高三数学相关分析范文

导语：如何才能写好一篇高三数学相关分析，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词: SPSS 理科成绩 相关分析 回归分析

1.引言

数学是中学课程中不可缺少的,并在中学的各级各类大型考试中占据很大的比重,是考试成功的关键因素之一。不仅如此,数学与其他学科的联系也是非常紧密的,特别是在理科中的物理、化学。在中学里有这样的说法:“数学学得好的同学,物理、化学也一定学得好。”与事实基本相同,所以被广泛地接受。事实真是如此吗,这种说法是否有可靠的理论和科学实验依据呢?我们可以利用平时的考试成绩进行统计分析,用分析结果来证实这种说法是否正确,进而挖掘出成绩背后的某些信息和规律。教师可以利用这些信息和规律去指导和改进教学。

SPSS for Windows是在SPSS/PC(for DOS)基础上发展起来的,是目前世界上流行的三大统计分析软件之一。SPSS使用Windows的窗口方式展示各种管理和分析数据的方法,使用对话框展示出各种功能选择项,只要掌握一定的Windows操作技能并了解统计分析原理,就可以使用该软件为特定的科研工作服务。SPSS的基本功能包括数据管理、统计分析、输出管理等。其统计分析过程包括描述性统计、方差分析、相关分析、回归分析、聚类分析、因子分析、生存分析、时间序列分析等几大类,每类中又分为好几个统计过程。SPSS还包括专门的报表和绘图系统。[1]下面用相关分析和回归分析对某中学高三两个理科班的数学、物理和化学的摸底考试成绩进行分析,试图发现一些对中学教学有用的信息。

2.描述性统计分析

先在SPSS的变量窗口中建立数学、物理和化学三个变量,然后把三门课程的考试成绩分别输入到数据窗口中。数学成绩是150分制,为了方便分析,可以先把数学成绩转换成100分制。操作步骤如下:单击菜单栏中的Transform菜单,再单击Compute命令,在Compute Variable对话框中进行换算。描述性统计分析的操作过程为:按AnalyzeDescriptive StatisticsDescriptives的顺序打开Descriptives主对话框,从主对话框左侧的源变量框中选择数学、物理和化学三个变量进入右边的Variables窗口中;单击Options按钮,在复选框内选中Mean、Sum、Std.deviation、Minimum、Maximum、Range和Variance要求计算的描述统计量,单击Continue,然后在主对话框中单击OK按钮。在输出窗口中便得到两个理科班的三门课程考试成绩的分析结果,如表1。

表1列出了两个理科班104名学生的数学、物理和化学考试成绩的基本情况,此表中,从左到右为:变量名称、观测量的频数、分数的最大值、最小值、平均分、标准差和方差。

3.相关分析

相关分析是研究变量间密切程度的一种常用统计方法。线性相关分析研究两个变量间线性关系的强弱程度和方向,相关系数是描述这种线性关系强弱程度和方向的统计量。[2]在进行相关分析之前,应该使用Graphs菜单中的Scatter命令作散点图,进行初步观察,分析两个变量间是否有相关趋势。单击Graphs菜单中的Scatter命令打开Scatter Plot对话框,选中Simple图形,单击Define按钮,在弹出的Simple Scatter Plot对话框左侧的源变量框中分别选中数学和物理进入到右侧的Y Axis和X Axis框中,然后单击OK按钮,在输出窗口中便得到以数学为Y轴,物理为X轴的散点图(图1),用同样的方法可以得到以数学为Y轴,化学为X轴的散点图(图2)。

从图1和图2可以看出,数学和物理、数学和化学两对变量基本上呈线性分布,适合用相关分析对数据进行处理。

按AnalyzeCorrelateBivariate的顺序单击菜单项,展开相关分析的主对话框。在Correlation Coefficients栏中列出了相关分析类型,有3个选项:(1)Pearson复选项,皮尔逊相关,系统默认的相关分析方法;(2)Spearman复选项,斯皮尔曼相关;(3)kendall’s tau-b复选项,肯德尔相关。在Test of Significance栏,显著性检验选项:Two-tailed选项,双尾t检验,系统默认的检验方式,当事先不知道相关是正相关还是负相关时选择此选项,否则选择One-tailed选项。Flag significant correlations复习项,要求在输出结果中,相关系数右上方使用“*”表示显著性水平为5%,用“**”表示其显著性水平为1%。

在Bivariate Correlations主话框中,从主对话框左侧的源变量框中选择数学、物理两个变量进入到右边的变量窗口中,所有的复选框都采用默认值,单击OK按钮,即得到数学和物理的相关分析结果,如表2;从主对话框左侧的源变量框中选择数学、化学两个变量进入到右边的变量窗口中,所有的复选框都采用默认值,单击OK按钮,即得到数学和化学的相关分析结果,如表3。

