EDU 教育研究国际 2090 - 4010 2090 - 4002 Hindawi出版公司 532737年 10.1155 / 2011/532737 532737年 研究文章 教师效能测量学校因素重要?一种多级技术预测学生通过增值收益的方法 Subedi Bidya拉吉 1 天鹅 邦妮 2 海因斯 迈克尔·C。 3 Heyneman 斯蒂芬·P。 1 部门的研究和评估 棕榈滩县的学区 西农的海滩,高度层33406 美国 palmbeachschools.org 2 项目评估和教育研究小组(同行),教育学院,32816年奥兰多佛罗里达中央大学 美国 ucf.edu 3 数学教育学系 教育学院 奥兰多佛罗里达中央大学,32816 美国 ucf.edu 2011年 04 06 2011年 2011年 18 11 2010年 17 02 2011年 23 03 2011年 2011年 版权©2011 Bidya Raj Subedi et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

本文调查了教师素质的影响,由老师水平特点,在数学上获得分数采用三级分层线性模型(高)通过增值模型(VAM)的方法。分析研究的重要预测因子,在学生、教师、和学校水平预测学生获得的分数也估计老师、学校层面型效应的大小。我们发现老师的数学内容认证的重要影响,教师经验,数学内容认证的交互作用与学生水平预测。虽然学校贫困显著预测学生获得分数,学校层面的影响相对较小。

 1。介绍

学生成绩获得可预测由于个人预测学生,老师,学校的水平。这个预测模型生成一个多层次研究设计,称为分层线性模型(高),也允许横向校正所有可能的预测因素之间的交互,学生,老师,学校的水平。采用三级高级别通过增值方法,本文旨在衡量教师质量,由教师效能,基于三个老师水平因素:老师[认证,老师经验和教师的高等数学或数学教育学位。个别教师在佛罗里达学校必须正式认证他们教的内容区域。获得这个认证,他们必须持有至少学士学位+证明掌握学科知识或满足主题专门化。尽管拥有数学学位或数学教育更容易展示主题领域知识或满足学科专业化,大多数数学教师都通过不同的路线。

本研究使用橘郡公立学校的中学数学数据((ocp),这是第四大校区在佛罗里达和十大在美国基于招生。根据佛罗里达教育部(FLDOE) 2010年的报告,这个校区的招生175986与194所学校在读幼儿园之前到12年级。总人数,这个地区有32%的白人,27%是黑人,33%的西班牙裔学生相比,43%的白人,23%是黑人,28%的西班牙裔学生在佛罗里达州。贫困FLDOE公布的数据显示,该地区有57%学生参与免费的和减少午餐(FRL)项目相比,56%的学生参加FRL项目状态。根据FLDOE报告,59%的教师(ocp有学士学位,41%的人有硕士及以上级别度;这样的结果类似于佛罗里达州的教师百分比持有获取学士学位和更高学位。这个地区平均年的教师经验和佛罗里达是12年。(ocp老师的平均年薪是44884美元,低于小老师的平均年薪在佛罗里达州,46696美元。

在本文中,我们审查的影响学生,老师和学校层面因素,包括横向校正交互作用,对学生数学获得分数。这些获得分数,不同于教师增值分数,是学生之间的差异计算当前和前几年的成绩获得国家授权的标准化考试。我们也报告方差解释和影响大小在学校和老师的水平来衡量老师的影响,预测学生的数学获得分数。

 2。回顾在相关领域的研究 2.1。教师效能的增值模型和方差分解

增值模型(VAMs)衡量老师的贡献提高学生获得分数为同一组的学生在一个给定的学年。VAMs寻求孤立的贡献,每个老师让在一个给定的学年,可相比其他教师的绩效指标。根据罗文,Correnti,米勒 1),增值模型的目的是估计方差的比例变化,学生成绩在教室中,在控制了其他混杂变量的影响。托比( 2]提到教师之间的差异可以量化为“老师效应”使用增值模型。因为VAM研究可以显示教师效能的差异很大,潜在收益的学术成就可以测量如果证实这些差异特征和导致特定的老师。其他强大的增值模型(例如, 3, 4]),跟踪学生的收益超过一年,带来了一个反思研究人员关于教师角色的相对重要性。桑德斯和河流的突破性的田纳西州增值研究表明,五年级数学学生性能匹配指定无效的老师三年来表现显著差(相隔50百分位点类似的评估)比孩子分配到更有效的教师。同样,约旦,Mendro Weerasinghe [ 3],孤立的德克萨斯州教师对学生成绩的影响,发现不同的34个百分点在阅读和49个百分点在数学方面的成就,当比较连续三年学生分配到无效的教师给学生分配了三年有效的教师(定义为学生提高多少)。因为没有研究在过去采用三级高级别通过VAM方法奥兰治县中学数学数据,本研究实现方面的研究差距决定的重要因素在学生,老师,学校水平测量教师效能使用这种新方法。

