楊聰聰, 鄧露明, 楊 瀾, 邵曉春

(上海第二工業(yè)大學經(jīng)濟與管理學院,上海 201209)

0 引言

我國高等教育規(guī)模穩(wěn)步發(fā)展, 目前已邁入普及化發(fā)展階段?！都涌焱七M教育現(xiàn)代化實施方案(2018—2022) 》[1]中明確指出我國高等教育要加快建設“雙一流”, 深化內(nèi)涵發(fā)展。大學生是高等教育的質(zhì)量主體,大學生學業(yè)成就是高等教育人才培養(yǎng)質(zhì)量的重要評價標準[2]。

目前, 國內(nèi)外對大學生學業(yè)成績的研究多集中在影響學業(yè)成績的因素上。美國2004 年開展的全美大學生學習性投入調(diào)查(national survey of student engagement, NSSE) 把學習的影響因素歸為社會因素、個體因素和大學教育情況3 類。國內(nèi)自2000 年以來,以北京、上海、山東為代表,開展了評價大學生學業(yè)成就的典型實踐。比如北京大學開展的學生評教, 清華大學改進制定的NSSE-China, 復旦大學開展的年度性和追蹤性的“上海大學生發(fā)展研究”,山東省開展的大學生就讀環(huán)境的調(diào)查分析。研究學者則是從不同的專業(yè)領域出發(fā)去研究,如從心理學、社會學和教育評價學等學術角度分析學生個體因素、家庭特征對學業(yè)的影響,或是研究學業(yè)成績的測量指標。已有的這些研究主要是探討“屬性特征”如何影響學業(yè)成績。

馬克思認為人的發(fā)展是社會關系發(fā)展的一種現(xiàn)實性表現(xiàn),每個人能力的形成和發(fā)展與其所在的社會關系有密切關聯(lián)。個人的全面性不是想象的或設想的全面性,而是他的現(xiàn)實關系和觀念關系的全面性[3]。班級作為大學生互動交往形成的重要社會網(wǎng)絡,學生間形成了重要的信息交流關系網(wǎng),通過社會網(wǎng)絡分析方法,可以有效地“透視”學生之間的互動,顯示并且理解學生之間創(chuàng)建的連接圖式,從而進行精確地“畫像”。

1 社會網(wǎng)絡理論基礎及網(wǎng)絡視角

社會網(wǎng)絡理論為分析個體的微觀行為和群體的宏觀現(xiàn)象架起了橋梁。社會網(wǎng)絡理論是一個全新的研究視角: “它視社會結(jié)構為一張人際關系網(wǎng),其中‘節(jié)點’ (node)代表1 個或一群人組成的小團體,‘線段’(line)代表人與人之間的關系,以社會網(wǎng)分析方法分析其結(jié)構特征”[4]。

表1 班級人數(shù)Tab.1 Class size

社會網(wǎng)絡視角認為社會單位的特征源自結(jié)構的或關系的進程,并且把注意力放在關系體系本身的屬性上,網(wǎng)絡分析的分析單位不是個體,而是一個由個體和他們之間的關聯(lián)所組成的實體[5]。比起各節(jié)點自身的屬性,節(jié)點之間的連接對節(jié)點行為的影響更大。在社會網(wǎng)絡理論視域下, 大學生在班級中會形成不同的社會網(wǎng)絡, 網(wǎng)絡成員之間的交往密度、連接的緊湊度、信息溝通的互惠程度,都會對個體知識信息的獲取和更新、能力的補充和提升等產(chǎn)生重要影響,從而影響個體的行為和態(tài)度。

本研究從社會網(wǎng)絡視域去探討班級的社會網(wǎng)絡結(jié)構畫像以及班級不同的社會網(wǎng)絡群體之間的學業(yè)成績是否存在差異,最后采用元分析方法進行定量合成與分析,得到整體效應水平。

2 研究方法與過程

2.1 測量工具

Krackhardt[6]在研究中提出了社會網(wǎng)絡的分類原則:即一個組織內(nèi)的社會網(wǎng)絡分為咨詢網(wǎng)絡、情感網(wǎng)絡和情報網(wǎng)絡3 類。使用整體社會網(wǎng)絡問卷收集數(shù)據(jù),再用UCINET 軟件對組織人際互動的數(shù)據(jù)進行分析。本研究所制定的“班級社會網(wǎng)絡調(diào)查問卷”,是根據(jù)Krackhardt 所研制的社會網(wǎng)絡問卷內(nèi)容修改而成。

