和中考数学测评结果影响因素的比较分析

（一）共性分析

1.关注变量FAMCON对数学成绩的影响

在OTL—内容的四个变量中，从上述总结及量化指标（解释率、回归系数等）来看，变量FAMCON（及调整后的FAMCONC）在学校层面和个体层面上，无论是对PISA数学测评成绩，还是对中考数学测评成绩，影响都非常显著。同时，在各校OTL—内容四个变量中，显示出变量FAMCON对各校PISA和中考数学测评成绩影响的平均值具有一定的显著性差异。在数学教育上，概念的理解是一个非常重要的研究领域，这里进一步论证了数学概念理解的重要性。

2.关注变量TCHBEHSO对数学成绩的影响

在OTL—教学实践的三个变量中，变量TCHBEHSO对PISA和中考数学测评成绩影响显著，相关量化指标（解释率、回归系数等）明显高于其他教学实践变量。同时值得关注的是，它在学生个体层面和学校层面上都存在着影响力。这要求教师在课堂教学过程中，不仅要关注自己如何教，还要更加关注学生的学。

3.关注变量 DISCLIMA对数学成绩的影响

在OTL—教学质量的五个变量中，仅有变量DISCLIMA，不仅在学生层面上，而且在学校层面上，都对PISA和中考数学测评成绩有显著的直接影响。PISA情境问卷所体现的课堂纪律，包括学生是否不听老师上课、课堂吵杂无序、学生不好好学习、上课要等一段时间才正式开始等。

4.关注变量INTMAT、 MATHEFF对数学成绩的影响

变量MATHEFF在PISA数学测评的情境框架中，体现的是学生对试题（包括数学应用及纯数学试题）的自信程度，即体现学生如何认识自我，并以此预测学生面对具有挑战性任务或情境时的表现。数学学习动机与信念既可以作为学习的结果，也可以作为学习结果的影响变量。本研究表明，对PISA和中考数学测评成绩，以及在个体和学校层面上，变量MATHEFF都对数学成绩影响显著。相比之下，变量INTMAT虽然也存在着显著影响，但是没有MATHEEF程度高，这从相关指标如差异解释率的角度能明显看出。

5.关注课堂环境建设对学生学习动机与信念的影响，即关注对数学成绩的间接影响效应

在中介效应的分析过程中可知，课堂环境中的OTL—内容、教学实践、教学质量相关变量对PISA和中考数学测评成绩有着显著影响，并不同程度地通过中介变量MATHEFF对数学成绩产生显著影响。这就提醒我们，在日常教学中应关注学生的学习过程和行为规范，这有助于数学效能的形成。

（二）差异性分析

1.关注影响因索负荷

这里的影响因素负荷，指的是无论在个体层面上，还是在学校层面上，对PISA和中考数学测评成绩都有显著影响的相关变量在多层次模型上的回归系数。它直接体现出相关变量在个体和学校层面上对数学成绩的影响大小。

变量MATHEFF对PISA数学测评成绩的影响负荷，在个体层面上为0.309766，在学校层面上为0.708153；而它对中考数学测评成绩的影响负荷，在个体层面上为0.193203，在学校层面上为0.353272。这里可以明显看出，虽然MATHEFF在个体和学校层面上对两个数学测评成绩都有显著影响，但从影响程度上来看，显然是对PISA数学测评成绩影响更大一些。相应地，我们通过上节所提到的不同变量对PISA和中考数学测评成绩影响表格中的回归系数，可以得到DISCLIMA在学校层面上对中考数学测评成绩的影响更大。

2.关注与学校层面数学成绩影响平均值具有显著差异的变量

本书比较多地研究相关变量对数学成绩的影响显著性，实际上也关注在学校层面上数学成绩影响平均值具有显著差异的问题。首先，PISA和中考数学测评成绩学校间的差异所占相应数学成绩的比重都很高，如PISA数学测评成绩学校间的差异所占比重达25%左右，而中考数学测评成绩学校间的差异所占比重达40%左右。这么高的比重值得我们研究其相关因素的影响。其次，无论是关于课堂情境方面的变量，还是涉及学习、动机与信念的中介变量，并不是都对数学成绩有直接影响，特别是在学校层面上，有必要在模型量化的基础上，观察相应差异的影响程度。

从随机效果来看，在OTL—内容的四个脉络变量中，FAMCON与各校PISA和中考数学测评成绩的影响平均值均有显著性差异，其他变量的差异则不显著。

在OTL—教学实践的三个脉络变量中，除TCHBEHTD与各校PISA数学测评成绩影响平均值之间的差异有边缘显著性（P=0.08）外，其他变量与各校PISA数学测评成绩影响平均值之间的差异都不显著（P＞0.05），尤其是TCHBEHSO（P＞0.5）。而在与各校中考数学测评成绩影响平均值之间的差异上，除了TCHBEHSO外，其他变量的差异性都很显著，特别是TCHBEHTD（P＜0.001）。这里显现出，脉络变量TCHBEHTD与两个数学测评成绩影响的平均值都有差异。

在OTL—教学质量的五个脉络变量中，就PISA数学测评成绩而言，变量COGACT与PISA数学测评成绩影响的平均值之间的差异有边缘显著性，其他变量则没有统计意义上的显著性差异。同时，OTL—教学质量的所有变量与中考数学测评成绩影响平均值之间都没有统计意义上的显著性差异。这也说明，在学校层面上，教学质量的相关脉络变量对数学成绩影响的平均值在统计意义上没有差异。