最近的研究解决学生成绩之间的关系以及收益和因素在学生,老师,学校通过使用方差分解方法在高水平。例如,在一个多层次的研究有关教师素质和学生的成就,舍林和小树丛 5)发现,学生的成绩与学校有关的差异(20%)和课堂/老师水平因素(20%),其余差异(60%)学生层面的因素(如社会经济地位和成就之前)。罗文et al。 1]采用三级高级别将预测在学生,教室和学校水平,为了预测数学和阅读成绩和年度收益。他们允许学生之间的方差分解、教室和学校为了衡量教师效能。然而,很少或根本没有研究已经进行到目前为止在相关区域使用方差分解方法采用三级高橙县数据。因此,本研究使用这种方法来预测奥兰治县的中学数学获得分数提供解释方差分别在老师和学校为了确定教师效能水平。

 2.2。确定教师质量的因素和报告型效果

在规定的背景下和哲学的不让一个孩子掉队(NCLB)法在美利坚合众国(美国),大部分是什么推动教育改革中心的前提,教师的背景很重要。例如,通过2005 - 2006年学年结束的时候,第一次,国家需要数据收集和报告机制发布报告披露是否满足的目标确保所有教师都是“高素质。“满足这些标准基本上意味着教师必须(a)持有一个可接受的学士或更高学位,(b)有国家许可或认证,和(c)展示能力的主题(s) (s)教的年级水平。

过去的研究已经证明,需要合格教师较之学校特别伟大的低收入和少数民族学生(见[ 4, 6- - - - - - 10]),问题是在中学更加明显(见[ 11])。

越来越多的证据表明更好的老师可以使学生成绩有所不同( 3, 4, 12]。实质性的分歧仍然存在研究人员对教师资格有所不同( 13)和小一直在探索这个主题的中学课堂。此外,大米( 14知识库中发现一个严重的差距,仍然需要探索关于中学和小学教师的有效性,是用于指导老师重要政策决定。她获奖评审检查老师特色教师效能的影响。在一项研究中有关八年级学生的数学成绩使用1996年国家教育进展评估(NAEP)的数据,Wenglinsky [ 15]发现课堂实践的影响,当添加到其他老师的特点、规模相当的学生背景,建议教师可以提供尽可能多的学生学习数学的学生。通过研究教师资格、Croninger大米,Rathbun,西 16]发现上下文的潜在影响教师资格学生成绩,一年级学生展示高水平的阅读和数学成绩在学校教师报告更高水平的课程重点在这些领域。

•达玲•哈蒙德Holtzman、加特林、Heilig [ 17]发现认证教师持续产生更强的教学成就为老师做认证的教师和控制经验,度,和学生特点,比认证教师认证的老师不太有效。Darling-Hammond [ 18]发现,老师准备措施和认证是目前最强的相关阅读和数学的学生成绩之前和之后都控制了贫困学生和语言的地位。德克尔,梅耶和Glazerman [ 19发现教师招募了通过“为美国教书”(组织)明显比无证和认证更有效教师在阅读教学在数学教学和统计分不开。然而,凯恩,Rockoff,小马 20.)没有发现区别之间的助教和认证的老师或无证和认证教师对数学成绩的影响。主题[认证有显著影响学生成绩的主要角色。和布鲁尔(例如,戈德哈伯声称 21)发现,数学教师有一个标准的认证有显著积极影响学生的测试成绩相对于教师举办私立学校认证或不注册主题领域。

相关研究解决教师学历和经验对学生数学成绩的影响(见[ 14, 18, 22- - - - - - 27])。在过去,天鹅和Subedi 28和天鹅 27]之前发现了更少的高学历教师在贫困学校教学而不是类似的教师指导在富裕的学校的数量。自过去的研究不足的因素在决定下的人口背景下教师素质的研究,本文探讨了是否代表教师素质因素显著预测学生的数学在中学获得分数。

研究人员在过去,用学生水平预测多级模型通过合并之前学生的成就和社会经济背景的模型来预测数学和阅读成绩(见[ 1, 5])包括横向校正与预测的相互作用在较高水平(见[ 29日])。通过增值模型来衡量老师的影响,罗文et al。 1]使用学生的成就之前,社会经济地位,和学校的贫困来预测学生获得分数采用三级高级别。此外,银行( 30.]研究贫困学校关注学生成绩的影响。

教育研究中的常见问题探讨影响大小在老师和学校水平通过识别重要的老师和学校水平预测。教育研究和评价区域要求这些研究特别是在大城市学区,如橘郡,这影响和归纳可以基于有效的结果。,目的是在解决当代问题的现实意义,本研究预测学生获得分数由于潜在因素在学生,老师和学校层次的模型来衡量教师效能,由d型效应大小,通过VAM采用三级高级别。

 3所示。方法 3.1。设计的研究

本研究探讨了教师水平的个人影响预测:数学[认证,高等数学或数学教育学位,和经验。Subedi和天鹅 31日使用两级高级别分析)进行了类似的研究。本研究扩展了他们的工作使用三级问题通过增值模型来衡量教师效能。因为学生不随机分配在教师的教室和学生分别预测合并,老师和学校层次的模型提供更好的方差估计和预测的效果,最合适的统计设计来衡量老师的影响涉及到多层次或高技术(见[ 32- - - - - - 34])。

