研究型大学人文通识课教学效率提升路径研究
一、引言
“通识教育”是一种自由、通达的教育，一种重视文明、人才传统的教育，一种拓宽基础、培养高端人才的教育，它是培养学生宽厚基础、博学多才和发展潜力的重要途径。因此，在高校中的大学生普遍被要求在专业课程学习之外，选修一定数量的通识课程学分。一般而言，理工科学生主要选修人文社科类通识课程，文科学生主要选修科学技术类通识课程。高等学校设置通识课程模块，实施通识教育，其基本宗旨就是在课程设置上充分体现人文与科学两种文化在思想精髓上的融合，培养既有深厚人文精神又兼具现代科学精神的大学生。因此，通识教育能够帮助学生拓宽知识面和认识视野，从不同的角度去认识这个世界。
然而，通识教育的重要性与其实际教学效率未必成正比。当前，高校通识教育的教学效率总体而言仍不尽如人意，这是事实，也亟待改善，但教学效率的提高确实是一个难题，而且是老大难问题，因为从外部看，影响教学效率的因素很复杂，而从内部看，教学效率很难衡量。不过这并不意味着就不能进行研究，虽然我们无法一一列出影响教学效率的各种因素及其影响教学效率的特点和规律，但是，依然可以从中选取几个突出因素、依据合理的逻辑进行分析。一般而言，一门课程到课率高且稳定，且到课的人听课率高，我们就可以说该课程的教学效率较高，这个逻辑是合理的。因此，到课率、到课稳定率以及听课率可以作为衡量教学效率的三个典型指标。研究这三个指标分别受哪些因素的影响，以及三个指标间的关系，就可以知道如何提高到课率、到课稳定率和听课率，从而提高教学效率。到底是哪些因素影响了到课率、到课稳定率和听课率，有什么特点？这便是本文要研究的问题，其目的是提升教学效率。本文所言的提升教学效率，即平常所谓的提高教学质量或教学效果。
提升教学效率是一个实践问题，而非理论问题，需要大量的现实调研数据作为研究的基础，为此，我们成立了调研小组，选择人文通识课作为调研对象，采取每周听课并进行听课记录、对任课教师和选课学生进行抽样访谈、发放调查问卷等方法，在2015-2016学年第2学期及2016-2017学年第1学期（即2016年全年2个学期）对华南理工大学开设的共计158门人文通识课程的教学情况进行了跟踪调研，获得了大量数据，为研究通识课程到课率、到课稳定率、听课率情况和其影响因素，进而探究提高教学效率的途径提供了数据基础。我们的听课记录包含每一门课程的教师姓名、性别、职称、性格和形象、教学方法，以及课内外交流情况、点名情况、作业情况、考试情况、听课情况、选课人数和每一次课堂的到课人数等，最终汇总成全部课程的听课记录表。下文将根据跟踪调研的结果，对影响人文通识课教学效率的三个指标进行分析。
本文所称的人文通识课包括人文科学通识课和社会科学通识课，为行文便利，做此简称。查询中国知网，未发现有探讨高校通识课教学效率的文章，可见这个问题尚少人研究，值得探讨。
二、到课率
到课率是评判学风好坏的一个基础性指标，要想提高通识课程的教学效率，前提条件是学生必须到课，否则就算再高质的课程，无人受益也是徒劳。然而，目前我国高校人文通识课普遍存在着学生到课率不理想的现象，它不仅严重影响学校对于学生的培养，也影响学校正常的教育教学秩序。因此，对到课率的研究至关重要。
1.宏观分析
总体来看，华南理工大学人文通识课程到课率平均水平是66.65%，这个比率并不高。通俗来说，平均每三个学生，就有一个逃课。各门课程的具体到课率分布如图1所示。
分布呈中间高，两边低，说明极低和极高到课率出现的情况较少。多数课程到课率集中在50%至80%之间，虽然到课人数基本过半，但到课率还是不理想。其中到课率最低的仅为14.79%，而最高的可达全勤，各门课程之间到课情况的差异可见一斑。
2.微观分析
（1）数据建模与分析
各课程之间悬殊的到课率可能由众多因素决定。笔者之前已经基于118门通识课程，对影响到课率的课堂因素进行过相关研究，揭示了到课率与八个课堂因素之间的关系和特征[1]。为了进一步证实先前的研究，在增加40门课程研究数量的基础上，选取听课记录表中“教师职称”“教师性别”“课堂交流”“点名情况”“作业情况”“考试情况”“选课人数”因素，用经济计量的方法建立回归模型。为便于建模，将听课记录表中的部分客观因素变形为可以量化衡量的变量，并根据其程度进行数值替换，极少数空缺记录取平均数值。其中教师性别为虚拟变量。具体如表1所示。