表2和表3分别是数学和物理,数学和化学两个变量之间的相关系数矩阵,在变量行与变量列的交叉处纵向显示了3个数值:第一行中的数值是行变量与列变量的相关系数矩阵。行、列变量相同,其相关系数为1。数学和物理成绩之间的相关系数为0.511,数学和化学成绩之间的相关系数为0.462。第二行中的数值为Sig.(2-tailed)双尾检验结果(使相关系数为0的假设检验成立的概率),结果都为0.000,小于0.001。第三行的数值是参与该相关系数计算的观测量数目,均为104。注释行说明标有“**”的相关系数的显著性概率水平为0.01。表中的结果表明数学和物理的考试成绩显著相关,数学与化学的考试成绩也显著相关,而且它们都是正相关。

4.回归分析

回归分析是在自然科学、社会科学等领域中具有广泛应用的统计方法。变量与变量之间的关系分为确定性关系和非确定性关系两类。函数表达确定性关系。研究变量间的非确定性关系,构造变量间经验公式的数理统计方法称为回归分析。自变量与因变量之间呈线性关系时,我们可以构造线性回归方程。根据参与线性回归的自变量个数的多少,可以将线性回归分为一元线性回归和多元线性回归。[1]

在进行回归分析之前,最好用图形探索因变量随自变量变化的趋势,以便确定数据是否适合线性模型,还是需要使用曲线拟合或非线性回归过程。通过散点图可以进行预测。[3]通过图1和图2,我们知道,该数据适合线性模型。

按AnalyzeRegressionLinear顺序打开Linear Regression主对话框。可以利用Previous和Next按钮切换,选择不同的自变量构建模型。可以在Method框中选择回归分析方法:Enter(强行进入法)、Remove(消去法)、Forward(向前选择法)、Backward(向后剔除法)、Stepwise(逐步回归法)。从主对话框左侧的源变量框中选择一个因变量(物理或化学)进入Dependent框,选择数学作为自变量进入Independent框。此数据分析过程全部采用系统默认值。单击OK按钮,即可得到物理与数学、化学与数学成绩的回归分析结果,如表4、表5。

本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文

表格从左到右,Model为回归方程模型编号,Unstandardized Coefficients为非标准化回归系数,Standardized Coefficients为标准化回归系数,t为偏回归系数为0(和常数项为0)的假设检验的t值,Sig.为偏回归系数为0(和常数项为0)的假设检验的显著性水平值。B偏回归系数:它是在控制了其他变量之后得到的。只有当所有的自变量单位统一时,它们的大小才有可比性。Beta是标准化回归系数。

表4是物理和数学的考试成绩回归分析结果,从表中可以看出估计值及其检验结果,常数项b=31.728,回归系数b=0.483,回归系数检验统计量t=5.998,方程常数项的显著水平值为0.000,相关概率值p

5.分析结果

通过对两个高三理科班的数学、物理和化学的考试成绩进行相关分析和回归分析,可以看出三门课程之间存在显著性关系。可见,“数学学得好的同学,物理、化学也一定学得好”这样的说法是有一定道理的。因此在教学过程中,教师要适当重视数学的教学,把物理和化学的教学与数学的教学有机地结合起来,充分发挥数学在其他理科教学和学习过程中的推动作用。除此之外,在相关的教育教学中,可以利用SPSS统计软件对学生的考试成绩进行合理的分析,诊断学生的学习动向,挖掘出成绩背后隐藏的信息和规律,并制定出相关的改进办法和措施,及时对教学进行调整,更好地促进教育教学的发展。

参考文献:

[1]卢纹岱.SPSS for windows统计分析[M].北京:电子工业出版社,2006.

[2]于水华等.浅谈SPSS在教育信息处理中的应用[J].电脑与电信,2006,15(10):55-58.

[3]刘宁元.运用SPSS对高职专业课程成绩进行相关分析[J].电脑与电信,2007,20(3):69-71.