 3.2。数据和变量

本研究使用所有中学的6184名学生和253名数学教师在奥兰治县公立学校((ocp),这是第十大学区的14000在美国。

 3.3。结果变量

我们用成绩6 - 8数学获得分数作为结果变量。获得分数计算,2005年和2004年的分数的差异NRT-NCE(规范引用Test-Normal曲线相当于)部分FCAT(佛罗里达综合评估测试)。(FCAT是国家强制标准化考试衡量学生成绩的标准在阅读、数学、科学和社会研究在佛罗里达学校。FCAT还提供反馈和责任指标到佛罗里达教育工作者、学生、父母、和政策制定者)。NRT-NCE成绩为本研究范围从1到99,获得分数范围从−31.4 - 45。这项研究的时候,测试测量相同的数学学习中基准在中学成绩6 - 8佛罗里达州。

 3.4。学生水平预测

本研究中使用的学生水平预测预备考试分数(即。,NRT-NCE分数为2004)和学生的社会经济地位(SES)。学生的社会经济地位(SES)编码1 0参与和不参与的自由和减少午餐计划。由于数据相关学生的家庭收入、父母的教育水平以及职业并不可用,SES的指标是限于学生的参与状态在自由和减少午餐计划。

 3.5。老师水平预测

老师的[认证、二分预测编码为1的内容认证(指示举行数学[教学认证等级5 - 9或6 - 12)和0没有内容认证(认证指示不符合他们在内容包括基础教育、其他教育或其他认证)。高等数学学位,另一个二分预测,也为相关编码为1度(表明持有高级学位数学或数学教育的老师)和0为不相关的学位(指示不持有这样一个学位)。注意,高级学位的定义是主人或更高层次的学位。老师的经验,连续预测基于资历的老师,老师教以许多年。这个变量范围从0到37在这项研究中。

 3.6。学校水平预测

学校贫困的定义是免费的午餐和减少学生的百分比在每个学校,学校和教师的经验是定义为年教中学教师的平均数量在一个给定的学校。

 3.7。研究问题

通过本研究探索以下研究问题:

的重要预测因子是什么学生,老师和学校的水平,包括横向校正交互方面,预测学生的使用条件VAM获得分数?

方差解释的比例和尺度效应是什么老师水平在学校(教师效能测量)和水平无条件的模型和条件VAM ?

3.8。为什么使用问题?

分层数据结构存在于教育设置,学生是嵌套在一个老师,老师是嵌套在一个学校。嵌套的数据结构形式生成一个分层线性模型(高)。换句话说,模型在不同层次上可以构建基于特定数量的低层次嵌套在上层,最终形成了一个高级别设计。这种嵌套的情况下发生,结果和预测之间的关系可以扩展到多个层面,或单层模型,如多元回归,不会使用一个合适的模型。因此,在这种情况下,学生获得的分数可以预测由于预测不仅在学生层面,在老师、学校的水平。

由于学生没有放在教师课堂随机和预测在学生、教师和学校层次的模型分别提供更好的方差估计和预测的效果,我们最好的选择估计方差统计设计和预测的影响涉及到选择高技术。根据许多研究人员,问题可以作为适当的数据分析方法在这种情况下( 32- - - - - - 36]。

 3.9。模型开发

本研究采用三级高级别学生,老师和学校数据纳入1级,2级,3级模型,分别预测学生获得分数。预备考试分数和SES作为学生在一级水平预测模型。数学[认证、经验和先进程度在数学或数学教育作为教师水平预测2级模型。学校贫困和教师的经验是用作学校水平预测三级模型。1级和2级的连续预测模型集中他们的总平均和组的意思是,分别。这两个预测并不集中。

首先,1级,2级,3级无条件的模型,它不包括任何预测在任何水平,发达。方差的比例计算了解释和效应的大小在老师和学校层面模型为了回答研究问题2。

为了预测数学获得分数,无条件的模型1级,2级,3级可以开发如下: 水平, 1 : ( MATHGAIN ) 我 j k = π 0 j k + e 我 j k , 水平, 2 : π 0 j k = β 00 k + r 0 j k , 水平, 3 : β 00 k = γ 000年 + u 00 k 。

在上面的方程中,<我nline-formula> π 0 j k ,<我nline-formula> β 00 k ,<我nline-formula> γ 00 0 是拦截和<我nline-formula> e 我 j k ,<我nline-formula> r 0 j k 和<我nline-formula> u 00 k 错误的条款在学生、教师和学校层次的模型,分别。我们想要估计<我nline-formula> r 0 j k ,<我nline-formula> u 00 k 找到解释方差的比例和尺度效应基于这些差异在老师和学校的水平,分别为了回答研究问题2。

