文摘
衡量教师效能的研究表明,参与者代表疗效组。一些研究的措施有效性作为一个多维发生,教师提出了具有低或高功效。这些研究通常使用的意思或值来确定低和高功效分成两组。关注的是是否有很大概率的高低组进一步的数据,实际上是代表一个问题存在老师疗效是否具有统计代表性的疗效组或疗效两组以上的代表。使用潜类别分析(LCA),本研究发现,数学功效组职前教师随他们在他们的学术项目。
1。介绍
各种研究表明,教师效能是一个重要的组件在证明老师教的能力1- - - - - -8]。研究结果表明,如果教师信念的能力教高,学生受益于这些教师。虽然老师功效的结果是一致的,教师有效性测量的方式是不一致的。学派之一是认为老师功效是一个均匀的现象,教师被视为有一个共同的信仰对他们的能力教在连续测量从低到高功效[3,9- - - - - -16]。这种方法在测量中非常普遍的态度和信仰,表明那些低或高态度或信念将会影响学生的学术成果。然而,方法是限制,因为它不允许研究人员决定在老师功效开始学生积极或消极影响的结果。
这项研究的研究人员采取的方法是,态度,行为,和专业的方法很少均匀。愉快地,在考察教师效能,研究人员(2,17- - - - - -22)各种技术用于证明老师功效是一个函数的双官能团现象高低老师功效集团是通过各种技术包括均值和中位数分裂。这些方法帮助理解那些在低得分集群组比高得分将执行不同集群组。然而,技术,如均值和中位数将天生的偏见。鉴于组除以平均或中值截断值,与那些得分极低的有效性来衡量那些非常高功效的分数。因此应该预期,两组之间的显著差异存在。然而,这种方法的研究人员假定数据是代表两组(一群低收入和高分)。这种方法的局限性是数据是否支持两群模型,意义的概率是多少组数据完全代表一个重要的区别。基于两个假设(同质群体信仰和split-group信仰)所提到的,本研究的研究问题是如果老师疗效统计疗效集团的代表或代表multiple-efficacy组使用一个更健壮的统计分析。
鲁棒统计分析选择解决研究问题是潜在类别分析(LCA)。一般来说,LCA用于确定条件概率,结果分数反映多元数据的子组的情况下(23- - - - - -25]。在当前的研究中,LCA被用来确定的概率或可能性,数学疗效职前教师代表单个集群信念或多个subclustered组的代表。一个疗效组本研究的参与者定义定量落入某一组(即。,high, middle, or low) based on their personal mathematics teaching efficacy (PMTE) and mathematics teaching outcome expectancy (MTOE) score. The purpose of the present study was to analyze the Mathematics Teaching Efficacy Belief Instrument (MTEBI) scores for entering and midpoint preservice elementary teachers (PSETs) based on their PMTE and MTOE scores using LCA to determine if teacher efficacy presented a one or multiple group model.
2。文献综述
本研究探讨疗效与数学老师功效。数学老师功效是追溯到班杜拉(26社会认知理论和无赖的27]控制点理论。更具体地说,老师功效是老师的信念,他/她的知识和技能来影响的学术成果。从班杜拉的工作和无赖和吉布森和Dembo [19)发现,功效是two-subscale模型并开发了教师效能量表(te)评估老师效力和结果预期寿命之间的关系。
基于吉布森和Dembo [19和班杜拉的28)注意有效性依赖于上下文,伊诺克和里格斯29日)开发了一种可靠的职前科学教学功效仪器,科学教学效能信念仪器(STEBI-B),这是修改后的里格斯氏(7)在职科学仪器(STEBI-A)教学效果。这种规模的包含两个分量表,衡量个人老师疗效和预期结果。正式,STEBI-B分量表的个人科学教学效能信念量表(PSTE)和科学教学结果预期规模,这间小陋室边因为()。伊诺克et al。2后来改编STEBI-B,创建数学教学有效性的信念仪器(MTEBI)。像STEBI-B, MTEBI与职前教师使用。研究人员发现这两个分量表、个人数学教学效能信念量表(PMTE) ()和数学教学的结果预期规模(MTOE) (),是一种可靠和有效的数学教学有效性测量仪(PSETs)职前小学教师。PMTE是职前教师对一个人的能力是一种有效的数学老师,MTOE是职前教师信念,有效的数学教学会导致学生的学习无论外部因素(29日]。
