教育科学定量研究的几个问题

教育科学定量研究的几个问题辛涛教育部基础教育质量监测中心提纲一：我国教育科学研究要强调定量研究二：可操作、可重复是其基本特征三：程序性是定量研究的一般要求四：探寻因果关系是定量研究的核心追求五：教育科学研究可以获得变量间的因果关系吗23一、我国教育科学研究要强调定量研究教育科学的两大研究范式“自然主义范式”（定性研究）从人文学科推衍出来，关注整体和定性的信息以及理解的方法“实证主义范式”（定量研究）模仿自然科学，强调适合用数学工具来分析的、经验的、量化的观察；研究的任务在于确立因果关系，作出解释量化研究与质性研究比较量化研究质性研究哲学基础研究范式逻辑过程理论模式主要目标分析方法主要方式资料收集技术研究特征研究对象研究报告

实证主义科学范式演绎推理理论检验相关关系\因果联系统计分析实验、调查量表问卷\结构观察客观个人或代表人群样本客观公正

人文主义自然范式归纳推理理论建构深入理解社会现象文字描述实地研究参与观察、深度访谈主观个案诠释性报告反映建构

我国教育科学研究的传统我国教育研究有很长的质性研究的历史量化研究一直没有成为研究的主流请牢记:没有数据的支撑，你只是一个持有观点的普通人7二、可操作、可重复是定量研究基本特征客观的实证性的证据:"Showme"可重复性:"Letmeseeformyself“容许质疑：很多观念会被拒绝科学的假设操作性原则决定性原则不变性原则目前教育科学研究的一些问题需要解决的问题不明确。如：实施开放式教学，培养创新精神的研究高中物理教学中增加实践环节，培养创新能力的研究指导学生学习方略，优化学生学习行为的研究和实验目前教育科学研究的一些问题课题名称外延太大，研究对象不清楚。如：幼儿创新教育研究关于素质教育的评价体系的研究教学心理学应用研究教学方法的研究研究范围不清。如：校本课程建设研究学科教学中渗透环境教育的研究操作化是定量研究的前提操作化是量化研究的基本要求，体现在众多方面：课题的选择与命名研究假设的提出变量的操作化定义等布里奇曼指出：一个概念或变量不应以属性来定义，而应以实际的操作来确定，采用测量它的操作方法来界定。觀察、概念、構念、定義圖

購買和蒐集資料的關係研究概念圖觀察概念構念真實(reality)和事實(facts)購買蒐集情報滿意度品牌認知(comprehension)態度

(attitude)假定的關係操作性定義操作性定義抽象化低高資料來源：Davis&Cosenza(1993),“BusinessResearchforDecisionMaking”,3rdedition,p.26觀察、概念、構念、定義表2-1概念及構念的組成定義及操作性定義說明定義組成定義操作性定義概念購買藉由付錢或付出其他等值物品去取得物品或服務的一種行動名冊上在過去一年中有購買FORD汽車且已付款者搜尋情報為了決策目的而蓄意的搜尋資訊藉由五個項目，以李克特五點量表來評分構念滿意度產品效益能滿足預期效益的程度事前預期效益和試後效益評價的差異品牌認知一個特定產品的特質能被了解的程度對特定產品的屬性記得起來的比率態度一種後天學習的偏好(Iearnedpredisposition)，並持久性維持此種偏好

就由八個項目，以七點的必伯拉(Bipolar)量表來評分資料來源：Davis&Cosenza(1993),“BusinessResearchforDecisionMaking”,3rdedition,p.2714三、程序性是定量研究基本要求教育与心理学定量研究流程图撰写研究成果理论基础或研究目的量表研究实验研究选用通用量表发展或修订新量表预测项目分析效度分析信度分析正式量表正式测试数据统计分析量表的质量分析量表编制技术实验设计技术推断统计分析多元统计分析描述统计分析非参数检验(可验证的假设)16四、因果规律是定量研究核心目标科學研究的目的控制(control)報導(reporting)敘述(description)預測(prediction)解釋(explanation)圖

科學的努力程度最高(highest)理解的程度(degreeofunderstanding)最低(lowest)对因果关系的理解

什么是因果关系。Locke（1690）指出“Acauseisthatwhichmakesanyotherthing,eithersimpleidea,substance,ormode,begintobe;andtheeffectisthatwhichhaditsbeginningfromotherthing”（原因就是可以使一些其他的事情、想法、物质、或样式开始出现，而结果就是它从其他事情中获得一个开始）对因果关系的理解

对因果关系的认识是反复和无限发展的过程。人类对对因果关系的认识也是“实践、认识、再实践、再认识，循环往复以至无穷”的过程。因果关系中的识别问题：我们只能研究原因的结果，而不是结果的原因。对因果关系的理解自然科学中的因果关系通常是决定性的；社会科学中因果关系是概率的。一个原因不可能完全的被决定，研究者只是寻求结果出现的概率，所做分析并不是测量因果关系，而是原因导致结果出现的概率。对因果关系的理解