自增值模型(VAM)的目的是估计方差的比例在学生获得成绩后躺在教师包括一级的重要预测因素,2级,3级条件模型,我们先后开发了这样的模式。2级和3级方差条款被删除从这些模型如果他们不重要或不解释更多的学生获得的分数差异包括模型中的误差项。此外,Subedi [ 34]建议的制定2级和3级条件模型只有在重要的证据方差组件在2级和3级。为了预测数学获得分数的学生<我nline-formula> 我 老师的指导下,<我nline-formula> j 在学校<我nline-formula> k ,一级条件模型可以表示如下: ( MATHGAIN ) 我 j k = π 0 j k + π 1 j k ( PRESCORES ) + π 2 j k ( SES ) + e 我 j k , 在哪里<我nline-formula> π 0 j k 是对老师获得分数意味着什么<我nline-formula> j 在学校<我nline-formula> k ,<我nline-formula> π 1 j k 和<我nline-formula> π 2 j k 是预备考试分数和SES的影响,分别在学生层面上,和这个词吗<我nline-formula> e 我 j k 的随机效应是学生吗<我nline-formula> 我 嵌套在老师<我nline-formula> j 和学校<我nline-formula> k 通常分布均值为0,方差<我nline-formula> σ 2 。老师在学校所二级条件模型可以表示为 π 0 j k = β 00 k + β 01 k ( CERTICON ) + β 02 k ( TCHREXP ) + r 0 j k , π 1 j k = β 10 k + β 11 k ( CERTICON ) , π 2 j k = β 20. k + β 21 k ( CERTICON ) , 在哪里<我nline-formula> β 00 k ,<我nline-formula> β 10 k ,<我nline-formula> β 20. k 是拦截与2级模型。此外,<我nline-formula> β 01 k ,<我nline-formula> β 02 k ,<我nline-formula> β 11 k ,<我nline-formula> β 21 k 与2级模型和山坡上相关术语<我nline-formula> r 0 j k 老师随机效应吗<我nline-formula> j 嵌套在学校<我nline-formula> k 。

三级模型可以由学校( 4)如下: β 00 k = γ 000年 + γ 001年 ( 年代 C H l P O V E R T Y ) + u 00 k , β 01 k = γ 010年 , β 02 k = γ 020年 , β 10 k = γ One hundred. + γ 101年 ( P C T 一个 D V 米 T H D E G ) , β 11 k = γ 110年 , β 20. k = γ 200年 + γ 201年 ( 米 E 一个 N E X P ) , β 21 k = γ 210年 。

替换后( 4)( 3)和( 3)( 2),单方程可以表示如下: ( MATHGAIN ) 我 j k = γ 000年 + γ 001年 ( SCHLPOVERTY ) + γ 010年 ( CERTICON ) + γ 020年 ( TCHREXP ) + γ One hundred. ( PRESCORES ) + γ 110年 ( PRESCORES * CERTICON ) + γ 200年 ( SES ) + γ 101年 ( PRESCORES * PCTADVMTHDEG ) + γ 201年 ( SES * MEANEXP ) + γ 210年 ( SES * CERTICON ) + e ijk + r 0 j k + u 00 k 。 方程( 5(包含)由固定部分<我nline-formula> γ (包含计算)和随机部分<我nline-formula> e ,<我nline-formula> r ,<我nline-formula> u 计算)的影响。这个词<我nline-formula> γ 000年 代表大意味着或意味着获得所有学校和成绩<我nline-formula> γ One hundred. , γ 200年 , γ 010年 , γ 020年 , γ 001年 预备考试成绩的影响、SES[认证,老师的经验,分别和学校的贫困。的因素<我nline-formula> γ 110年 是老师的数学之间的交互效应[认证和学生预备考试分数,<我nline-formula> γ 101年 之间的相互影响进行预测评分和高等数学或数学教育学位,<我nline-formula> γ 201年 之间的相互影响是学生SES和学校老师的意思是经验,然后呢<我nline-formula> γ 210年 之间的相互影响是老师的数学[认证和se。此外,<我nline-formula> e 我 j k , r 0 j k ,<我nline-formula> u 00 k 随机误差项在学生、教师和学校的水平,分别。

 3.10。固定效应、随机效应,d型效应大小

在( 5),<我nline-formula> γ 年代 以来被称为固定效应估计系数(<我nline-formula> γ 年代 )个人和交互作用是固定的。因此,固定效果,<我nline-formula> γ 年代 ,整个人口的平均效应(学校)相应的个体和交互作用,表达( 5)。固定效应方法完全忽视教师间和学校之间变化,只关注within-teacher和在学校里变异。当研究人员希望调查教师和学校之间的学生的差异获得分数,也有必要指定一个随机效应(教师和学校),这意味着它假定随机变化的影响在人口和研究者有兴趣测试和这些随机效应估计的方差在人口。因此,当一些效果在一个统计模型建模是随机的,我们的意思是,我们希望得出人口从观察到的变量被吸引,而不是关于这些特定变量本身。

我们分析了无条件的模型和条件VAM使用PROC混合过程在SAS(见[ 37)(PROC混合过程是为了适应混合效应模型固定和随机效应估计。换句话说,这个过程估计的预测和随机效应方差的多级模型。随机参数的方差也称为方差组件)。这个过程估计模型参数的固定和随机效应。为了回答研究问题1,假设测试使用<我nline-formula> p 价值观与个人预测的固定效应估计和横向校正交互方面。研究问题2是通过计算来解决d型效应大小使用估计方差组件为教师和学校层次的模型应用提供的公式罗文et al。 1)( 6) d = √ ( 方差 在 获得 分数 说谎 在 老师 ) √ ( 总 学生 + 老师 + 学校 方差 在 学生 获得 分数 ) 。 学校水平的效应大小模型计算用分子后“获得分数差异躺在学校”( 6)。