2.2 研究樣本與數(shù)據(jù)收集

本研究以上海某高校大二、大三29 個班級為研究對象,研究對象既非大一新生班級,也不是畢業(yè)班級,避免了因新生班級社會網(wǎng)絡還在形成中以及畢業(yè)班級學生忙于就業(yè)而產(chǎn)生的社會交往數(shù)據(jù)不夠準確的問題。整體網(wǎng)測量以班級為單位獨立進行。

2.3 數(shù)據(jù)處理方法

2.3.1 社會網(wǎng)絡分析及UCINET 軟件

使用社會網(wǎng)絡分析中的整體網(wǎng)分析方法進行測量。社會網(wǎng)絡群體如何進行科學劃分呢？Newman等[7]認為可以通過計算模塊度(modularity)Q值的方法予以確定。采用modularityQ的凝聚算法確定網(wǎng)絡社群。凝聚算法主要是利用自底向上, 逐步聚合的思想,讓每次的聚合都向著模塊度增大最大的方向,直到所有點都合成一個社團為止,過程中最大modularityQ值對應的即為社團結(jié)構[8]。

使用UCINET6.743 版本進行數(shù)據(jù)處理, 在UCINET 軟件中,使用網(wǎng)絡子群(Network-subgroups)Newman 社區(qū)檢測(Newman community detection,NCD) 操作指令獲取模塊度modularityQ最大值,由此確定每個班級的社會網(wǎng)絡群體數(shù)量及網(wǎng)絡社群分組名單。

2.3.2 單因素方差分析

采用IBM SPSS Statistics 26 分析每個班級不同的社會網(wǎng)絡群體之間的學業(yè)成績是否有顯著差異。因變量是學業(yè)成績,屬于連續(xù)變量,自變量為網(wǎng)絡社群, 是類別變量, 且各班網(wǎng)絡社群數(shù)量都超過2 個,可以使用單因素方差分析法。

2.3.3 元分析(Meta-analysis) 及comprehensive Meta analysis(CMA)軟件

英國教育心理學家Glass[9]于1976 年將Meta分析命名并將其定義為: “the statistical analysis of large collection of analysis results from individual studies for the purpose of integrating the findings”。此后,關于Meta 分析的定義一直存在爭議, 但都傾向于“Meta 分析是對以往的研究結(jié)果進行系統(tǒng)定量綜合的統(tǒng)計學方法”[10]這一定義。

使用Meta 分析方法將29 個班級不同的網(wǎng)絡社群間學業(yè)成績的差異性研究結(jié)果進行定量統(tǒng)計合成,采用CMA3.0 對元分析數(shù)據(jù)進行處理,得到整體效應值并檢驗其穩(wěn)定性。

3 研究結(jié)果與分析

3.1 樣本描述

班級社會網(wǎng)絡數(shù)據(jù)調(diào)研于2022 年4～5 月進行,調(diào)查問卷采用問卷星進行, 29 個班級1092 名學生全部填寫問卷并完成回收。29 個班級以Class1-Class29 命名,班級人數(shù)的基本情況如表1 所示。

3.2 班級社會網(wǎng)絡群體劃分

根據(jù)文獻[7]在實踐中modularityQ的數(shù)值通常為0.3～0.7。使用UCINET-Network-Subgroups-NCD 操作指令獲取模塊度modularityQ值,并且取最大值,在NCD 分區(qū)(NCD partitions)結(jié)果中,界定至少3 個節(jié)點及以上為1 個社會網(wǎng)絡群體,單個或2 個節(jié)點的連接不納入社會網(wǎng)絡群體。由此可以確定每個班級的網(wǎng)絡社群數(shù)量,結(jié)果見表2。從表2 中可以看出,modularityQmax為0.3～0.7,說明班級有較強的社會網(wǎng)絡群體結(jié)構。

表2 班級社會網(wǎng)絡群體數(shù)量Tab.2 Number of class social network communities

利用UCINET6.743 中netdraw 可視化網(wǎng)絡(visualize network with netdraw)功能,繪制出NCD partitions 結(jié)果。Class13 班級管理規(guī)范,學生身心健康,社會交往發(fā)展情況具有普遍性, 故選其為代表。以Class13 為例, 如圖1 所示, 圖中每個小方塊代表1個學生, 用“專業(yè)名稱首字母+ 數(shù)字” 來編號, 如“hz09”代表“會展專業(yè)的09 號學生”,圖中相同顏色的小方塊意味著這些學生形成了1 個穩(wěn)定的社會網(wǎng)絡群體。如圖1 所示, 該班級一共有8 組不同的顏色,意味著該班級形成了8 個不同的咨詢網(wǎng)絡群體。