2.1。教师有效性多个层次的模型
正如前面所讨论的,有两个主要方法在教师效能的研究。一种方法分类参与者作为一个同质的群体根据他们的功效的分数。第二种方法假设有亚种群(高、低功效)在研究人口。这种分类的教师使用的研究人员是很重要的,因为他们不认为所有的参与者在一组代表一组疗效。然而,以前老师功效研究通常没有良好的统计方法用于确定报道的成分高,low-efficacy组。
教师效能的概念作为一个多维模型组成的通用和个人功效是建立在文学。然而,功效作为一个多层次的概念模型与一个以上的非齐次组(3,9- - - - - -13,15,16)不成立。在班杜拉(30.)工作,他描述了各种级别的老师功效。他发现组低,高度有效的教师,与高度有效的教师被描述为拥有强大能力教困难的学生。然而,很少有研究人员评估教师有效性作为一个非齐次模型。
研究人员认为老师功效多群模型显示老师功效,以反映两组模型代表教师高和低功效。阿什顿的结果(31日]研究职前教师和高中老师描述为“low-efficacy”(p.305)或“高效”(p.318)。这些发现是基于评估教师应对学生学习和学生的能力。同样,吉布森和Dembo [19)进行了30-item小学教师的调查,发现教师和高功效较低。这些发现是基于功效在全班老师与小组指导。
使用吉布森和Dembo [19]30-item乐器,Soodak和就达20.描述620年中小学教师职前和实践具有低和高功效。研究结果显示显著的互动经验层面和学校层面个人功效的小学教师。对于这些教师职前时期个人功效高,但在第一年的教学功效显著下降。调查结果显示,教师在他们的第一个两年的实践有效性较低相比,职前教师与在职教师6年或以上的经验。这通常反映了现实的冲击,表明教师的有效性基于现实生活的现实教学(31日- - - - - -33]。
Swars的21)定性研究认为老师功效低、高规模连续。四个研究参与者选择基于这些得分最低的两个功效和两个功效最高分数。与研究者认为教师效能是一个多维的工具(例如,personal and general efficacy), Swars assessed participants using the MTEBI as a one-dimensional tool.
上述研究综述认为效果是一个非齐次two-efficacy组模型,与教师在低和高功效。然而,这些研究目前没有科学证据,两群模型是准确的。作者建议教师效能量表得分较低的人在某种程度上不同于教师在教师效能量表上得分高。然而,统计分析需要确认有两种不同的功效。
Woolfolk,嗬!22)提出了一个基于平均群功效模型分割方法。作者的研究结果的显著差异之间的低和高功效团体应该会考虑到极低的分数low-efficacy组和高分数的高效团队。中值分割技术也限制,它并不能保证two-efficacy组模型是最适合的数据。豪厄尔(34)提出,为了使用平均分歧,推论统计所需要确定群体之间的有意义。科恩(35]进一步表明,使用中值分裂没有推论方法显示组之间的差异导致的损失20% - -65%的方差。更重要的是,这些技术不确定两种模型是最适合的数据。
进一步的其他人(19- - - - - -21,31日]表明,两群功效模型存在基于极端低疗效评分和极端高功效的分数。这些类型的双官能团模型叶子打开质疑第三组(即。、中间功效集团)可能存在。
以确定疗效单群,双官能团或多组模型,统计分析,如潜类别分析是必要的。这一分析分类个人到类基于一个结果变量(36]。分析有两个基本功能。首先,分析是用来确定最优数量的类或团体最适合数据。其次,分析是用来预测一个人的概率将属于一个特定的组或类。不同于median-split方法,这种分析并不认为两组数据的最好的描述。进一步,与median-split, LCA不对象分配给一组完全基于高或低的分数。分析评估个体的概率会被关联到一个特定类基于“一组相互排斥潜在的类,占病例的分布发生在观察到的离散变量的交叉制表”,[378页)。
3所示。方法
本研究分析了MTEBI分数输入和中点职前小学教师(PSETs)根据PMTE MTOE分数。根据研究问题,如果老师功效是统计上的代表一个或多个功效组模型使用一个更健壮的统计分析,研究运用LCA探索这个研究问题通过测量PMTE和MTOE职前学生的分数。
3.1。参与者
这项研究的246名参与者参加课程的主要大学小学教师教育项目(超过35000名学生)在美国的中南部,开始在2008年的春天。老师准备计划的参与者认为候选人一旦他们完成了他们的核心课程要求。这通常意味着参与者接受到大三的项目开始之后四年的计划。没有参与者参加一个课程,结合野外经验这学期之前。PSETs被定义为的两组。
进入PSETs