根据罗森塔尔( 38),d型家族效应大小的设计来表达结果在两组的差异(例如,一个实验和对照组)结果变量的标准差。然而,在这项研究中,我们分析了以上两组数据。随机效应模型的分析,数据的方差计算组件的所有老师,假设所有学校学生和教师之间的方差相等。使用这些方差组件,我们已经开发出一种型效果指标通过对比结果在两组任意考虑教师与大量的学生在他们的类。这两个比较组中选择我们的分析是教师在同一学校不同对学生获得分数由一个标准偏差的影响。使用这个程序,由此产生的d型效应的大小。22can be interpreted as showing the difference in students’ gain scores that would be found among two students from the same school if they were assigned to teachers one standard deviation apart in effects on gain scores. For example, if the d-type effect size is  .22, we would conclude that two students from the same school assigned to teachers a standard deviation apart in effectiveness would differ by  .22 standard deviations in gain scores.

 4所示。结果

表 1提供个人预测因素的显著影响,学生,老师,学校水平和横向校正影响交互使用条件VAM预测学生的数学获得分数为了回答研究问题1。研究发现学生的重大影响进行预测评分(<我nline-formula> p < 。 0001年 )和SES或社会经济地位(<我nline-formula> p < 。 0001年 )数学获得分数。此外,假设的检验表明,数学教师认证[(<我nline-formula> p = 。 00 1 和他们的经验<我nline-formula> p = 。 023年 )显著预测数学获得分数。连续预测的影响(例如,预备考试成绩、经验和学校的贫困与斜率的估计。026年,。042,−4.146,re年代pectively) can be interpreted as the changes in mathematics gain scores associated with unit changes in respective predictors, controlling for other predictors. The slope estimates of approximately −2.0 and 2.0 were found for SES and content certification, respectively. Controlling for other predictors, the effect of SES can be interpreted as the mean mathematics gain scores of students for those who participated in free and reduced lunch (FRL) which was two times smaller than the gain scores of those students who did not participate in FRL. The effect for content certification (i.e., 2.0) can be interpreted as the mean gain scores of students taught by teachers who hold mathematics content certificates which was two times higher than the gain scores of students taught by teachers who did not hold such certificates (holding other predictors constant). Likewise, school poverty (<我nline-formula> p < 。 0001年 )有显著影响学生的数学获得成绩的效果−4.146。这可以解释为因子下降(约4)在学生的数学获得分数的单位在学校变化百分比(即自由和减少午餐。、学校贫困)。

估计的影响预测预测数学条件模型中获得分数。

效果 估计 Std.错误 t 价值 p 价值
拦截 19.331 0.698 27.69 <<我nline-formula> 。 0001年
预备考试分数 0.026 0.001 26.00 <<我nline-formula> 。 0001年
SES −2.148 0.325 −6.61 <<我nline-formula> 。 0001年
内容认证 1.973 0.615 3.21 。 001年
经验 0.042 0.019 2.21 。 023年
学校的贫困 −4.146 0.829 −5.00 <<我nline-formula> 。 0001年
预备考试分数*内容认证 0.033 0.010 3.30 。 001年
SES *内容认证 0.910 0.305 2.98 。 003年
预备考试分数* Pct。放置数学。度。 0.015 0.005 3.01 。 002年
SES学校意味着经验 −0.120 0.041 −2.93 。 003年

注:“Pct。放置数学。度”高等数学学位的百分比表示。

老师的数学的交互作用[认证与学生的预备考试成绩(<我nline-formula> p = 。 00 1 )和SES (<我nline-formula> p = 。 003年 )显著预测数学获得成绩。05年的水平。预备考试分数和内容的交互效应被发现.033认证。例如,这种效应可以被解释为因素增加(.033)学生的数学获得成绩与老师的内容认证状态的差异由于一个单位变化(即在预备考试分数参考学校。,对于一个学校平均贫困)。内容认证和SES的交互效应被发现点。这种效应可以解释为因素增加(点)在学生的数学获得分数反映的影响内容认证与SES对比相关联。

此外,一个老师是否已经赢得了一个高级学位数学或数学教育学生获得得分没有显著影响。然而,百分比之间相互影响高学历的教师在学校和学生的成绩进行预测(<我nline-formula> p = 。 002年 )被发现显著的效应估计.015。正值之间的相互影响这两个连续的预测意味着预备考试分数越高,影响越大的高级学位(在学校)学生的数学获得分数。另外,百分比越高的高级学位(在学校),影响越大对学生预备考试的数学成绩获得分数。同样,学校之间的交互效应(即意味着教师经验。在学校,平均年的教师经验级别)和SES (<我nline-formula> p = 。 003年 )显著影响学生的数学获得成绩的影响估计−.120。这种效应可以解释为因素减少(−.120)在学生的数学获得分数与学生的SES地位的差异由于一个单位变化意味着在学校(老师)体验(即参考老师。教师平均经验,没有内容,没有高级学位证书)。

表 2提供估计的方差解释说,<我nline-formula> p 价值,d型尺度效应预测数学获得分数在无条件的和条件VAM老师的水平。检验的假说有关“teacher-to-teacher无明显差异意味着一旦获得分数”来预测学生的数学获得分数,用于修饰或说明研究问题2,被拒绝的和有条件的VAM(无条件的模型<我nline-formula> p 值<我nline-formula> < 。 000年 1 )。无条件的和有条件的VAM老师水平,d型效应大小。19(3.6%方差解释)和。22(4。6% variance explained), respectively, with an increase of  .03 in effect size for the conditional VAM.