以上述变量作为自变量，每一门通识课的平均到课率作为因变量，运用stata软件进行回归分析，得到了原始回归模型。为了避免多重共线性的存在，?δＰ徒?行VIF检验，得到方差膨胀因子仅为1.24，因此各个自变量之间不存在多重共线性，也就是说，这七个自变量选取比较合理。另外，为了考察模型是否存在异方差性，对其进行White检验，统计量的卡方值为89.09，接受同方差性原假设概率为0.000，在5%的显著水平下拒绝原假设，说明存在异方差性。为了使模型更加优化，将数据去除异常值，并且对自变量和因变量进行变形，最终保留135组数据，将自变量“exp”、“rol”和“exa”三项取平方，“liv”“tas”两项取平方根进行回归，得到优化模型： 再次进行White异方差性检验后，p值为0.0845，在5%水平下不存在异方差性。另外，为了判断函数形式是否存在误设，对模型进行Ramsey RESET检验，所得统计量为0.02，p值为0.9954，在5%的显著性水平下F统计量不显著，因此不存在函数形式误设的问题。故此，将此模型作为最优模型。
模型的F检验p值=0.0000<0.01，说明在1%的显著性水平下联合显著。自变量“教学经验”“教师性别”“课堂活跃度”“点名严格度”“作业量”“考试传统度”“课堂规模”一起解释了人均到课率变化的37.24%。对模型结果的具体分析如表2所示。
回归结果表明，课堂交流越多、点名越严格、作业越多、考试越传统，到课率可能越高；而教师职称越高、课堂规模越大，到课率可能会更低。这与笔者先前研究的结果比较接近 [2]，但是各个因素的显著性略有差别。值得一提的是，“点名严格度”的影响作用更加显著了，而“课堂活跃度”和“课堂规模”的作用依然十分显著，被进一步证实。
（2）进一步思考
现已证明“课堂活跃度”与“课堂规模”都对到课率产生影响，那么二者之间是否也存在一些联系呢？虽然已经验证过自变量之间不存在多重共线性，但为了更直观地说明情况，笔者利用SPSS软件的Spearman检验进行验证，得到相关系数为-0.238，p值为0.005，呈显著弱负相关。虽然没有影响模型设定，但一定程度上说明了“课堂规模”会影响“课堂活跃度”，在小班教学模式下，课堂活跃度可能会更高一些。小班的环境加上活跃的氛围，二者相辅相成，促进了到课率的提高。
此外，虽说“课堂活跃度”与“课堂规模”是影响到课率的两大法宝，但是二者影响的方式却有所不同。联系实际来看，课堂活跃度对到课率的贡献无疑是利大于弊的，课堂交流与互?右苍谝欢ǔ潭壬戏从吵隹翁弥柿俊５?是课堂规模对到课率的贡献却要从两方面考量，积极的一方面是在小班教学模式下，教师能够更加方便地顾及到所有学生，学生感到被重视，从而加强了到课的意愿，然而消极的一方面却是小班教学模式克制了学生的侥幸心理，逃课更容易被发现，从而被迫到课。虽说两种情况都能提高到课率，但却未必都能提升教学效率。由此可见，盲目地提高到课率是治标不治本的，提高教学效率才是最终需要达到的目的。
3.小结
经过数据分析证实，“教师职称”“课堂活跃度”“点名严格度”“课堂规模”会对人文通识课到课率产生显著的影响，教师职称越低、课堂越活跃、点名越严格、课堂规模越小，到课率越高。此外，小班教学或许也能够提升课堂活跃度，共同促进到课率的提高。然而，到课率并不是评价教学效率的唯一指标，到课率的提升也有积极与消极之分，盲目地提高到课率可能会适得其反。
三、到课稳定率
前文所述有关到课率的研究以平均到课率作为观察对象，但是到课率的稳定性同样不容忽视。试想，如果一门课程平均到课率较高，但每周到课的人数却忽高忽低，难道是真正的教学高效的课程吗？反之，如果某一门课程因为有部分学生旷课，甚至有个别学生从未去上过课，它的平均到课率比其他课程低一些，但是每周的到课人数非常稳定，也并不能就说它是教学低效的课程。一门通识课程的开设，哪怕只有少数学生坚持上课，但是认真听讲，学到真知，那便是有教学效率的，至于有多少学生做到这一点，便决定了这个效率有多高。而到课率越高，且越稳定，教学效率高的可能性便越大一些。总而言之，要提高教学效率，学生不仅要来上课，还要坚持来。
1.宏观分析
（1）整体分析