篇2

关键词： SPSS统计软件 日常教学统计分析 应用

在目前中国的教育体制中，考试仍然是判断学生成绩好坏的重要手段，教师常需要进行诸如考试成绩等的统计分析，但是从信息的采集、分析、处理、显示到记录整个过程一般都要花费较多的时间，因此难以及时获取反馈信息用于适时调控教学。近年来，由于计算机的广泛应用，各种统计软件应运而生，SPSS统计软件能够代替传统的手工计算方法，可以轻松进行总分、平均分计算等多种数据统计和分析，方便快捷。下面就以高三第一次月考的成绩为例，介绍该软件在日常教学统计分析中的应用。

1.数据输入

启用SPSS，软件将自动打开数据编辑窗口，单击“Variable View”，切换到变量视图窗口，视图的每一行代表一个变量的各种属性，如名称（Name）、类型（Type）等。在前五行的中分别输入变量名姓名、语文、数学、英语、物理、化学、生物、总分，设置各变量的属性：将姓名变量的类型变为字符型（string），其余均为默认值。单击“Data Variable”，将窗口切换回数据视图，在各个变量中输入相应的信息和数据。SPSS软件也可以直接读取Excel、SAS等格式的文件。选择菜单【File】【Save】，在弹出的“Save Data As”对话框中选择适当的保存地址。

2.数据统计及分析

2.1数据的简单描述

执行【Analyze】【Descriptive Statistics】【Descriptives…】，出现“Descriptives”对话框，选择语文、数学等七个变量至右边“Variable”空框中，选择“Save standardized value as variables”。单击【Options】，出现“descriptives:Options”对话框，单击【OK】，系统就会弹出SPSS的结果浏览窗口，得到所有学生的语文、数学、英语、物理、化学、生物、总分变量的样本数、最高分、最低分、平均分、标准差、方差、全距等常用的统计量。

Descriptive Statistics

2.2绘制直方图

统计指标只能给出数据的大致情况，而直方图则更加形象直观。执行【Graphs】【Histogram】【Display normal curve】，系统弹出绘制直方图对话框，将“语文”选入“Variable”选择框内，单击【OK】按钮。此时结果浏览窗口内会绘制出如下直方图：

2.3排序

执行【Transform】【Rank Cases…】，弹出“Rank Cases”对话框，将左边选项中需要排列的变量选入右边“Variable（s）”空框中，如“语文”；“By”框是用来选择分组变量的，如“班级”，将班级作为分组变量选入“By”框；“Assign Rank 1 to”单选框组是用于选择将秩次赋给最高分还是最低分，这里选择“Largest value”；【Ties】钮用于定义相同值的处理方式，这里选择默认平均值。单击【OK】，系统就会在数据编辑窗口中建立一个新变量“r语文”（即原变量名前加r），取值为学生的语文成绩在班中的排名。

2.4频数分析

平常教师对成绩的统计，除了计算平均分外，还需要观测各分数段的学生人数，在SPSS软件中，这项工作可以通过重新编码和频数分析两个操作来实现:

执行【Transform】【Recode】【Into Different Variables…】，在对话框中，将左边列表框中的语文变量选入右边的“Numeric VariableOutput Variable：”框中，并在“Output Variable”框中输入“Name”为“语文2”。单击【Change】【Old and New Values…】钮，出现“Recode into Different Variables：Old and New Values”的子对话框，在左边“Old Values”方框中选择“Range”，在下面的两个空格内分别输入130、150；在右边“New Value”方框中选择“Value”，在后面的空格内输入1，然后单击【Add】按钮。重复此操作，分别将110―130分转为2，将90―110分转为3，将70―90分转为4，将低于70分的转为5，输入完毕后，单击【Continue】按钮，再单击“Recode into Different Variables”对话框中的【OK】按钮，数据编辑窗口中就会出现“语文2”新变量，完成对语文成绩的重新编码。执行【Analyze】【Descriptive Statistics】【Frequencies…】，出现“Frequencies”对话框，将左边框中需要分析的变量“语文2”选入“Variable（s）：”空框中。单击【OK】，结果输入窗口就会呈现学生语文的各分数段人数分布，以及各种百分数。

语文2

2.5平均数差异显著性检验

在考试结果分析中，教师一般会用平均分高低来简单比较各班的成绩差异，SPSS软件的平均数差异显著性检验可以对此进行更科学的统计分析。例如，用独立样本检验比较两班学生的化学和数学成绩是否有差异：

执行【Analyze】【Compare means】【Independent-Samples T Test…】，选取数学和物理变量进入右边的“Test Variable(s)” 空框中，选取班级为分组变量，进入“Grouping Variable”中，单击【Define Groups…】按钮，在“Group1”“Group2”后分别输入1、3，单击【OK】，就会输出统计结果。

Group Statistics

Independent Samples Test

利用SPSS软件还可以进行“相关分析与回归分析”，可用来验证“数学成绩好的同学物理成绩也一定好”这样一个命题是否成立。

3.结语

SPSS软件为教师实施教学测量手段提供了一个较好的平台，如何运用SPSS软件更好地来分析教学测试结果，还需要我们在使用过程中不断探索。

参考文献：

［1］余建英，何旭宏.数据统计分析与SPSS应用［M］.人民邮电出版社，2003.

