代写教育职称论文:统计是对具有概率性质的对象进行的研究,具体表现为研究事件或现象的随机性,研究事件和现象的趋势性,研究结论的推断性。研究事件或现象的随机性,是指研究事件或现象中的因果关系是不能确定的必然联系,无法通过推理得到事件或现象能否确切发生,但统计事件或现象的规律可以作为一种趋势而出现。例如,课堂教学中学生对知识的吸收率,完全是随机的和不确定的。第一代写网代写
这种规律显然是以因果联系为推理的科学归纳所不能适用的。研究事件或现象的趋势性,是指通过部分事件或现象可以对事件或现象的总体趋势或总和倾向进行必然的、定量的可能性描述。尽管这种趋势无法保证在每一个单独的事件或现象中被观察到,但可以从对大量的事件或现象的总和的描述中推测到。研究结论的推断性,是指通过部分事件或现象可以对未知事物或现象的总体行为进行推断。
统计研究是预见事件或现象的某种行为得以实现程度的大小的研究。例如,通过观察和实验得出许多元素的一次发生数据或单个元素的许多次发生数据,根据数据的平均值就可以判定这两种情况的属性、特点和趋势。理论根据就是概率论中的“大数定律”,进行数量估计,得到统计规律。在第二次世界大战中,盟军根据缴获的德军坦克编号,进行统计分析而推断出的德军坦克数量,与通过其他情报方式做出的估算相比,更接近德军坦克真实数目。这就是运用概率论中的“大数定律”进行研究推断的一个非常经典的例子。
同样,运用“大数定律”,我们可以对教育中大量存在的“无规则”现象进行分析,以采取有针对性的教育对策。例如,抽样调查全市学生假期选择的课余活动内容,就可以合理安排相应的活动场所。又如,通过对学生每天在特定时间内运用某种学习方法进行英语单词学习的记忆率的调查分析,可以得出学生记忆的基本数量特征,从而有针对性地改进教学方法。应用统计分析建立数学模型是现代教育科学研究的重要标志。数学作为辩证的辅助工具和表现方式,其发展水平深刻影响着人们的思维方式,影响着各门科学的进步。数学化已经成为一门学科能否科学发展的重要特征。
以定量的、精确的数学化的语言代替或补充定性的、近似的、经验的研究,以定量的、模型化的数学方法深化观察和实验研究,是一门学科能否科学发展的重要标志。经济学、心理学的发展就证明了这一点。从这种意义上讲,应用统计分析深化教育科学研究是现代教育科研的重要标志。教育领域的许多重要的理论和规律都具有概率性质,表现为统计规律。首先,每个人的成长就具有概率性质。
17世纪末,英国哲学家洛克提出的“白板”学说,认为每个人出生时都是一块“白板”,各人的性格都是通过生活经验得到的。到2001年,对染色体的研究显示人类只有约3万个基因,说明千差万别的人类行为不可能完全由基因决定。1998年,美国心理学家朱迪丝•里奇•哈里斯出版的《教子之方的假想》,用科学研究证实,父母教育孩子的技巧与孩子将来是否成材关系不大。这些都证实,人的行为是由先天、后天和纯粹的“意外”(尤其是偶然性导致的事件)混合的产物。
这就说明人的成长本身就具有随机性和不确定性。同时,教育的内容也都需要进行统计分析研究。例如,在课程中,无论是学科课程、活动课程、综合课程、核心课程,还是潜在课程,都有各自的优势,也有各自的不足。如学科课程具有知识逻辑性强,便于教学传授的优势,也存在教学内容与实际脱离的情况和忽视学生学习的能动作用等不足之处;活动课程强调学生学习的主动性,强调理论联系实际,但也存在教学内容缺乏计划性,不易使学生掌握全面、系统的知识等不足之处。这些都使教育教学的目标缺乏数量的确定性,使教育过程具有随机性和不确定性。
量子力学的产生与发展,使统计分析具有方法论的意义。1927年2月,玻尔和海森堡用随机数学的方法提出了测不准原则和互补原则,证明物质的基本粒子的运动轨迹是无法确定的,是具有概率性的。量子力学的产生给教育科学研究的方法论启示是:一切教育事件和现象都是具有随机性和不确定性的事件和现象。因为,影响教育测量的因素很多,而且这些因素也在不断地变化。仅从每次观察和测量误差的因果关系出发,否认随机性的客观存在,求出确定的数量结果,是不正确的。所以,教育科学研究需要随机数学方法。正是因为教育学与随机数学方法的结合,将统计规律运用到教育科学研究中,从而产生了新的边缘学科———教育统计学。应用统计方法进行教育科学研究时,除了要正确使用统计学定理和方法之外,还要特别注意以下三点。