除去每周到课记录不充分的3门课程，笔者选取听课记录表中余下的155门人文通识课，计算其总平均到课率及每周平均到课率，绘制出相关曲线，如图2所示。
图2中直线表示所有通识课程每周平均到课率为66.65%，曲线表示总体来看，不同周次的到课率存在差异，在学期初时到课率最高，后有明显下降，到期中阶段曲折下降，期末又有所回升。由此可见，人文通识课的到课情况在不同的周次是有所差异的，在期初阶段到课率更高一些。
为了更加具体地判断到课率的稳定性，笔者以各周平均到课率之间的变异系数CV作为判断依据。经计算，总课程到课率CV达4.29%，变异系数越小，说明数据波动越小。因此整体来看到课率波动并不算大，到课稳定率尚可。
（2）局部分析
由于整体分析容易以偏概全，笔者对155门课程的每周到课率分别进行离散性分析，计算变异系数CV，频数分布如图3所示。
根据统计学中变异系数的含义，如果变异系数大于15%，则要考虑数据是否不正常。因此，以15%的变异系数作为临界点，发现CV高于15%的课程有49门，占据31.6%。也就是说，约七成的通识课程到课率较稳定，约三成课程则较不稳定。这说明整体到课稳定率较高并不是个别课程特别稳定所致，而是大部分课程比较稳定所致。
2.微观分析
（1）个例探究
经过细致观察，155门课程中CV最低，也就是到课稳定率最高的是《钢琴基础弹奏》。据了解，这是华南理工大学十分热门的一门通识课程。观其特点，可发现课程的课堂规模很小，只有20人，并且到课率达到100%，每周均全勤。而变异系数最高的是《大学美育》，CV系数高达59.24%，观其特点，可发现课堂规模达到120人，点名方式是偶尔点名，作业量比较多，而且平均到课率仅有39.8%。因此，笔者估计到课稳定率性可能与多种因素有关，包括课堂规模、点名方式、作业情况、课程本身趣味性等，尤其可能与到课率本身的高低有关。
（2）相关性分析
为了具体探究可能影响到课稳定率的因素及其作用，笔者借助SPSS统计工具进行研究。因为研究的重点是每周到课率的波动，因此在跟踪调研的158门课程中，剔除23门数据不够全面的课程，例如遇到节假日放假等特殊情况而缺少部分到课记录的课程，保留听课记录表中135门课程，将其相关因素按前文的方法进行数字化，并分别与变异系数CV进行相关分析，其中课堂规模（sca）、到课率（fre）采用pearson检验，其余采用spearman检验。必须注意的是，CV表示的是波动情况，所以CV值与稳定性成反比。检验结果如表3所示。 其中显著性较强的因素如表4所示。
上述分析说明，“课堂活跃度”和“到课率”对到课稳定性有影响。而前文研究证明，“课堂活跃度”对“到课率”也有影响。因此，“课堂活跃度”对到课稳定性的影响不排除是间接性作用。由此可见，对到课稳定性影响最为直接的还是“到课率”的高低。
（3）进一步推测
听课记录表中的其他因素对于到课稳定率的影响关系不明显，但是根据实际经验来看，“点名严格度”并不是衡量“到课稳定率”的最佳因素，笔者认为相较于严格度而言，“点名确定性”更能够影响到课率的稳定性。“从不点名”与“每次必点”虽然差别很大，但是都属于确定的方式，笔者猜想这种方式下的到课稳定率也许会更高。因此，将“点名情况”一项变形为点名确定性，作为虚拟变量，会更符合实际情况，具体如表5所示。
与此同时，一些课程开设初期的“点名确定性”并不明显，在几次课程之后学生才会了解点名方式，考虑到这个因素，分别选取全部到课情况和中期开始的到课情况进行研究。相关分析结果如表6所示。
相关分析不显著，可见“点名确定性越高，到课越稳定”的猜想并没有得到证实。与前文所证明的“点名越严格，到课率越高”相比较来看，“点名”的确能够约束一部分学生到课，但或许并不能促进学生坚持上课。
3.小结
整体来看，华南理工大学人文通识课到课稳定率尚可。通过数据分析发现，到课稳定性的高低与到课率本身的高低存在显著的正相关关系，并且“课堂活跃度”的提升会对这种正相关关系产生明显促进作用。此外，影响到课率的点名情况无论从严格度还是从确定性来看，均并不足以影响到课稳定率。
四、听课率