［2］于水华，郑任儿.浅谈SPSS在教育信息处理中的应用.教育信息技术.

［3］卢纹岱.SPSS for Windows统计分析(第2版)［M］.北京：电子工业出版社，2002.

篇3

[关键词]　教育心理学；自我监控能力；问卷调查法；高中生；物理学习

1　引言

有关学生学习的自我监控问题越来越受到教育研究者们的重视。学生学习的自我监控是指学生为了保证学习的成功，提高学习效果、达到学习的目标。而在进行学习活动的全过程中，将自己正在进行的学习活动作为意识的对象。不断地对其进行的积极、自觉的计划、监察、检查、评价、反馈、控制和调节的过程。学生学习的自我监控能力是学习能力的一个重要方面，对学业成就有重要影响。探讨影响学习自我监控能力发展的因素，弄清其影响机制，将有助于教育者有针对性地对学生进行自我监控训练，提高学生学习的自我监控能力，进而提高其学习成效。纵观我国有关学习自我监控能力影响因素的研究发现。理论阐述较多而实证研究不足，尤其缺乏针对物理学习这一具体学习领域的系统研究。为此，本文以物理学科为具体研究背景，探讨高中生物理学习自我监控能力与年级、性别、物理学习自我效能感、目标定向的关系。

2　对象与方法

2.1　研究对象选择泰安一中和泰安二中2所学校3个年级共12个班级进行测试，有效被试558人，被试构成情况见表1。

2.2　研究工具

2.2.1　高中生物理学习自我监控量表该量表共有54个项目，用以测量高中生在物理学习中的定向、计划、监察、调节、控制、检验和反思等7个方面的自我监控水平。采用5点计分，分数越高，表明其自我监控能力越高。量表结构的失拟指数X2／df=1.57，拟和指数GFI=0.80，CFI=0.94。IFI=0.94。全量表的内部一致性a系数为0.944，重测信度为0.911。

2.2.2　物理学习自我效能感问卷该问卷由20个项目构成。也采用5点计分，其再测信度为0.920，内部一致性a系数为0.896，与“一般自我效能感”的效标关联效度为0.727。

2.2.3　目标定向问卷该问卷是根据德怀克(C S Dweck。1985)的成就动机理论编制而成。根据该理论我们编制了两个分问卷：成绩目标定向分问卷和掌握目标(也称学习目标)定向分问卷。采用5点计分。成绩目标定向分问卷的内部一致性a系数为0.793，重测信度为0.886；掌握目标定向分问卷的内部一致性a系数为0.800，重测信度为0.904。

2.3　施测采用集体施测方式。以班为单位。由主试向学生说明指导语，要求他们理解答卷要求后开始作答，每个班有两名主试负责，所有问卷1次完成，测试时间约40分钟。

2.4　数据管理 本研究数据管理与分析处理均采用SPSS10.0软件。

3　结果

3.1　高中生物理学习自我监控能力与性别、年级的关系对性别、年级影响高中生物理学习自我监控能力的显著性在各维度以及全量表上进行双因素方差分析，结果见表2。

由表2数据可以看出，高中生物理学习自我监控能力在定向、监察、调节、控制维度上存在显著的性别差异，而在计划、检验、反思和自我监控总水平上性别差异不显著；高中生物理学习自我监控能力及其各维度均没有显著的年级差异；性别与年级间的交互作用不显著。

以上结果表明年级对高中生物理学习自我监控能力没有显著影响，而性别对自我监控能力有一定程度的影响。为进一步研究高中生物理学习自我监控能力的性别差异，我们对男女学生的平均得分进行统计，并进行差异性t检验，结果见表3。

表3中数据显示，在全量表水平上，性别差异不显著，但具体到各维度上，男女生则表现不同。只有在定向维度上女生优于男生，而在监察、调节、控制维度上男生均优于女生。

3.2　高中生物理学习自我监控能力与物理学习自我效能感、目标定向的关系

3.2.1　高中生物理学习自我监控能力与物理学习自我效能感、目标定向的相关分析计算物理学习自我监控能力与物理学习自我效能感、目标定向的积差相关系数，结果见表4。

表4数据显示。高中生物理学习自我监控能力及其各维度与物理学习自我效能感均存在极其显著的正相关I自我监控能力及其各维度与成绩目标定向均存在极其显著负相关，与掌握目标定向均存在极其显著正相关。

3.2.2　物理学习自我效能感、目标定向影响自我监控能力的方差分析和回归分析相关分析表明，自我效能感、目标定向与自我监控能力有显著相关关系，那么它们对高中生物理学习自我监控能力的影响作用如何，哪一个影响作用更大一些呢?为了比较它们对自我监控能力发展的影响程度，以物理学习自我监控能力为因变量(Y)，以自我效能感(X1)、目标定向(X2；成绩目标定向和掌握目标定向得分的平均值)为自变量，进行双因素方差分析和二元回归分析。方差分析结果见表5，回归分析结果见表6。

