混合式实践类课程教学质量评...法探析——基于KANO模型_王珠冉.pdf

安徽警官职业学院学报20225安徽警官职业学院学报202252022年第5期第21卷（总第122期）No.5，2022General No.122，Vol.21安 徽 警 官 职 业 学 院 学 报Journal of Anhui Vocational College of Police Officers混合式实践类课程教学质量评价方法探析基于 KANO 模型王珠冉，张晶（江苏第二师范学院数学科学学院，江苏南京210000）【摘要】在混合式教学下，实践教学质量缺乏内在的自我约束机制和规范，并且缺少操作性较强的质量评价体系和模型。基于文献梳理和专家意见，从四个方面入手，以问卷形式获取学生对于混合式实践课程教学的满意度数据，随后引入 KANO 模型分析学生对教学服务的不同需求，从而提出改进建议。【关键词】实践课程；教学满意度；混合式；教学需求【中图分类号】G420【文献标识码】A【文章编号】1671-5101（2022）05-0102-04大数据时代，社会对于应用型人才的专业知识技能提出了更高的要求。面对新形势，“以社会需求为导向，以应用为主线，以能力培养为核心”的实践性、应用型人才培养成为各个专业内涵建设的重要举措。应用型人才培养质量的高低与实践教学的设置及效果密不可分，因此，实践教学质量评价则成为监督教学质量和确保人才培养质量的重要手段1。现有的教学质量评价体系过多的强调学科理论知识，容易忽视被评价者在实践过程中的努力，某种程度上限制了学生的就业能力，也容易造成人才素质与社会用人需求脱钩的现象。2018 年，教育部召开中国高等学校本科教育工作会议，提出建设“金课”，线上线下混合式就是金课之一。线上线下混合式教学成为大部分教师上课的一种途径，实践课程也不例外2 3。教学方式的改变，传统的教学管理指标体系与评价方法在混合式实践教学方面的适用性便有待商榷。本文以 KANO 模型为基础，旨在拓宽服务质量理论运用于高校教学质量评价的理论领域，丰富混合式教学评价体系，补齐应用实践类课程教学评价指标的短板。一、问题提出为了满足多元化教学质量评价的需求，服务行业质量评估模型用于教学质量评价被国内外学者广泛认可。Foropon 等基于学生的课堂感知教育质量构建了 SERVQUAL 模型，探究提高课堂教育质量因素4。杨娟等凝练影响教学质量因素，依赖信息熵在层次分析法基础上建立了教学评估模型5。吴正刚等基于满意度二维 Kano 模型将三个教学质量因素与四方视角结合，对评价要素进行梳理，建立了高校教学质量评价模型6。苏伯文等基于柯氏评估模型研究高校线上教学效果提出了须加强线上教学质量评估和监督7。吴凡借鉴 CIPP 评价模式理论，细分指标，构建了适用于高职学前专业课程的全过程质量评价模型8。现有的教学质量评价体系，更多的是侧重评价要素的定性分析，评价指标过于繁杂，定量分析讨论较少，混合式实践教学质量评价体系更是相对空白。在此背景下，建立准确且实用性高的评价模型用于探讨实践类课程的教学质量，无疑具有极大的价值。二、KANO 模型（一）模型结构近年来，KANO 模型在服务满意度应用中发挥着重要作用，它最先是由东京理工大学教授狩野纪【收稿日期】2022-07-29【作者简介】王珠冉（1994-），女，安徽蚌埠人，江苏第二师范学院数学科学学院助教，统计学专业理学硕士，研究方向：高维统计，概率统计；张晶（1994-），女，安徽宿州人，江苏第二师范学院数学科学学院助教，概率论与数理统计专业理学硕士，研究方向：概率统计。102教 育 新 论王珠冉，张晶：混合式实践类课程教学质量评价方法探析安徽警官职业学院学报20225安徽警官职业学院学报20225昭（Noriaki Kano）提出，用于分析顾客对于各类需求的排名偏好情况，以此改善产品或者服务质量。随着高等教育改革的深入，学生的满意度也日益受到重视，故 KANO 模型被推广到了教育教学领域中9 10。