学生到课，甚至坚持到课，也不足以说明学生真正在听课，这也是难以衡量教学效率的一大原因。在一年的跟踪调研中，研究小组除了对各课堂因素进行记录以外，还对学生听课情况细致观察。由于对听课情况的观察和记录存在多种的主观因素和偶然性，调研人员无法对每一门课、每一堂课都记录一个准确无误的听课率，因此对各门课程听课情况进行划分，用听课率等级来代替具体的听课率，进行具体研究。无论到课人数有多少，根据课堂听课人数占到课人数的比重划分为如下四个等级（表7）。
1. 宏观分析
综合全部调研课程来看，听课率等级的平均值达到2.96，接近第三等级的水平。大致可以判断听课率平均水平在61.5%左右，也就是说，到课的学生中，约有61.5%的学生是在认真听讲的，超过了半数。根据随堂听课调研的经验和感受，有些课程听课率较高，有些较低，还有一些则处于中等，如今统计出听课率是61.5%，应该是基本符合现实情况的。
2. 微观分析
（1）数据建模与分析
为了研究影响听课率的因素，笔者利用stata软件进行回归建模。自变量分别是“教学经验（exp）”“教师性别（sex）”“课堂活跃度（liv）”“点名严格度（rol）”“作业量（tas）”“考试严格度（exa）”“到课率（fre）”，因变量是“听课率等级（att）”。此外，影响学生听课的可能还有到课人数，而不仅仅是到课率。到课人数和到课率是有区别的，打比方说，有些课到课率达100%，可能到课人数一共仅20人，因为课程规模就是20人，而有些课程到课率只有50%，却可能有60个人到课，因为该课的课程规模是120人。去上课的学生在乎的并不是该课的到课率，而是眼前课堂上与自己一起上课的人数，到课的人数会对他听不听课有影响，换言之，到课人数对听课率的影响比到课率更直接、直观。因此，模型中再加入“平均到课人数（num）”自变量。自变量中非数字化的因素数值转换与上文一致。经过异常值处理，保留135组数据，对“fre”取平方根，对“liv”“exa”取平方，最终得到如下模型：
经过Reset检验和White检验，模型符合要求。自变量共解释了因变量变化的27.26%，说明还有很多其他因素也在影响听课率，比如学生主观方面的因素等等。模型中显著的因素具体分析如表8所示。
联系实际来看，教学经验丰富的教??可能更有能力吸引学生的注意力。女教师可能更加在意学生是否认真听课。到课人数多的课堂，可能学生会存在一定侥幸心理，做自己其他的事情而不听课。而听课毕竟是学生到课的主要原因，因此到课率越高，听课率越高也是符合常理的。
（2）进一步推测
那么听课率是否与到课稳定率有关？由于到课稳定率和到课率的强相关性，“到课稳定率”并没有加入上述模型，因此笔者对变异系数CV和听课率等级进行spearman相关性检验，相关系数为-0.099，p值0.255，说明二者的相关关系并不明显。
3. 小结
整体来说，华南理工大学人文通识课听课率尚可。听课率与到课率之间存在显著的正相关关系，但是与到课稳定率的关系不显著。此外，到课人数越多，听课率越低。教师职称越高，听课率越高。女教师的课堂听课率或许更高。
五、结论
任何一门人文通识课的开设，如果没有学生到课、坚持到课、认真听讲这三个递进的要素存在，就谈不上教学效率高。因此，笔者相对应从到课率、到课稳定率、听课率三方面入手，探究如何提高人文通识课教学效率。通过对华南理工大学人文通识课的跟踪调研和数据分析，发现教师职称越低、课堂越活跃、点名越严格、课堂规模越小，到课率越高；到课率越高，到课稳定率越高，而课堂越活跃也会使到课稳定率越高；到课人数越少、教师职称越高、女教师授课，则听课率越高。同时，到课率、到课稳定率、听课率三者之间存在一定的关系，到课率会显著地对到课稳定率和听课率起正面作用，而到课稳定率则对听课率的影响不显著，由此可见，提高到课率将直接有效地影响到课稳定率和听课率，也就影响了教学效率，而影响到课率的最突出的正面因素是课堂活跃度和课堂规模。
综合上述发现来看，要想提高人文通识课教学效率，最为有效的两个途径是提高课堂活跃度和小班教学。事实上也有学者提出，实行小班制有利于打造有凝聚力的教学共同体[3]。除此之外，教师职称高，可能到课情况会差一些，但听课情况会更好；点名越严格，可能到课情况会更好，但未必稳定，因此它们对教学效率的提升作用可能会被中和，由此也可看出，教学效率的提升确实是一个很复杂的过程。希望本文以华南理工大学人文通识课教学为例的调研结果，可资其他高校，尤其是同类型、同层次的研究型大学借鉴，从而提高其人文通识课教学效率。