表5数据显示，物理学习自我效能感、目标定向对物理学习自我监控能力具有显著的主效应，但他们的交互作用不显著。

表6数据显示，物理学习自我监控能力对自我效能感、目标定向的偏回归系数非常显著，说明两者对自我监控能力都有非常显著的影响，在影响程度上自我效能感较大，目标定向次之，两者对自我监控能力的决定系数R2达到0.442。

4　讨论

4.1　高中生物理学习自我监控能力的年级差异不显著 性别只在定向、监察、调节和控制维度有显著影响，在其他维度和自我监控总水平上影响均不显著；性别与年级交互作用不显著。通常认为，学生学习的自我监控能力应随着年级的升高而不断发展。但本研究的结果不能支持这种想法，这或许是源于高中生的学习自我监控能力已经进入发展平缓期。董奇的研究表明，从初中到高一自我监控能力变化比较大，其他年龄阶段自我监控能力发展比较平缓。章建跃的研究表明中学生数学学科自我监控能力的发展有其年龄阶段性，但是发展的趋势除小学毕业到初中阶段比较明显外，其他年龄阶段均较平缓。到了高中阶段。有些维度得分反而是降低的。高中生自我意识的发展已经趋于成熟，自我监控能力与自我意识是息息相关的，因此从高一到高三自我监控能力可能不会发生大的变化。只有在定向维度上女生优于男生，而在监察、调节、控制维度上男生均优于女生。这一研究结果与已有研究基本一致。有研究表明，性别对自我监控能力的影响在低年级比

较明显，并且是女生优于男生，到了高一年级，只有计划性女生优于男生，其他维度差别都非常小。在监察、调节和控制维度上高中男生的自我监控能力略强于女生，这也许与物理学科特点有关，学习物理需要有较强的逻辑分析能力、数理推理能力和实验动手能力等，物理学习活动中，自我监控综合协调各种能力以取得最佳学习效果，同时自我监控能力也受其他能力的影响。这几种能力一般都是男生占一定的优势。这或许是高中男生的物理学习自我监控能力在这几个维度上高于女生的原因。

4.2　高中生物理学习自我效能感、目标定向均对自我监控能力有极其显著的影响，且物理学习自我效能感比目标定向的影响程度大 本研究结果表明，高中生物理学习自我效能感越高，其自我监控能力越高，反之亦然。这是因为，物理学习自我效能感是学生关于自己是否有能力胜任物理学习活动的主观判断，一般来说，物理学习自我效能感高的学生对自己的物理学习能力充满信心，经常自觉不自觉地监控自己的物理学习活动，他们常常选取适合自己能力水平又富有挑战性的物理学习任务，积极主动地进行学习，遇到困难时敢于正视它们，并通过自己的努力。克服不适当的行为，采取各种方法以保证学习的成功；而物理学习自我效能感低的学生则相反，他们由于对自己的物理学习能力信心不足，进而对物理学习活动和物理学习结果产生一种不可控制的心理，因此往往选择非常容易的任务，给自己提出非常低的要求，往往采取消极、被动、应付的方式进行学习，一遇到问题和困难就放弃、回避，对自己的学习活动缺乏监控和调节。本研究表明，目标定向是影响物理学习自我监控能力的重要因素，且物理学习自我监控能力与掌握目标定向呈极其显著正相关，与成绩目标呈极其显著负相关。这是因为掌握目标定向的物理学习动机是指对所学的物理知识有内在兴趣、为弄懂和掌握知识而进行学习的动机，在它的作用下，学生则更可能采取一些钻研性的、探索性的、积极主动的学习方式，其自我监控学习行为较多，水平较高；而成绩目标定向的物理学习动机则是为了获取高分或是为应付检查和考试及格而进行学习的动机，在这类动机驱动下，学生更可能采取一些应付性的、肤浅性的、消极被动的学习方式，其自我监控学习行为较少。水平较低。

