一种教师评价模型制造技术

一种教师评价模型，包括三个模块，即专业理解与师德模块、专业知识模块和专业能力模块。所述专业理解与师德模块的评价因子包括四个：对学生的态度与行为、教育教学的态度与行为、职业理解、职业精神。所述专业知识模块的评价因子包括两个：学生知识、学科知识。所述专业能力模块的评价因子包括六个：信息技术应用、教育教学评价、反思与发展、教育教学活动组织与实施、教育教学探究、教学基本素养。所述教师评价模型基于教师专业标准，采用李克特量表，所述的专业理解与师德模块、专业知识模块和专业能力模块基于各自对应分量表。业能力模块基于各自对应分量表。业能力模块基于各自对应分量表。

【技术实现步骤摘要】
一种教师评价模型


[0001]本专利技术属于教育
，特别涉及一种教师评价模型。

技术介绍

[0002]为应对中小学教师群体规模不断扩大、专业发展需求日益多样化、见习规范化培训结束后2
‑
5年教龄教师专业发展支持力度不足、5
‑
10年教龄教师深感专业发展阻力较大、10年以上教龄教师愈发出现职业倦怠等现实问题，迫切需要提出一种教师评价模型作为研究工具，用以了解不同阶段教师专业发展基本现状、诊断不同阶段教师专业发展关键问题、探寻教师分层分类专业发展的有效对策。