圖1 Class13 咨詢網(wǎng)絡社群圖Fig.1 Class13 advice social network sociogram

3.3 班級不同的社會網(wǎng)絡群體間學業(yè)成績差異性分析

以Class13 班級的咨詢網(wǎng)絡為例,通過方差齊性檢驗發(fā)現(xiàn)顯著性p=0.488>0.05,表明該班級8 個咨詢網(wǎng)絡群體間的整體方差是相等的,可以進行方差分析。該班咨詢網(wǎng)絡群體有8 個,單因素方差分析結(jié)果顯示,F=4.705,p=0.001<0.05,達到統(tǒng)計學意義上的顯著性水平,這說明8 個咨詢網(wǎng)絡群體中,至少有2 個群體的學業(yè)成績存在顯著性差異。SPSS統(tǒng)計結(jié)果見表3。

表3 Class13 班級咨詢網(wǎng)絡群體間學業(yè)成績差異Tab.3 The significant difference of student academic achievement among advice social network communities in Class 13

其余28 個班級也同樣采用此方法進行分析,因方差齊性檢驗是進行單因素方差分析的前提,對于方差不齊的數(shù)據(jù)資料進行方差齊性處理,如果仍然達不到方差齊性的要求, 將舍棄該組數(shù)據(jù)。結(jié)果顯示, 咨詢網(wǎng)絡中3 個班級Class9、Class10、Class19,情感網(wǎng)絡中2 個班級Class4、Class16, 情報網(wǎng)絡中3 個班級Class1、Class10、Class17,這些數(shù)據(jù)的方差齊性顯著性p<0.05,均舍棄。其他滿足方差齊性檢驗的數(shù)據(jù),差異性統(tǒng)計分析結(jié)果見表4。

表4 29 個班級不同社會網(wǎng)絡群體間學生成就差異性統(tǒng)計結(jié)果Tab.4 Statistical results of student academic achievement differences among different social network communities in 29 classes

3.4 各班級整體網(wǎng)絡分析

根據(jù)社會網(wǎng)絡分析的整體網(wǎng)測量方法,從班級的網(wǎng)絡密度、網(wǎng)絡距離和緊湊度、網(wǎng)絡關聯(lián)度和互惠性4 個特征向量來描述班級“畫像”。

網(wǎng)絡密度是指網(wǎng)絡中各節(jié)點間聯(lián)系的密切程度。網(wǎng)絡的密度越大,表明網(wǎng)絡成員之間的聯(lián)系越緊密,該網(wǎng)絡對其中行動者的態(tài)度、行為等產(chǎn)生的影響就越大[11]。以29 個班級咨詢網(wǎng)絡為例, 網(wǎng)絡密度測量值顯示: Class13 網(wǎng)絡密度最大為0.110,Class3 網(wǎng)絡密度最小為0.057。

在整體網(wǎng)中, 2 個節(jié)點間最短的路徑長度叫做網(wǎng)絡距離。緊湊度就是基于距離的凝聚力指數(shù), 即所有距離的倒數(shù)的算數(shù)平均值。該指數(shù)越大,表明該整體網(wǎng)越具有凝聚力[11]。以29 個班級情感網(wǎng)絡為例,網(wǎng)絡緊湊度測量值顯示: Class29 網(wǎng)絡緊湊度最大為0.212,Class25 網(wǎng)絡緊湊度最小為0.048。

網(wǎng)絡關聯(lián)度指網(wǎng)絡中的節(jié)點與另一個節(jié)點直接或間接相連的程度。如果整個網(wǎng)絡中任意兩個節(jié)點間存在更多相連路徑,表明整個網(wǎng)絡的凝聚力就會越大。以29 個班級情報網(wǎng)絡為例,網(wǎng)絡關聯(lián)度測量值顯示: Class24 網(wǎng)絡關聯(lián)度最大為0.764,Class25網(wǎng)絡關聯(lián)度最小為0.074。

互惠性指的是網(wǎng)絡中成員之間的關系是否具有相互性, 也就是說任何一對成員之間是否相互“選擇”,是否為鄰接點, 包括單邊互惠性和雙邊互惠性2 個數(shù)據(jù)特征。部分班級整體網(wǎng)絡結(jié)構特征測量值如表5 所示。

表5 各班級整體網(wǎng)絡結(jié)構特征Tab.5 Structural features of whole network in each class

3.5 研究效應量的綜合分析

3.5.1 元分析數(shù)據(jù)處理

采用Meta 分析方法對學業(yè)成績差異性結(jié)果進行定量合成時,需要先將單因素方差分析統(tǒng)計結(jié)果中的F值轉(zhuǎn)化為Meta 分析的相關類效應值r值,才可以進行定量合成。以Class13 班級為例,其咨詢網(wǎng)絡的F=4.705,自由度=27,根據(jù)統(tǒng)計學公式,計算r=0.385。29 個班級數(shù)據(jù)轉(zhuǎn)換編碼如表6 所示。