进行因果推论的标准。1234因果的相对性因果的操纵性因果的时间性消除潜在的影响因果关系的本质

例子：我国现在有不少私立学校，这些学校一般都有一流的硬件设施和相对较好的师资，那么是否私立学校学生成绩比公立学校好？有人提出，教育是最好的投资，因为上大学的人的收入显著高于没上大学的人的收入。这个命题是不是有问题？因果关系的本质

因果关系本质上是一个反事实的问题。总的期望规则（totalexpectationrule）：

E(Yt

-Yc

)=E(Y1t-Y1c)(1–q)+E(Y0t-Y0c)q分解为两个部分：上了大学的人和他们如果不上大学比：

E(Y1t-Y1c)(1–q)没上大学的人和他们如果上了大学比：

E(Y0t-Y0c)q因果关系的本质

因果关系本质上是一个反事实的问题。如果要知道上大学的人和不上大学的收入的平均差异是多少，至少需要四个部分的数据：：确实上大学确实没上大学可能上大学不大可能上大学因果关系的本质

因果关系本质上是一个反事实的问题。但只能观察到两个部分的数据：确实上大学确实没上大学可能上大学不大可能上大学因果关系的本质

因果关系本质上是一个反事实的问题。要完成分析，就必须引进假设：“可能上大学的人如果确实没上大学”的收入水平和“不大可能上大学也确实没上大学的人”的收入水平是相当的：

E(Y1c)=E(Y0c)“不大可能上大学的人如果上大学”的收入水平和“可能上大学也确实上了大学的人”的收入水平是相当的：

E(Y1t)=E(Y0t)因果关系的本质

因果关系本质上是一个反事实的问题。总期望规则就变成：

E(Yt

-Yc

)=E(Y1t-Y1c)(1–q)+E(Y0t-Y0c)q=E(Y1t–Y0c)(1–q)+E(Y1t-Y0c)q=E(Y1t–Y0c)如果忽略了个人素质这个变量，只是进行简单比较，就会高估大学教育的回报率，犯干扰变量偏误。干扰变量偏误出现的条件。28五、教育科学研究能否获得因果关系因果关系的具体化教育科学不可能通过实证的方法解决反事实的问题。教育科学的研究对象是人或与人有关的社会现象、事实，而人的生存具有时空唯一性，我们不可能让一个人既上过大学又没上过大学，不可能让一个学生既是独生子女，又有兄弟姐妹。

Holland(1986)提出两种解决的方案，自然科学的解决方案和统计的解决方案。因果关系的具体化

科学的解决方案。重复实验。

随机分组。科学方案的缺陷很难满足反应恒定、效应短暂和单元同质的假设；外部效度的问题。因果关系的具体化

统计的解决方案。尽量使被试的前测特征和分组安排独立，两者之间没有关系。尽可能包含影响结果的变量常见的统计方法:固定效应模型(fixedeffectsmodel)工具变量(instrumentalvariable)倾向分数(propensityscore)回归间断点(regressiondiscontinuity)结构方程模型(structuralequationmodel)如何运用倾向分析：一个实例一个分析实例：独生子女和非独生子女的成绩是否有显著差异？学生成绩在城乡、性别、东中西部上有显著差异，家庭社会经济地位的高低、家庭学习资源的多少以及学生本人的学习态度也都会影响学习成绩。在分析独生子女和非独生子女成绩差异的时候，需要保持两组被试在上述特征变量上的均衡。如何运用倾向分析：一个实例将各特征变量对分组变量做logistic回归特征变量BS.E.WaldSig.Exp(B)城乡128.957.000城市-.815.075117.117.000.443城乡接合部-.619.08750.808.000.539性别-.929.063220.135.000.395省份577.253.000西部某省1.914.085512.015.0006.777中部某省.130.0713.370.0661.139家庭社会经济地位.411.033157.447.0001.509家庭学习资源-.019.00268.787.000.981学习态度.004.0031.060.3031.004截距-.585.3183.386.066.557如何运用倾向分析：一个实例

分层后独生子女组和非独生子女组的均衡性比较倾向评分（M±SD）按PS分层独生子女非独生子女10.1096±0.02910.1163±0.032120.2198±0.03370.2277±0.033630.3381±0.03350.3447±0.032440.4629±0.03380.4664±0.033750.5801±0.03500.5839±0.034260.6946±0.03580.7026±0.032970.8048±0.03230.8126±0.032680.9218±0.02520.9331±0.0279分层以前0.4641±0.22830.7302±0.2060如何运用倾向分析：一个实例

分层后独生子女组和非独生子女组的均衡性比较如何运用倾向分析：一个实例

分层前，独生子女成绩显著好于非独生子女， F=166.048