估计的方差解释、意义和效果在老师和学校的水平。

随机效应 方差分量 方差解释 p 价值 影响的大小
老师水平效应
无条件的模型 4.500 3.6% <<我nline-formula> 。 0001年 0.19
有条件的VAM 4.645 4.6% <<我nline-formula> 。 0001年 0.22
学校水平效应
无条件的模型 0.467 0.4% 。 0410年 0.06
有条件的模型 0.258 0.3% 。 1636年 0.05

表 2还描述了估计的方差解释说,<我nline-formula> p 价值,d型效应大小无条件和有条件的模型在学校的水平。结果显示,只有无条件的模型显示显著的学校方差(<我nline-formula> p = 。 0410年 )。型效应大小,在学校层面,。06(0.4%的方差解释)。05(0。3% variance explained), respectively, for unconditional and conditional models, with a decrease of  .01 in effect size for the conditional model. Thus, a trivial effect size was found at school level for both unconditional and conditional models. Given the above results for conditional model at school level that the variance explained was not significant and a trivial amount of effect size was found, it is shown that the school level factors were relatively less important for measuring teacher effectiveness.

 5。讨论

本研究的发现有一些影响。讨论学生水平的预测模型,研究结果表明积极影响学生的前状态得分和负面影响的社会经济地位对学生获得分数。毫不奇怪,以前年度优秀学生将获得较高分数。然而,由于本研究的目的是预测学生获得分数使用增值模型(考虑之前的分数等协变量调整学生的水平和背景变量)在学生层面,我们已经检查了这些预测模型的影响。尺度效应的大小在老师的水平(模型)使用这些预测效果大小类似报道罗文et al。 1]。

几个老师水平因素确定教师效能很重要。例如,老师[认证有显著积极影响学生获得分数。这意味着学校应该关注招聘数学教师[认证为了增加学生获得分数。这一发现也符合过去的研究结果(见[ 17])。进一步,对获得的分数重要积极作用被发现由于相互作用与学生预备考试分数和SES[认证。因此,我们可以声称教师持有[认证能够增加学生的成就后,与学生互动水平预测。另一个证据,教师与[认证关键作用在增加学生获得成绩后,这个因素产生显著的良性互动效应与SES交互。虽然最初SES显示显著的负面影响(在第1层模型),它已经改变了从消极到积极的(影响)与[交互认证后,这是一个重要的暗示。进一步,它可以声称更有经验的教师在提高学生获得分数根据本研究的发现。

在学校层面上,学校贫困显示重大负面影响学生获得分数。然而,重要的积极影响是发现由于高级学位的百分比之间的相互作用在数学或数学教育与预备考试的分数。这意味着给学生的成就之前,百分比越大数学活动课领域的高级学位的老师在学校是,较高的将学生获得分数。老师的意思是对学生成绩获得经验显示出了极大的负面影响,同时与SES互动。这意味着,考虑到SES的学生,学校与浓度的老师丰富的经验没有帮助提高学生获得分数。

无条件的模型和条件VAM老师水平显示显著差异,中等大小的影响。然而,比较两种模型的尺度效应(在表 2),有条件的VAM老师水平预测模型比在无条件的模型自前模型产生的效果比后来的模型。在学校层面上,无条件的和有条件的模型解释方差小的百分比,因此,生产级大小的影响可以忽略不计。令我们吃惊的是,有条件的模型还显示一个微不足道的影响大小在学校水平即使包括贫困因素,如学校和其他在这个级别显著的交互效应。因为一个微不足道的效应大小。05was produced due to the conditional model at school level, the factors at school level have a very little contribution to teacher effectiveness. This implies that during the process of measuring teacher effectiveness, we should not take the percent of free and reduced lunch at school level into consideration with significant emphasis.