表6 29 個班級不同社會網(wǎng)絡群體間學生成就差異研究編碼表Tab.6 Coding table of student academic achievement differences among different social network communities in 29 classes

3.5.2 異質(zhì)性檢驗

Meta 分析的統(tǒng)計原則要求,用定量方法合成的效應值必須具有良好的同質(zhì)性。因此,在Meta 分析之前需要進行異質(zhì)性檢驗,以確立選擇隨機效應模型還是固定效應模型分析。如果異質(zhì)性檢驗結(jié)果比較大,選擇隨機效應模型分析;異質(zhì)性檢驗結(jié)果比較小,選擇固定效應模型分析。文獻[12]中將Meta 分析的異質(zhì)性分為臨床異質(zhì)性、方法學異質(zhì)性和統(tǒng)計學異質(zhì)性。一般采用Q檢驗方法和I2檢驗法進行異質(zhì)性檢驗。

表7 異質(zhì)性檢驗結(jié)果表明: 咨詢網(wǎng)絡Q=9.408,p= 0.998> 0.10,I2= 0; 情感網(wǎng)絡Q= 4.738,p= 1.000> 0.10,I2= 0; 情報網(wǎng)絡Q= 5.958,p= 1.000> 0.10,I2= 0; 結(jié)果表明, 3 種社會網(wǎng)絡各自的統(tǒng)計異質(zhì)性都很低, 可以接受臨床異質(zhì)性, 均采用固定效應模型進行Meta分析。

表7 學業(yè)成績差異性效應值異質(zhì)性檢驗及固定效應模型分析Tab.7 Heterogeneity test of effect sizes in student academic achievement differences and fixed effects model analysis

3.5.3 主效應分析

表7 中大學生班級社會網(wǎng)絡學業(yè)成績差異性固定效應模型分析結(jié)果顯示, 咨詢網(wǎng)絡合并后的樣本量為26, 合并效應具有統(tǒng)計學意義[合并效應r=0.285,95%置信區(qū)間(0.218,0.349)],Z=8.071,p= 0< 0.001, 說明大學生班級咨詢網(wǎng)絡群體之間的學生成就存在顯著差異。情感網(wǎng)絡合并后的樣本量為27, 合并效應具有統(tǒng)計學意義[合并效應r=0.286,95%置信區(qū)間(0.221,0.349)],Z=8.257,p= 0< 0.001, 說明大學生班級情感網(wǎng)絡群體之間的學生成就存在顯著差異。情報網(wǎng)絡合并后的樣本量為26, 合并效應具有統(tǒng)計學意義[合并效應r=0.286,95%置信區(qū)間(0.219,0.349)],Z=8.155,p= 0< 0.001,說明大學生班級情報網(wǎng)絡群體之間的學生成績有顯著差異。如圖2～4 所示,森林圖中最下方菱形小方塊和無效線不相交,也說明有顯著差異。

圖2 學生學業(yè)成就差異森林圖(咨詢網(wǎng)絡)Fig.2 Forest plot of student academic achievement differences(advice network

圖3 學生學業(yè)成就差異森林圖(情感網(wǎng)絡)Fig.3 Forest plot of student academic achievement differences(emotion network)

圖4 學生學業(yè)成就差異森林圖(情報網(wǎng)絡)Fig.4 Forest Plot of student academic achievement differences(intelligence network)

根據(jù)Cohen[13]關于效應量的參考建議及其給出的效應量“小”“中”“大”的經(jīng)驗劃分(小效應,中效應和大效應分別對應的值為0.1、0.3 和0.5)。由此可見,大學生班級咨詢網(wǎng)絡群體、情感網(wǎng)絡群體和情報網(wǎng)絡群體對學業(yè)成績有接近中等程度的正向影響。

3.5.4 偏倚檢驗

偏倚也稱為系統(tǒng)誤差,是指研究的結(jié)果或推論與真實值的偏差。Meta 分析中納入研究的完整性主要通過報告偏倚來衡量[12],本研究采用漏斗圖和Begg’s 檢驗來測量偏倚程度。

研究先用漏斗圖對發(fā)表偏倚程度進行定性測量。漏斗圖中,橫軸為各個研究的效應值,豎軸為研究規(guī)模。如圖5～7 所示,漏斗圖上的散點較為對稱地分布在合并效應量兩邊且向中間集中,初步顯示不存在偏倚。

