，为培养创新型人才，学校和学生家长应引导学生培养主动型人格，对于学习和生活中的事情由被动转变为主动，鼓励并发掘学生兴趣点；第三，学校和竞赛组织方应着重关注赛事的宣传和比赛规则，将历年优秀作品、历年获奖名单等信息公开透明化。通过宣讲会、公众号、网站等形式发布竞赛简介、报名方式、经验分享等；第四，在学科竞赛比赛过程中，要求学生具备一定的专业基础和综合运用能力，所以在大一、大二期间应该严格要求学生专业课成绩达标率，并通过智慧教学、线上线下混合式教学等形式提升教师教学效率，提高学生的专业课学习能力。