篇4

关键词中学生，知识学习观，学习成绩。

分类号G442

1前言

培养学生形成成熟的知识学习观是当前教育改革的主要目标之一。学生的知识学习观是学生个体对知识学习的一套认识论信念系统（epistemological beliefs about learning），它作为一种元认知知识，是学生先前经验中重要的组成部分，涉及学生对知识性质（知识的确定性与简单性）、知识学习过程（学习能力、学习流程等）的认识以及学生所持有的知识学习态度、对科学知识的态度[1]。国外许多学者把学习者的知识学习观称作学习者的“认识论信念”（epistemological beliefs）。知识学习观的研究早期以Perry和Schommer这两人为代表。Perry认为大学生的知识学习观是分发展阶段的，并遵循由低到高的顺序发展，他认为知识学习观可概括为四级水平：二元论、多元论、相对主义、相对主义契约[2,3]。Schommer不赞同Perry关于知识学习观有固定的发展阶段的观点，而是认为知识学习观是由独立维度组成的观念系统[4]。近期研究以Magolda、King和Kitchener为代表，主要关注的是高水平的教育是否能培养学生更成熟的知识学习观、怎样才能促进学生知识学习观的发展[5]。孙燕青等人的研究表明，一定的智力发展水平对动态的、辩证的、建构性的知识观和学习观是必要的，学习观念会对认知策略选择和使用产生重要影响[6]。刘儒德的研究表明，小学生的语文学习观、小学生的数学学习观都还是比较素朴、直观和概念化的，还停留在感性认识水平上[7,8]。

纵观已有的研究，大部分是以西方国家尤其是美国的学生作为研究对象的；而我国学者的研究主要是针对具体学科学习观的研究，且主要是研究小学生和初中生，未涉及高中生，没有揭示目前整个中学生的知识学习观状况。由于知识学习观可能会受到许多文化因素的影响[9]，存在着较多的文化偏见，所以本研究编制了适合我国文化背景的中学生知识学习观问卷，通过了解中学生知识学习观的现状，以期对目前教师教学和当前的课程改革提供建议。

2研究方法

2.1被试选择

选取福州市两所普通中学的学生作被试，其中高三学生113人，高二学生120人，初三学生102人，初二学生110人。男生合计232人，女生合计213人。

2.2测量工具

参考国内外已有的学习观问卷并对部分中学生进行访谈后，初步提出了中学生知识学习观的4个方面（知识价值观、知识学习态度观、知识性质观、知识学习过程观）的构想并形成了33个项目。在试测之后，采用主成分法抽取因子，经正交旋转后，从碎石图和公因子来看，抽取4个因子较为合适，解释率为50.007％。根据项目分析、因素分析的结果，删除了负荷低于0.40的项目，最终形成4个因子和21个项目，从“非常不同意”到“非常同意”5等级记分。知识价值观维度包括6个题目，Cronbach α系数为0.815，指做科学家或从事需要科学知识和思维的工作是不是很有意思、很有价值的事，是否喜欢做科学工作。知识学习态度观维度包括7个题目，Cronbach α系数为0.791，指对学习是否感兴趣、是否有信心学好、学习是否是有意义的事。知识性质观维度包括4个题目，Cronbach α系数为0.617，指对知识的确定性和简单性的认识，即知识是不断进化发展的，还是固定不变的、确定的，知识间是否相互联系、知识与日常生活有否联系。知识学习过程观维度包括4个题目，Cronbach α系数为0.638，指对学习能力、学习方法等的认识，即学习能力是天生的还是后天培养的，学习是快速的还是渐进的，学习是否通过建构获得的。总问卷的Cronbach α系数为0.837，重测信度为0.853。每个项目与总量表之间的相关在0.262~0.675之间（p＜0.01），四个分量表与总量表之间的相关为0.762、0.819、0.563、0.530（p＜0.01）。验证性因素分析的各项指标在0.91～0.98之间，说明四个分量表的拟合较好。

2.3调查过程

以团体方式施测问卷，并收集被试在最近一次的期中考试的成绩作为学习水平的指标。采用SPSS10.0统计软件进行数据分析和处理。

3研究结果

3.1中学生知识学习观在各维度上的得分

由表1可知，全体样本在知识学习观各维度上的均分都达到较高值。知识价值观的每题平均得分为3.11，知识学习态度观的每题平均得分为3.55，即被试在这两个维度上集中分布在“难以确定”到“比较同意”之间；知识性质观的每题平均得分为4.05，知识学习过程观的每题平均得分为4.19，即被试在这两个维度上普遍持比较同意的观点。

3.2不同性别、文理科学生在知识学习观上的差异比较

由表2可知，不同性别的学生，在知识学习观各维度上的均分都达到较高值。男、女生在知识学习过程观这个维度上有极为显著的差异，女生的知识学习过程观均分明显的高于男生的均分。文科学生与理科学生在知识价值观、知识学习过程观这两个维度上存在显著的差异，在知识价值观这个维度上，理科学生的均分高于文科学生的均分；在知识学习过程观这个维度上，文科学生的均分高于理科学生的均分。