这些参与者在他们的第一个课程教师准备课程序列。
中点PSETs
这些参与者在最后的序列课程老师准备程序,其中包括数学学习成绩的方法。这是唯一的数学教育学课程序列。
九十年进入PSETs的参与者。其他156个参与者中点PSETs。所有的参与者被要求完成MTEBI。
3.2。数据收集
MTEBI测量项目和13日PMTE MTOE 8项。两个尺度上的项目评价范围从1,强烈反对,5,强烈同意。项目3、6、8、15、17、18、19日和21日是消极的措辞,反向编码进行分析。更多的信息关于仪器的发展和得分可以在找到2]。
MTEBI为所有参与者在2008年春季学期的开始。仪器是在学期前三周的早期管理以减少影响课程可能对学生的功效。
4所示。结果
4.1。项目分析
伊诺克et al。2)发现PMTE MTOE分量表和统计可靠的仪器,(和、职责)。本研究考虑到人口是不同于以诺et al .,克伦巴赫α进行内部氧化物分数为每个组,进入和中点PSETs。类似于伊诺克等,研究结果显示PMTE和MTOE可靠的仪器研究这个人口。PMTE阿尔法分别为0.82和0.90,MTOE阿尔法进入和中点PSETs分别为0.74和0.83,分别。
4.2。潜在类别分析
潜在类别分析(LCA),使用MPlus 4.1,是用来确定数学老师疗效是否存在不同的功效。而不是概念化数学教学有效性作为一个连续的结果,研究人员概念化数学教学有效性的参与者由于参与者在不同级别的数学教学有效性PMTE和MTOE。假设是,参与者将分为两个不同的功效组:低或高数学教学有效性。因为数学教学有效性是一个未被注意的特征,功效组成员被当作一个潜在变量。在这种情况下,进行了四个独立lca PMTE和MTOE功效分数输入和中点职前小学教师(PSETs)。
LCA用于识别效果类的数目,最适合每个子量表的数据。一个困难决定类的数量,没有一个指标是普遍接受确定适当数量的人口调查类(38]。相反,一些模型符合指数标准一起被认为是为了确定这类模型最适合数据。在目前的研究中,Akaike信息标准(AIC)和贝叶斯信息准则(BIC) [39,40),Vuong-Lo-Mendell-Rubin似然比检验(LMR轻轨交通)[41),引导似然比检验(轻轨),和熵42,43)被用来检查two-efficacy组模型的假设。
每一种类型的标准以不同的方式解释。信息准则值(AIC和BIC)用于选择竞争的统计模型。一般来说,较低的AIC和BIC准则值显示一个更好的模型。似然比率测试(LMR轻轨交通和引导轻轨交通)使用值,以确定模型。最后,熵的范围从0到1,1表示会员分类更精确。
例如,当分析疗效组模型与two-efficacy组模型,价值的或少表明two-efficacy组模型更适合数据,而一个值大于表明疗效组模型是一个更充分的模型。如果有一个似然比检验差异值,价值引导的轻轨是一个更可靠的测量价值的LMR轻轨交通24,44]。2和1的描述疗效组表明如果two-efficacy组或组疗效更适合数据和3和2疗效组表明如果three-efficacy组或two-efficacy组织更适合数据。
表1显示了two-efficacy PMTE子量表的合适指标组模型与疗效组模型和three-efficacy组模型与two-efficacy组模型。基于LMR轻轨交通价值的和引导轻轨交通价值的,研究结果表明,two-efficacy组模型比疗效更适合数据模型。自从LCA表明two-efficacy模型更适合数据,如果数据很重要更反映了three-efficacy模型与two-efficacy组模型。的LMR轻轨交通值()和引导轻轨交通值()高于标准,表明two-efficacy更适合数据。此外,另一个确认是较低的AIC(575.65和577.60),BIC(585.61和592.53)表示,两个和一个类模型与数据的吻合程度更好。在这两种比较,熵值表明two-efficacy组模型是最适合的数据。0.91的熵意味着91%的参与者在一组准确分类。这些发现支持了假设确实有低和高效组织的进入和中点PSETs PMTE。
表2显示了低端two-efficacy集团MTOE符合指数模型与疗效组模型和three-efficacy组模型与two-efficacy组模型。中点的MTOE PSETs表明two-efficacy组模型最适合数据,基于低AIC和BIC价值和重要的LMR轻轨交通和引导轻轨交通值。然而,无意义的LMR轻轨,轻轨交通引导暗示疗效组模型更适合进入PSETs。这些研究结果表明,当参与者继续通过他们的老师准备的经验,他们的信心的能力影响小学生的数学结果划分。另一方面,进入PSETs更均匀的对老师的能力在他们的信仰影响小学生的数学结果。