这项研究的另一个重要的发现是,如果我们把数学[认证的教师教贫困的学生在一所学校,那么这些老师可以提高学生获得分数。教学贫困学生在学校通过老师多年的教学经验,但是,没有帮助产生有效的结果而言,增加学生获得分数。

这里有关讨论最近的研究工作增值模式,Rothstein [ 39]基于假设了伪造测试教师在以后的成绩(如五年级)不能早点因果影响学生的考试成绩分数(例如,四年级)。他还提到学生的收益受到学校以及nonschool因素的影响以及允许的非随机分配的学生(教室/老师)限制了教师影响学生的解释获得的分数。承认的非随机分配的限制学生的教师,我们也认识到,这项研究仅限于将选择学校相关因素在学生,老师,学校水平预测学生获得分数。

 6。结论

本研究采用三级高级别使用无条件的模型和条件VAM预测数学在中学获得分数。这样的模型被为了测量的影响学生,老师,学校级别的预测和分析型的大小尺度效应在老师和学校层面模型。

中学教师的调查结果显示显著的积极作用的数学[认证,老师的经验,和[认证的交互作用与学生预备考试分数和se。本研究的发现意味着教师质量,由老师在数学和[认证老师经验以及与这些预测相关的交互影响,是一个重要因素在预测数学在中学获得分数。我们发现条件VAM产生更大的效果比无条件的模型在老师的水平。进一步,与学校相关的尺度效应水平模型简单虽然贫困学校和其他一些交互作用(与学校有关贫困)显示显著影响学生的数学获得分数。该研究提供了证据表明,学校层面因素是衡量教师效能相对不那么重要。

这项研究提供了重要的信息对学校、老师、学校评价学区,在美国教育部。首先,给出相关预测因子来衡量教师效能的显著影响,结果将是有益的,潜在的预测可以控制为了增加获得分数和学校改革。第二,评估者和研究者可以复制类似条件VAM为了测量教师效能的上下文。

 7所示。局限和进一步研究的建议

作者认识到有几个与本研究相关的限制。首先,学生和教师并不随机分配到教室,没有统计模型可以完全弥补缺乏随机化。这项研究的另一个限制是,资历可能不是一个真正的测量经验因为资历的老师多少年一直受雇于学区在当前的研究中。如果有错误与这个限制,资历(表示数量的年)将低估真正的数年的经验。然而,因为它是一种常见的趋势承担老师经验的教师参与教学,我们应该适应有效的解释结果与预测的效果。此外,可能会有一个高级学位的掩盖效应数学而测量的影响[有学位认证,因为大多数的教师可能[认证相关的主题。我们也知道肯定有更多的描述符的学生SES不仅仅是免费午餐和减少参与。然而,提供了相关的特定解释SES的影响,研究结果可以有效地推广相关的上下文。应该注意,资历和免费午餐和减少变量是唯一决定因素可用在所有学校参与这项研究。最后,学生的数学成绩FCAT是唯一的测量结果用于学生的成绩,因为它是唯一授权标准化考试在所有地区在佛罗里达州。