在OTL—学习动机与信念的十个脉络变量中，就PISA数学测评成绩而言，变量ANXMAT、 MATWKETH、 MATBEH、 SUBNORM与学校间PISA数学测评成绩影响平均值之间差异显著，其他变量与学校间PISA数学测评成绩影响平均值之间的差异在统计意义上不显著。其中，FAILMAT与学校间PISA数学测评成绩影响平均值之间的差异明显不显著。就中考数学测评成绩而言，变量INTMAT、 MATWKETH、 SUBNORM与学校间中考数学测评成绩影响平均值之间差异显著，其他变量与学校间中考数学测评成绩影响平均值之间的差异均在统计意义上不显著，在变量MATBEH上这种不显著性表现尤为明显。

脉络变量MATWKETH和SUBNORM与两个数学测评成绩在学校间的影响平均值都存在着显著差异。但是，必须关注INTMAT在学校层面上与中考数学测评成绩平均值之间差异的影响。而对于PISA数学测评成绩来说，在学校层面上，与数学成绩影响平均值之间有显著差异的其他变量是ANXMAT和MATBEH。

3.关注变量MATWKETH对中考数学测评成绩的影响

PISA在2012年，针对学习动机与信念，增加了新的变量MATWKETH，用来显现学生在学校中对数学的相关态度，如是否在数学课堂上及时完成作业，是否努力完成数学作业，是否为自己的数学考试作好准备，是否为了能完成数学问答而努力学习，是否坚持学习直至弄懂相关数学内容，是否在课堂上集中注意力，是否在学习数学时集中注意力，是否很有条理性地进行数学工作等等。该变量无论是在个体层面上，还是在学校层面上，对PISA数学测评成绩都没有任何显著影响，但该变量在个体层面和学校层面上，对中考数学测评成绩都显现出了非常显著的影响。

中国现有的教学过程中，普遍存在着教师对学生学习专注性的重视、家长对作业及时完成情况的重视，以及对考试的普遍重视等实际现象。这些涉及学生数学工作伦理方面的因素，无论是在个体层面上，还是在学校层面上，对中考数学测评成绩的影响都十分显著，但对PISA数学测评成绩的影响都不显著。这值得我们进一步思考其存在的合理性和可替代性。

4.关注变量FAILMAT的影响

变量FAILMAT对两个数学测评成绩的影响都存在，但是相比之下，对PISA数学测评成绩的影响更为明显。

5.关注中介效应的影响

在中考数学测评成绩上，OTL的相关变量通过中介变量MATWKETH产生了显著影响。甚至在OTL—教学实践的变量中，TCHBEHTD通过MATWKETH对中考数学测评成绩的影响程度，要明显高出通过MATHEFF所产生的影响。除此之外，MATHEFF是本研究中中介效应程度表现最佳的变量。

在对PISA数学测评成绩影响的中介效应研究中，变量FAMCON、TCHBEHSO、TCHBEHTD及DISCLIMA都通过FAILMAT对PISA数学测评成绩产生了显著影响。之前选择将FAILMAT作为影响PISA数学测评成绩的中介变量，是由于它对PISA数学测评成绩的直接影响较为显著。相应地，由于它对中考数学测评成绩影响不显著，故没有将它纳入对中考数学测评成绩影响的中介变量范畴，而是改为选择了MATWKETH。

从量化的角度来看，变量INTMAT的中介效应不是很明显，除了FAMCON通过它对中考数学测评成绩产生影响外，其他研究变量没有在它上面显现出显著的中介效应。这提醒我们，在课堂教学中，特别是学生对概念理解的学习过程中，我们可以进一步渗透对数学兴趣的培养。

从以上论述可见，同一群体在不同数学测评上所得成绩的影响因素有相同之处，但也存在不同。这让我们想到中考数学测评系统与PISA数学测评系统之间存在的差异性，这些差异性与影响因素之间存在某种关系。基于此，如将某一测评成绩作为教育质量结果的指标，我们应注意相应影响因素指标的差异性。两大规模测评系统的差异与测评的内容及要求，以及相应的教学实际等表现特征有着紧密联系，不存在一个具有普适性的教育质量指标体系。正因为如此，我们需要进一步思考如何建立适合中国的教育质量评价体系，并重点关注指标体系建设。

【注释】

[1]Adam，R.J.， Wilson， M.R. ＆ Wang， W..The multidimensional random coefficients multinaomial logit model ［J］.Applied Psychological Measurement， 1997（21）：1—23.

[2]资料来源：OECD.PISA 2012 Technical Report［M］.OECD Publishions， 2014：324.

[3]资料来源： OECD.PISA 2012 Technical Report［M］.OECD Publishions，2014：320.

[4]MacKinnon，D.P.， Lockwood， C.M.， ＆ Williams， J..Confidence Limits for the Indirect Effect: Distribution of the Product and Resampling Methods［J］.Multivariate Behavioral Research， 2004，39（1）：99—128.

[5]Zhao， Xinshu， Lynch， J.G.， Chen， Q.Reconsidering Baron and Kenny: Myths and Truths about Mediation Analysis［J］.Joumal of Consumer Research， 2010，37（2）：197—206.