表3显示了参与者的均值估计和方差的功效。研究结果呈现显著的均值估计和重要的方差。这些发现表明,有统计上的显著差异功效的个体之间的功效。第一组(低老师功效)代表那些得分较低()PMTE,而第二组(高老师功效)代表那些得分高(PMTE)。此外,统计上显著的差异表明,参与者的分数显著不同。进入PSETs, LCA研究代表了单群,MTOE模型与学生得分高()。未配对测试表明,所有的意思估计是统计学意义,除了MTOE意味着进入PSETs估计和中点PSETs MTOE高。
这些发现暗示,无论功效组成员,进入PSETs明显更大的信心在他们的个人能力比中点PSETs教数学。此外,进入PSETs明显更大的信心的能力比低MTOE中点PSETs效应的数学结果。相比之下,进入的MTOE PSETs没有明显不同于中点PSETs MTOE高。
5。讨论
研究人员(3,9- - - - - -13,15,16)经常出现发现假设老师功效是一个齐次集团的代表。结果,由本研究的研究问题,表明数学老师进入和中点的功效PSETs不能假定为完全同质或单群,模型的代表。组织不均匀的关系个人数学老师功效(PMTE)和数学老师预期结果(MTOE),代表两群模型。的数学期望(MTOE)结果进入PSETs被发现反映了单群,模型。
研究人员(2,14,17- - - - - -22)是正确的假设老师功效一般two-efficacy组现象。然而,推进推论方法的使用如LCA有助于更准确地确定在两组之间的分裂。此外,LCA的使用有助于确定组成员和发展的理解意义的功效类34,35]。上面分析一节中描述的two-efficacy组模型表明,参与者在个人数学老师要么是高或低功效(PMTE)。这适用于进入PSETs尽管他们意味着PMTE得分高于中点PSETs意味着PMTE分数。LCA的分组统计上提供了一个良好的基础参与者分成功效组而不是利用任意分数描述参与者的高或低功效。在目前的研究结果将有利于教育者因为进入职前小学教师通常有更高的效能信念比PSETs进一步培训。
MTOE(信仰,数学有效教学会导致学生的学习无论外部因素)进入PSETs只能被描述为一个组。证明了他们的估计意味着(;见表3),他们有很高的信念在教师能力影响学生学习数学的结果尽管外界因素影响学生的学习。他们理解和缺乏经验的新手教学学生数学是最可能的解释他们的最初MTOE高。相比之下,中点的MTOE PSETs被描述为拥有two-efficacy组。这可能归因于其日益增长的对不同学生他们将教学的理解。然而,这些学生也很少或根本没有教学经验的学生数学。
此外,表3显示,进入PSETs有较高的估计意味着比中点PSETs PMTE和MTOE。这些发现是真的,即使参与者分类较低和高数学老师功效。
以前,进入PSETs报道高PMTE分数会被描述为一个同质组缺乏教知识意味着什么。然而,本研究的结果表明,有一批进入PSETs PMTE较低。这可能与之前的经历不相关的项目,如替代教学或志愿者与学生或个人困难或不喜欢数学。
6。结论
这项研究的研究人员发现,个人数学教学有效性概念进入和中点PSETs two-efficacy组现象,参与者被分为低收入和高效类基于他们的信仰对他们的能力教数学。two-efficacy组模型还存在中点PSETs的数学结果的期望。
这些研究结果的相关性是数学老师所有参与者的功效并不一定发生在同一水平在教师教育计划或在一个组。相关论点提出了在这项研究中,研究结果显示,功效不应被视为一个同质的构造。相关方法分裂组织基于手段或中位数,这些发现表明,研究人员不应该认为他们的数据统计反映这种类型的两群模型。如图所示,只有三四个分析产生two-efficacy组模型。MTOE子量表的结果(教师认为数学有效教学会导致学生的学习无论外部因素)之间在项目早期职前教师的单群,模型的反射。研究结果显示,其功效大于职前教师中点的计划。为了更好地理解这些职前教师,使用更推进潜在转变的分析(LTA)可以使研究人员和教育工作者更好地对学生职前功效类变化通过项目进展。虽然LCA有助于理解对象的数据是否代表了不同的类模型,LTA允许研究人员了解类成员变化对象从一个阶段到另一个阶段在一个计划中,例如,如果数学理解职前教师变化从入口到项目后期的项目。
虽然小样本大小和中央位置的参与者在这个研究限制了本研究的研究结果相似的人群,我们认为未来应该使用LCA分析确定疗效组。这与使用方式或中位数将从过去的研究来确定教师职前教师的功效。然而,这项研究的相关性是LCA分析数学老师时应该考虑疗效或其他类型的信念的措施。总之,虽然不是本研究的主要焦点的一部分,量表内部一致性分析表明PMTE和MTOE统计进行可靠的职前教师数学分数来评估疗效。虽然分数与PMTE相关的可靠性和MTOE已经评估了学生在学生教学,本研究评估的可靠性评分的职前教师首先进入初始教师认证项目和学生在他们的老师准备程序。