未来研究建议覆盖更多的成绩和学校因为这项研究只在中学在一个大的城市学区。研究人员还建议描述基于简单的教师效能的影响,证明Subedi [ 34),除了型效果。

 确认

本文的早期版本在美国教育研究协会的年度会议(三),2010年5月30日4月4日,美国科罗拉多州丹佛市我们承认匿名ERI审稿人的宝贵意见。

 罗文 B。 伦提 R。 米勒 r . J。 什么大规模调查研究告诉我们,老师对学生成绩的影响:从小学的研究前景 师范学院历史 2002年 104年 8 1525年 1567年 托比 p F。 萨哈 l . J。 德沃金 a·G。 老师影响的增值模型 国际教师手册的研究和教学 2009年 纽约,纽约,美国 施普林格 1113年 1134年 约旦 h·R。 Mendro R。 Weerasinghe D。 老师对纵向学生成绩的影响:教师效能研究的初步报告 论文发表于国家评估研究所,印第安纳波利斯,印第安纳州,美国,1997年 桑德斯 W。 河流 J。 累积和残余的影响教师对未来学生的学术成就 1996年 美国田纳西州诺克斯维尔 田纳西大学、增值研究与评估中心 舍林 J。 丛林 R。 教育有效性的基础 1997年 纽约,纽约,美国 帕加马 艾伦 m B。 八个问题老师招聘:研究怎么说? 2005年,丹佛:教育委员会, http://www.ecs.org/html/educationissues/teachingquality/trrreport/home/TeacherRecruitmentRetention.pdf 贝茨 j . R。 Rueben k . S。 Danenberg 一个。 平等的资源、平等的结果吗?学校资源和学生成绩的分布在加州 2000年 旧金山,加州,美国 加州公共政策研究所 大家关注 大肠。 实物地租 j·F。 Rivkin s G。 为什么公立学校教师流失 人力资源杂志 2004年 39 2 326年 354年 2 - s2.0 - 1842816906 Lankford H。 勒布 年代。 Wyckoff J。 老师排序和城市学校的困境:一个描述性的分析 教育评价和政策分析 2002年 24 1 37 62年 美国教育部(USDOE),办公室的高等教育 教师素质的秘书第四年度报告:一个高度合格的教师在每个教室 2005年 美国华盛顿特区 USDOE Jerald c, D。 英格索尔牌手表 r·M。 所有的谈话,没有行动:结束out-of-field教学 2002年 美国华盛顿特区 教育信托 干草堆 K。 良好的教学问题:高素质的教师如何缩小差距 思考 1998年 K-16 3 1 - 14 美国华盛顿特区 教育信托 格林伯格 E。 罗兹 D。 叶 X。 Stancavage F。 准备教:教师准备和学生在八年级数学成就 诉讼的美国教育研究协会的年度会议 2004年 圣地亚哥,加州,美国 大米 j·K。 教师素质:了解教师属性的有效性 2003年 美国芝加哥,生病了 斯宾塞的基础 Wenglinsky H。 学校问题:教师课堂实践和学生学业成绩之间的联系 教育政策分析档案 2002年 10 12 Croninger r·G。 大米 j·K。 Rathbun 一个。 西 M。 教师资格和早期学习:认证的影响,学位,一年级学生的成绩和经验 教育经济学评论 2007年 26 3 312年 324年 2 - s2.0 - 34248230217 10.1016 / j.econedurev.2005.05.008 Darling-Hammond l Holtzman d . J。 卡特林 美国J。 Heilig j . V。 老师准备有关系吗?证据关于教师认证,“为美国而教”和教师效能 教育政策分析档案 2005年 31日 42 Darling-Hammond l 教师素质和学生成绩:国家政策的审核证据 教育政策分析档案 2000年 8 1 德克尔 p . T。 迈耶 d . P。 Glazerman 年代。 “为美国教书”对学生的影响:结果从国家评估 2004年 普林斯顿,纽约,美国 数学政策研究 凯恩 t·J。 Rockoff j·E。 小马 d . O。 关于教师效能认证告诉了我们什么?来自纽约的证据 2006年 美国马萨诸塞州剑桥市 国家经济研究局(National Bureau of Economic Research) Goldhaber D D。 布鲁尔 d . J。 教师认证有关系吗?高中教师认证状态和学生成绩 教育评价和政策分析 2000年 22 2 129年 145年 2 - s2.0 - 0034409193 Ballou D。 Podgursky M。 老师准备和许可:改革的证据是什么? 师范学院历史 2000年 102年 1 5 27 2 - s2.0 - 0034336564 Goldhaber D D。 布鲁尔 d . J。 我们应该奖励度教师? φδKappan 1998年 80年 2 134年 138年 2 - s2.0 - 0038795716 Howley C。 复合劣势:学校和区大小的影响学生成绩在西弗吉尼亚州 农村教育研究杂志》上 1996年 12 25 32 利普曼 l 伯恩斯 年代。 麦克阿瑟 E。 城市学校:locationand贫困的挑战 1996年 美国华盛顿特区 教育部,教育研究和改进办公室 和尚 d . H。 主题领域制备二级数学和科学教师和学生成绩 教育经济学评论 1994年 13 2 125年 145年 2 - s2.0 - 38149148213 天鹅 B。 中学数学教师认证,学历水平,经验,和对教师流失的影响和学生数学成就大市区,博士论文 2006年 美国佛罗里达州奥兰多 佛罗里达中央大学 没有出版。AAT 3233679 天鹅 B。 Subedi b R。 中学教师准备、认证和学生的数学成绩在一个大的市区 2005年 拥有多个大学的阅读、数学和科学。学习系统研究所,佛罗里达州立大学 Subedi b R。 预测阅读熟练多级模型:一个ANOVA-like方法的解释效果 教育研究和评价 2007年 13 4 327年 348年 2 - s2.0 - 35648979546 10.1080 / 13803610701702647 银行 K。 学校贫困在WCPSS浓度的影响 评估和研究部门、县公立学校系统之后,2001年, www.wcpss.net/evaluation-research/reports/2001/0123_Poverty.pdf Subedi b R。 天鹅 B。 预测学生收益与层次模型:增值的方法来衡量教师效能 《美国教育研究协会的年度会议 2009年4月 圣地亚哥,加州,美国 戈尔茨坦 H。 国家测量学术增长面临挑战,教育的举措可能会帮助解决。美国国会报告,请求者 多层统计模型 1995年 2日 纽约,纽约,美国 约翰威利和儿子。政府问责办公室(GAO) 西弗吉尼亚威 s W。 Bryk 一个。 分层线性模型在社会和行为研究:应用程序和数据分析方法 2002年 2日 纽伯里公园,加利福尼亚州,美国 圣人 Subedi b R。 示威的三级层次广义线性模型应用于教育研究,博士论文 2005年 美国佛罗里达州的塔拉哈西 佛罗里达州立大学 Berkey c·S。 Hoaglin d . C。 Mosteller F。 科迪兹 g。 荟萃分析的随机回归模型 医学统计 1995年 14 4 395年 411年 2 - s2.0 - 0028950893 莫里斯 C。 诺曼德 年代。 分层模型结合信息和荟萃分析 贝叶斯统计 1992年 4 321年 344年 歌手 j . D。 使用SAS PROC混合适合多级模型、层次模型、和个人成长模型 《教育和行为的统计数据 1998年 23 4 323年 355年 2 - s2.0 - 0032251946 罗森塔尔 R。 库珀 H。 篱笆 l . V。 参数影响大小的措施 研究合成的手册 1994年 纽约,纽约,美国 罗素鼠尾草基金会 Rothstein J。 增加价值增值模型吗?跟踪、固定效应和因果推理 2007年 159年 普林斯顿,纽约,美国 普林斯顿大学 http://www.princeton.edu/<我talic> ~cep证书/ workingpapers / 159 rothstein.pdf