KANO 模型主要是通过标准化问卷进行调研，根据调研结果对各因素属性进行归类。这种模型认为学生的满意度与教学服务质量之间并非单纯的线性关系，故而将服务的态度属性分为六类，一是魅力属性 A：伴随着该服务完善度的提升，学生满意度会明显上升；若不完善，学生满意度下降也不明显；二是期望属性 O：服务若存在会满意，不存在则会引起学生的不满，其重要程度与学生满意度成线性关系；三是必备属性 M：学生不会因其存在而感到满意，但其缺少会引起极大不满的属性；四是无差异属性 I：其存在与否不影响学生的满意程度；五是反向属性 R：该服务存在会导致学生不满，不存在会带来满意度提升；六是可疑结果 Q：学生没有很好理解某项问题或误答。（二）KANO 问卷设计 KANO 问卷时，针对每个功能，都需要设置正向和反向两个问题，如正向：告知学生每节实践课程需达成的目标和要求；反向：若不告知学生每节实践课程需达成的目标和要求。回答则分为：很喜欢、理应如此、无所谓、勉强接受和很不喜欢。根据学生回答，将各属性进行了 KANO 分类，如表所示。反向问题正向问题质量属性很喜欢理应如此无所谓勉强接受很不喜欢很喜欢QRRRR理应如此AIIIR无所谓AIIIR勉强接受AIIIR很不喜欢OMMMQ例如，某学生对告知“每节实践课程需达成的目标和要求”的态度为“很喜欢”，对不告知“每节实践课程需达成的目标和要求”的态度为“很不喜欢”，那么根据表中的 KANO 分类，学生认为其属性为期望属性（O）。指标最终的 KANO 分类是根据所有参与统计回答的频率数给出的，比如在针对某一指标的回答中，认为该指标是吸引属性的受访者人数占优势，则该指标被归为吸引属性。三、实证研究本研究的调查问卷主要针对开设实践课程的学生，共分为两部分：第一部分是学生个人信息，包括性别、年级及专业；第二部分是 KANO 调查表，包含四个一级指标：教学资源、教学内容、教学平台和教师自身。在一级指标下又细分为 22 个二级指标。文中选取的一级指标和二级指标是基于国内外教学质量评价相关文献归纳而出，后采用德尔菲法得出相应指标。本文在现有学术界研究的基础上，增添了线上线下教学融合等相关教学指标，目的在于更聚焦和挖掘实践教学在混合式教学中学生的期望属性和必备属性，增加对魅力属性的关注，相对减少看似有用但学生并不关注的教学服务。调查问卷以电子形式发放给学生，共收到 274份。问卷已设置：本人知晓此次问卷是面向实践类课程调研，故默认受访者参与过实践类课程。由作答时间长短，剔除 21 份无效问卷，收回有效问卷253 份。受访者人员男女比与年级分布较为均匀，可以看出问卷投放随机性较好。（一）问卷的信效度根据收回的 253 份问卷，分成正反向问题进行信效度检验。信度分析可以反应问卷问题设置的稳定性和一致性。通过分析代表信度的 Cronbachs Alpha 系数正向问题为 0.811，反向问题为0.909，信度越接近 1，说明问卷一致性越好。而效度检验可以用于衡量受访者回答的可靠性，体现答题者的真实想法。通过分析代表效度的 Kaiser-Meyer-Olkin 值，正向问题为 0.842，反向问题为0.899，已达到效度检验高值，说明效度较好，可以进行后续研究。（二）问卷统计分析根据表中结果对问卷进行整理，汇总并归纳出每题的 KANO 属性，分类并结合 Berger 等人提出的BetterWorse 系数计算方法，进行辅助识别具体改进哪一项教学服务可以提高学生的满意度。Better 系数=（O+A）/（A+O+M+I），Worse 系数=（O+M）/（A+O+M+I）（-1）。Better 系数表示当该指标教学质量改进时，学生的满意度会提升多少；而 Worse 系数则表示该指标质量没有达到学生的需求时，学生满意度降低多少。其中，A、O、M 和 I 分别代表各问卷指标归入103教 育 新 论王珠冉，张晶：混合式实践类课程教学质量评价方法探析安徽警官职业学院学报20225安徽警官职业学院学报20225KANO 属性的频数，如对于“告知每节实践课程需达成的目标和要求”，在 253 份有效问卷中，可将其分别归入 A、O、M 和 I 类别为 45、35、109 和 43 份问卷。