圖5 偏倚檢驗漏斗圖(咨詢網(wǎng)絡)Fig.5 Funnel Plot of standard error by Fisher’s Z(advice network)

圖6 偏倚檢驗漏斗圖(情感網(wǎng)絡)Fig.6 Funnel Plot of standard error by Fisher’s Z(emotion network)

圖7 偏倚檢驗漏斗圖(情報網(wǎng)絡)Fig.7 Funnel Plot of standard error by Fisher’s Z(intelligence netwok)

研究再采用Begg’s 檢驗法對發(fā)表偏倚程度進行定量測量, 若Z> 1.96,p< 0.05, 則提示存在報告偏倚; 反之, 若Z< 1.96,p> 0.05, 則表示沒有報告偏倚[10]。本研究Begg’s 檢驗結(jié)果顯示: 咨詢網(wǎng)絡Z= 1.34< 1.96,p= 0.17> 0.05; 情感網(wǎng)絡Z= 0.16< 1.96,p= 0.24> 0.05; 情報網(wǎng)絡Z= 1.85< 1.96,p= 0.06> 0.05,研究結(jié)果顯示不存在發(fā)表偏倚。所以,研究采用Meta 分析定量合成,得到的效應值較為穩(wěn)健。

4 結(jié)論與展望

4.1 結(jié)論

對某高校29 個班級進行整體網(wǎng)調(diào)查,大學生的班級社會網(wǎng)絡中存在咨詢網(wǎng)絡、情感網(wǎng)絡和情報網(wǎng)絡3 類鮮明的群體;每個班級的網(wǎng)絡社群數(shù)量不同;每個網(wǎng)絡社群的成員數(shù)量也不同,且多個班級存在孤立節(jié)點(學生),這些學生沒有進入網(wǎng)絡社群。要加強對孤立點和邊緣點學生的溝通,分析具體原因,幫助這部分學生融入班集體。

整體上看,班級內(nèi)不同社會網(wǎng)絡群體間的學業(yè)成績有顯著差異,且大學生班級咨詢網(wǎng)絡、情感網(wǎng)絡和情報網(wǎng)絡形成的社會網(wǎng)絡群體對學生的學業(yè)成績有接近中等程度的正向影響。要加強對班級非正式組織的管理,處理好班級正式組織和非正式組織之間的關系,加強班級凝聚力。

4.2 展望

4.2.1 思想政治教育者運用社會網(wǎng)絡分析在認識論上的獨特性

《關于進一步加強和改進新形勢下高校宣傳思想工作的意見》中明確提出,要加強大學生思想政治教育的針對性和實效性。研究者要創(chuàng)新研究方法,讓思政教育在學生群體中可親、可敬、可愛。

傳統(tǒng)的思維方式是性別、年齡、社會地位、家庭結(jié)構、收入甚至遺傳因素這些屬性特征來解釋人們?yōu)槭裁慈缙渌堑哪菢有袆覽14]。在社會網(wǎng)絡分析的認識范式下,研究者會根據(jù)節(jié)點或行動者之間的關系模式來理解觀察學生的思想行為表現(xiàn)。這一認識范式對于提高大學生思想政治教育的針對性和實效性具有十分重要的作用。

4.2.2 思想政治教育者運用社會網(wǎng)絡分析在方法論上的重要性

高校輔導員是開展大學生思想政治教育的骨干力量,社會網(wǎng)絡分析方法為提高輔導員思想政治教育專業(yè)水平和職業(yè)能力提供了精細的分析工具。

社會網(wǎng)絡研究根據(jù)“關系” 對結(jié)構進行的研究都是可操作化的。例如,采用社會網(wǎng)絡分析的“社群圖” 方法, 對班級的社會網(wǎng)絡群體進行可視化的研究。輔導員可以對班干部或黨員的度中心性進行分析,考察群眾基礎和服務水平;還可以通過社群圖快速直觀地找到班級的孤立節(jié)點,有針對性的開展談心談話; 當然, 還可以通過中介中心性找到班級的“結(jié)構洞”,掌握班級重點學生的思想狀況,從而建設良好的班風。這對輔導員掌握每個班級乃至每個學生的個體實際表現(xiàn)情況都提供了科學方法,從而可以提高思想政治教育的針對性和實效性。

總之,社會網(wǎng)絡分析提供了一個新的研究范式,可以突破家庭、社會等類別屬性的限制。在迫切提升思想政治教育針對性和有效性的時代任務下,社會網(wǎng)絡分析作為數(shù)學、統(tǒng)計學、社會學等多學科交叉融合發(fā)展的研究范式,今后會越來越多的受到關注并成為教育研究的一個重要方向。