3.3初中生与高中生在知识学习观上的差异比较

由表3可知，初中学生在知识学习观各维度上的平均得分都高于高中学生。初中学生与高中学生在知识价值观上存在极为显著差异，在知识学习态度观上存在较显著差异；在知识性质观、学习过程观这两个维度上，初中学生与高中学生不存在显著的差异。

3.4中学生知识学习观与学习成绩的关系研究

3.4.1不同成绩学生知识学习观的均数及方差分析和多重比较分析由表4、表5可看出：

（1）在知识价值观上，差生、中等生、优秀生存在极为显著差异,多重比较结果表明：差生与优秀生存在极为显著差异,中等生与优秀生之间存在较显著差异，即差生、中等生知识价值观的得分显著的低于优秀生。（2）在知识学习态度观上，差生、中等生、优秀生存在极为显著差异。多重比较结果表明：差生与中等生存在显著差异、差生与优秀生存在极为显著差异、中等生与优秀生存在较显著差异。（3）在知识性质观上，差生、中等生、优秀生存在较显著差异。多重比较结果表明：差生与优秀生之间存在较显著差异。（4）在知识学习过程观上，差生、中等生、优秀生存在极为显著的差异。多重比较结果表明：差生与中等生、差生与优秀生之间存在较显著的差异。

3.4.2知识学习观各维度与学习成绩的相关和回归分析

为探讨学生所具有的知识学习观和成绩的关系，首先对它们进行相关分析，相关分析结果见表6。由表6可知，知识学习观各维度间以及各维度与总成绩之间都存在显著的正相关，为探讨知识学习观各维度与总成绩的确切关系，以总成绩为因变量，以知识学习观的各维度（知识价值观、知识学习态度观、知识性质观、知识学习过程观）为预测变量进行逐步回归（stepwise-regression）分析。结果见表7。

通过回归分析发现，知识学习态度观、知识学习过程观、知识价值观是预测学业成绩的有效变量。三者共可以解释总成绩的15.8%的变异，用回归方程可以表示为：

Y=-0.314+0.235X1+0.165X2+0.127X3。

4分析与讨论

4．1中学生知识学习观的现状

本研究表明，中学生在知识学习观各维度上的均分都达到较高值。在知识价值观、知识学习态度观上，多数中学生介于“难以确定”到“比较同意”之间，这也许与我们近年来所提倡的研究性学习有一定的关系。在知识性质观、知识学习过程观上，大部分中学生介于“比较同意”到“完全同意”之间，这也许与我国近几年所倡导的课改理念有一定的关系，当前课程改革所提倡的教学理念、教学方式或多或少会使教师的教学观发生一定的变化。课堂教学是影响学生知识学习观形成和发展的一个重要渠道[10]，教师的教学过程、方法和语言也会无形中影响学生的知识学习观。

总之，中学生的知识学习观在总体上还是建设性的，倾向于认为知识是相对性的、变化发展的而非确定性的、与其他学科和日常生活有联系的，并认为学习能力通过后天努力是可以提高的，学习是需要思维和探索的，学习态度还是比较积极的，多数学生倾向认为从事科学研究是较有价值的。中学生所持有的这种知识学习观为当前所提倡的课程改革提供了很好的学生心理基础。

4．2性别、文理科对中学生知识学习观的影响

本研究表明，男、女生在知识学习过程观上存在显著的差异，女生的均分显著的高于男生的均分，女生比男生更倾向认为学习能力通过努力、勤奋是可以提高的，学习是种渐进的过程，这也许与我国文化强调女性应更勤劳、认真、细致有一定的关系。这与Schommer的研究存在较一致的看法，她认为学生的知识学习观会在学校文化风气和社会文化背景的熏陶和教化过程中逐渐形成[11]。

文科学生与理科学生在知识价值观上存在显著的差异，理科学生的均分显著的高于文科学生，这也许是因为文科学生接触较多的是社会科学知识，理科学生接触较多的是自然学科知识，理科课程更多强调动手和操作能力，所学知识与现实生活有较紧密的联系，而文科课程更侧重记忆与背诵，更多的是学习事实性的东西。文、理科学生在学习过程观上也存在显著的差异，这也许是与文、理科的学科特点有关，文科较侧重于记忆背诵，理科较侧重于理解、操作等方面，文科学生通过勤奋比理科学生的收效或许会更大，因此文科学生比理科学生更倾向认为学习能力是可以通过后天的勤奋努力来提高的。有研究表明[12]，学生的知识学习观受学生所学学科的影响， 所学学科领域学生的学习经验与具体所学的学科专业紧密相关。