按上述 BetterWorse 系数计算方式，得出 Better 系数为 0.3448、Worse 系数为-0.6207。根据以上分析，将 22 项教学服务划分为以下各项：8 项魅力属性：教师提供完善的线上实践课程资源（Better 系数=0.7167，Worse 系数=-0.1667），教师提供自制的线上实践课程资源（Better 系数=0.7422，Worse 系数=-0.1111），实践教学中教师能从实际角度出发引导启发学生（Better 系数=0.7692，Worse 系数=-0.2308），教师在实践教学中增加导学导研导就业讲解（Better 系数=0.7605，Worse 系数=-0.1723），实践课程线上线下资源相辅相成（Better 系数=0.7647，Worse 系数=-0.1681），教师具有丰富的实 践 经 验（Better 系 数=0.6880，Worse 系 数=-0.2308），实践过程中邀请行业专家以丰富学生经验（Better 系数=0.7627，Worse 系数=-0.1780）和教师授课过程中注重价值观引导（Better 系数=0.7617，Worse 系数=-0.1617）。4 项期望属性：实践课程以自己操作为主、教师讲 解 为 辅（Better 系 数=0.7565，Worse 系 数=-0.5783），教师在实践课堂上注重与同学的交流互动（Better 系数=0.7811，Worse 系数=-0.5880），教师主动询问或者设置问题用于探讨实践中的重难点（Better 系数=0.7565，Worse 系数=-0.6），教师将线上线下教学中的知识进行梳理融合（Better 系数=0.7284，Worse 系数=-0.6164）。5 项必备属性：教师主动告知每节实践课程需达成的目标和要求（Better 系数=0.3448，Worse 系数=-0.6207），教师应对作业批改、学生提问等课后反馈的内容及时响应（Better 系数=0.3491，Worse 系数=-0.5819），教师时刻关注学生的上课状态且能够灵活调整内容和方式（Better 系数=0.3713，Worse 系数=-0.6076），教师具有丰富的理论知识（Better 系数=0.3421，Worse 系数=-0.6053）和实践教学中教师依托实际案例侧重应用性（Better 系数=0.3830，Worse系数=-0.5702）。3 项无差异属性：每节课后学生完成自我评价（Better 系数=0.2754，Worse 系数=-0.1398），每节课后完成评学反馈（Better 系数=0.29，Worse 系数=-0.1255）和线上平台监督自学的功能（Better 系数=0.2775，Worse 系数=-0.1233）。2 项反向属性：线上实践课程教学平台的多样性（Better 系数=0.6260，Worse 系数=-0.2977）和教师采用多种考核方式如小组合作等（Better 系数=0.5，Worse 系数=-0.2424）。依赖 BetterWorse 系数，可以更加清晰地看出受访者对于 22 个教学服务指标的满意程度、期望和必备属性的教学服务指标，BetterWorse 系数或者单一 Worse 系数的绝对值都比较大，应当优先进行改进，会显著改善学生对实践教学的满意度。魅力属性的教学服务指标，教师可以视情况加入授课过程中，吸引学生的关注度，达到提高实践教学质量的目的。反向和无差异属性的教学服务指标则需要教师和相关部门进一步进行观察。四、总结及建议本文旨在探究当下混合式实践类课程教育服务质量及改进方向。基于 KANO 服务模型对问卷进行分析，得出以下结论和建议：（一）教学内容方面授课教师应该意识到教学过程中学生关心的是课程中的重难点，所以每节课