技术实现思路

[0003]本专利技术实施例之一，一种教师评价模型，包括专业理解与师德模块、专业知识模块和专业能力模块。所述专业理解与师德模块的评价因子包括：对学生的态度与行为、教育教学的态度与行为、职业理解、职业精神。所述专业知识模块的评价因子包括：学生知识、学科知识。所述专业能力模块的评价因子包括：信息技术应用、教育教学评价、反思与发展、教育教学活动组织与实施、教育教学探究、教学基本素养。
[0004]本专利技术在该实施例技术方案的基础上，编制教师评价的预测问卷，并进行探索性因素分析和验证性因素分析。探索性因素分析，表明教师评价模型三个分量表具有良好的信度和效度。验证性因素分析进一步证明教师评价模型三个分量表问卷的结构拟合良好,各项指标达到测量学的要求。
附图说明
[0005]通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若干实施方式，其中：
[0006]图1根据本专利技术实施例之一的教师评价模型结构示意图。
[0007]图2根据本专利技术实施例之一的专业理解与师德模块模型示例图。
[0008]图3根据本专利技术实施例之一的专业知识模块模型示例图。
[0009]图4根据本专利技术实施例之一的专业能力模块模型示例图。
具体实施方式
[0010]根据一个或者多个实施例，在梳理总结教师专业标准、教师成长阶段、教师发展生态圈以及教师非持续性发展等理论探索的基础上，本专利技术提出以专业理念、专业知识、专业能力，以及获得的专业支持“四位一体”的教师专业发展指数模型。如图1所示。其中，专业理念、专业知识和专业能力着重考察教师个体在学校、课堂和其他教育教学情境中呈现的专业素养水平，专业支持则作为辅助人口统计学变量，丰富教师成长观察视角的显变量形式
存在。
[0011]本专利技术采用的李克特量表(Likert scale)是属评分加总式量表最常用的一种，属同一构念的这些项目是用加总方式来计分，单独或个别项目是无意义的，每个被调查者的态度总分就是他对各道题的回答所得分数的加总，这一总分可说明他的态度强弱或他在这一量表上的不同状态。
[0012]根据一个或者多个实施例，一种教师评价模型由三个分量表组成，分别是：专业理解与师德、专业知识和专业能力。该模型的建立包括：题目总分相关与信度分析、探索性因素分析、验证性因素分析以及信度检验。具体过程如下所述。
[0013]首先对三个分量表进行题目与总分相关与信度分析，将量表中与整体一致性不高的题目筛除。题目与总分的相关代表题目的区分度，题目区分度一般在0.3以上为适宜。将题目与总分相关中保留的题目进行信度分析，以保证量表整体的内部一致，信度分析中项目与删除后的总分相关，代表了题目与整个量表的一致性，相关在0.3上为适宜。
[0014]探索性因素分析的第一步是确定样本数据是否适合做因素分析，并且通过KMO检验的统计量以及Bartlett球形检验来衡量。当KMO系数在0.90以上时，样本数据非常适合进行因素分析；当KMO系数在0.80以上时，样本数据适合进行因素分析；当KMO系数在0.70以上时，样本数据可以进行因素分析；当KMO系数在0.60以上时，样本数据勉强可以进行因素分析；当KMO系数在0.60以下时，样本数据不适合做因素分析。当Bartlett球形检验的显著性小于0.05时表明样本数据适宜进行因素分析，反之不适宜。
[0015]探索性因素分析采用主轴旋转的方法提取公因子并采用最大方差法获得旋转后的因子载荷矩阵。首先通过特征值与parallel analysis的比较来确定因子的个数，其次根据(1)对因子载荷小于0.40或(2)因子载荷同时在两个或以上的因子上大于0.40对题目进行剔除。
[0016]验证性因子分析的主要目的在于考察量表的结构效度，指标中比较拟合指数CFI(Comparative Fit Index)、塔克
‑
刘易斯指数TLI(Tucker Lewis Index)均为相对拟合指数，拟合理想的模型在在相对拟合指数上应达到0.90。RMSEA为近似均方根误差，拟合程度好的模型RMSEA值<0.05，拟合良好的模型RMSEA值处于0.05～0.08之间。修正模型时参考修正指数卡方M.I.(Modification Indices)值，检查存在高M.I.值建议中的题目之间是否存在高相关(>0.7)，若存在则考虑将题目进行打包处理，在打包无法将模型指标修正至达标时，采取删除系数较低的题目的做法。
[0017]验证性因素分析后进行信度检验确保最终量表的内部一致性。
[0018]对于样本数据分析包括描述性统计、差异性检验、交互作用分析、词频分析和情感分析。其中，
[0019]描述性统计，通过描述性分析先呈现教师队伍结构、教师在每个一级维度二级维度上的得分、教师在专业支持上的表现以及所有学校在每个维度和专业支持上的差异。
[0020]差异性检验，通过差异性检验分析检验不同分类群组在所有一级二级维度上是否存在显著性差异(p<0.05)，同时挑选人数较多的学科检验里单个学科内不同分类群组在在所有一级二级维度上是否存在显著性差异，并且在分析选择题时使用差异性分析检验不同分类群组在选择题上表现是否有显著差异。
[0021]交互作用分析，通过交互作用分析首先检验专业支持对各个二级维度是否有显著
的主效应(p<0.05)，接下来在分析不同年龄段、不同学校类型、是否是区级骨干后备对专业支持对二级维度的效应上是否存在显著的交互作用(p<0.05)。
[0022]词频分析，通过Python jieba分词包对教师在问卷中开放题的回答进行分词处理，剔除没有实意的词后再统计每个词语出现的频率，去出现频率最高的前20个词。
[0023]情感分析，使用python snownlp语义分析包及其自带的训练集能够计算每一个开放题回答积极的概率。一般0.6以上被认为是积极倾向，即教师对专业发展持积极态度。
[0024]根据一个或者多个实施例，一种教师评价模型由三个分量表组成，分别是：专业理解与师德、专业知识和专业能力。该模型的建立方法如下所述。
[0025]编制教师评价问卷，其中，自评题采取李本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种教师评价模型，包括专业理解与师德模块、专业知识模块和专业能力模块，所述专业理解与师德模块的评价因子包括四个：对学生的态度与行为、教育教学的态度与行为、职业理解、职业精神；所述专业知识模块的评价因子包括两个：学生知识、学科知识；所述专业能力模块的评价因子包括六个：信息技术应用、教育教学评价、反思与发展、教育教学活动组织与实施、教育教学探究、教学基本素养。2.根据权利要求1所述的教师评价模型，其特征在于，所述教师评价模型基于教师专业标准，采用李克特量表，所述的专业理解与师德模块、专业知识模块和专业能力模块基于各自对应分量表。3.根据权利要求2所述的教师评价模型，其特征在于，所述教师评价模型的建立方法包括：将所述三个分量表分别进行题目与总分相关与信度分析，将分量表中与整体不一致的题目剔除；将剩余的题目数据进行探索性因素分析，探索分量表结构；对分量表结构进行验证性因子分析，分析改进教师评价模型结构，并使用验证用数据进行获得的教师评价模型验证；最后对教师评价模型的效度用验证数据进行检验。4.根据权利要求3所述的教师评价模型，其特征在于，所述分量表采用李克特4级计分自评题。5.根据权利要求4所述的教师评价模型，其特征在于，所述自评题4级记分，包括反向计分方式。6.根据权利要求3所述的教师评价模型，其特征在于，对题目与总分相关及信度分析，题目区分度在0.3以上。7.根据权利要求3所述的教师评价模型，其特征在于，所述的探索性因素分析，包括以下步骤，确定样本数据是否适合做因素分析，并且通过KMO检验的统计量以及Bartlett球形检验来衡量；采用主轴旋转的方法提取公因子，并采用最大方差法获得旋转后的...

【专利技术属性】
技术研发人员：杨洁，朱园飞，郭婧，陈鹏，
申请(专利权)人：上海市师资培训中心，
类型：发明
国别省市：