一是抽样的随机性。所谓随机性是指选择样本是任意的,没有任何主观意志存在,总体每个元素都有同等的机会被选择作为样本。依据“大数定律”,不需要(有时也不可能)对事件或现象进行全体研究,只要选择部分的样本进行研究,但抽样必须具有随机性。如果没有抽样的随机性就不能保证样本以及数学模型的客观性。进行随机抽样,一方面,可以避免实验中人为的主观不自觉偏见和实验主体尚不知道的因素干扰;另一方面,由于随机抽样保证每个事件或现象是不可预测的,但多数实验结果稳定,因此可以应用概率论中的“大数定律”直接进行研究。
二是样本的代表性。所谓代表性是指选择的样本结构能够基本反映总体结构。样本与总体的各个层面和类型的元素的比例关系近似,样本选择没有任何“偏向”。如果存在“样本偏向”错误,统计结论不可能准确。
例如,1936年,罗斯福与兰登竞选总统,美国《读者文摘》事先进行了一次民意调查测验,根据电话簿提供的样本寄出1000万张选票,收回200万张,以此样本统计预测兰登占有优势。后来,罗斯福以60%选票当选,《读者文摘》预测失败,被迫于1937年停刊。而一位叫盖洛普的年轻人仅以5万张问卷调查就做出罗斯福当选的正确预测。其原因是当时正值美国经济大萧条,拥有电话的家庭在经济上属于上等阶层,而收入低的阶层尤其是失业者家庭中根本没有电话,而恰恰是这些人赞成罗斯福当选总统。这一统计学上的经典案例告诉我们,存在样本“偏向”的统计结果是不可能正确反映总体趋势的。在教育现象统计中也要避免“样本偏向”错误,做到样本结构与总体结构的近似。
三是统计推理的前提正确性。统计推理是借助样本推理代替总体推理,属于不完全归纳推理的范围。所以,推理的前提与结论的关系是或然的,保证结论的正确性必须是断定的结论一定在前提规定的范畴内。例如,当我们对不同学校毕业生进行分类时,我们会发现,一些文化积淀深厚、教育教学质量高的学校毕业生成材率高,相对较差的学校毕业生成材率较低。我们不能简单地说好学校是学生成材的决定性原因。事实上,有些相对较差的学校的毕业生也不乏成材者。在没有完全掌握人的成材规律或只知学校教育是成材部分原因前提下,不能断定好学校是成材的根本原因,只能说好学校毕业生成材的概率大于相对较差的学校。运用统计进行科学研究的本质意义就在于此。由于统计推理是一个或然推理,其结论的正确性不仅与样本选择有关,而且与理论前提也有关。因此,统计推理往往由于前提不正确而产生错误的结论。例如,1865年,优生学理论创造者弗朗西斯•高尔顿提出显赫家庭的孩子智力出众,成材
率是普通百姓家庭子女的240倍。由此推论,得出人的成材是由先天因素决定的这一荒谬论断。事实上,显赫家庭的孩子在成材的各种后天社会环境上,也同样优于普通百姓家庭的孩子。除此之外,在应用统计方法进行教育科学研究时,特别是在进行观察和对比实验中也应注意以下三个方面,以保证应用统计方法的科学性。
一是收集数据的组织问题。由于研究者兴趣、想法、利益未必与被调查的样本主体一致,所以收集数据时应考虑收集的方法、来源和真实性。例如,在对学生进行测量评价的试题中如果出现有关父母亲去世的信息,会引起失去父母的学生的伤心情绪,从而影响考试成绩。
二是研究约束的心理学问题。由于被研究者对观察或实验研究的敏感,使其在研究中非常重视自我形象,从而在行为上表现“失真”。例如,在得知接受研究的情况下,学生在课堂教学中的行为表现往往会比平常拘谨。又如,进行学校教师管理实验时,一些平常不被领导重视的教师,无/论环境怎样改变,往往都会比平时更加努力工作。三是统计判定的个人概率问题。这是由于对事物或现象的判定与个人的经验有关,这种经验有可能影响统计研究的结论,也有可能导致其他人错误地使用研究结论。例如,采用新的教学方法可以提高教学质量,在这一命题下,一些教师由于怕麻烦、不愿创新等原因,可能会故意缩小新教学法在提高教学质量方面的显著性;也有一些教师由于参与实验研究,可能会有意夸大新教学方法在提高教学质量方面的显著性。