4．3初中生与高中生在知识学习观上的比较

本研究表明，初中生与高中生在知识价值观、知识学习态度观上存在显著的差异，初中生在这两个维度上的均分都高于高中生，即初中生比高中生更倾向认为从事科学研究是有价值、有意义的、学习是一件快乐的事。这种现象可能与初、高中的课程难易程度有关，高中课程与初中课程相比，知识有较强的结构性和层次性，内容更复杂、抽象，且高中的学习具有更强的累积性；而从事科学研究不但得有扎实的基础，还需要付出艰辛的劳动；另外，也与高中学生的学习压力有关，高中学生即将面临高考，无论是老师还是家长都在殷切的期盼着他们能考上理想的大学，因此繁重的学习压力使他们觉得学习比以前更加枯燥无味，对学习越发不感兴趣。

4．4中学生知识学习观同学习成绩的关系

本研究结果表明，不同成绩水平学生的知识学习观存在显著的差异。知识学习观四个维度与学生的学业成绩都存在着极为显著的相关，回归分析发现，学习过程观、对科学知识的态度、学习态度对学生的学业成绩产生了有效的预测作用。

优秀生与差生在知识学习观四个维度上都存在着显著的差异，优秀生在知识学习观各个维度的均分上都显著的高于差生，差生成绩不理想很大程度上是因为他们所持有的不成熟的知识学习观。优秀生与中等生在学习态度、对科学知识的态度上有显著的差异，而在学习过程观、知识性质观上不存在显著的差异，这说明学习态度、对科学知识的态度可能是造成中等生成绩比优秀生逊色的一个很重要的原因，优秀生也许是比中等生对学习更感兴趣，更喜欢思考和接受挑战；而积极的态度使学生倾向于设置掌握取向的目标，使学生有更深层次的学习动机。Schommer认为[13]，学生所持有的知识学习观将影响学生的学业成绩，而知识学习观是通过影响学习策略、学习动机、自我调节来影响学习成绩的；学生在学习时可能采取与自己的知识学习观相匹配的学习策略。

4．5对教师教学的启示

教师在教育教学过程中，应注意：（1）教师要树立自己建设性的知识学习观，并渗透在教学中。在课堂教学中，学生长期受教师知识学习观的潜移默化的影响。（2）教师要重视转变成绩不良学生的知识学习观。中学生所持有的知识学习观是影响他们学习成绩的一个很重要的因素，因此提高差生的学习成绩关键应从他们所持有的知识学习观入手。（3）教师在教学中应重视让学生做一些综合性作业。文理科学生在知识学习观存在显著的差异，教师应通过综合性作业使学生明确学科之间的共通性与交融性、学科知识的渗透性。（4）应适当减轻学生的压力，让学生体验到学习的乐趣，培养学生的探究能力。

5结论

（1）从总的来看，中学生的知识学习观是建设性的，这为课改提供了良好的学生心理基础。

（2）初中生的知识学习观比高中生的知识学习观更具建设性。高中教育以高考为唯一指挥棒使得学生丧失了对科学知识研究和学习本身的乐趣，影响了学生的学习积极性。

（3）不同成绩水平的学生在知识学习观上存在着显著的差异。中学生所持有的知识学习观是造成学习成绩差异的一个很重要的原因，提高差生学习成绩的一个很重要途径是要改变他们的知识学习观。

（4）文理科学生在知识学习观上存在差异。学科知识影响学生知识学习观的形成，应让学生多做一些综合性作业，明确学科知识的渗透性，使学生树立更成熟的知识学习观。

参考文献

1 Hoffer B K, Pintrich P R. The development of epistemological theories: Beliefs about knowledge and knowing and their relation to learning. Review of Educational Research, 1997, 67(1): 88~140

2 Perry W G. Forms of intellectual and ethical development in the college years: A scheme. Review of Research in Higher Education, 1970, 17(3): 120~125

3 Perry W G. Cognitive and ethical growth: The making of meaning. Cognition and Instruction, 1981, 12(3): 151~183

4 Schommer M. Epistemological development and academic performance among secondary students. Journal of Educational Psychology, 1993, 85(3): 406~411

5 King P M, Kitchener K S. Developing Reflective Judgement:Understanding and promoting intellectual growth and critical thinking in adolescents and adults. Learning and Instruction, 1994, 5(2): 187~192

6 孙燕青, 张建伟. 初二学生的科学观及其与科学发现学习的关系, 心理发展与教育, 2003(2): 47~52

7 刘儒德. 小学生数学学习观调查研究, 心理科学, 2002, 25(2): 194~197

8 刘儒德, 邓利. 小学生语文学习观调查研究, 心理发展与教育, 2002(1): 54~58

9 Jin Li. U.S and Chinese cultural beliefs about learning. Journal of Educational Psychology, 2003, 95(2): 258~267