原创《科学取样以小窥大》
该文是关于科学类论文范本跟取样和小窥和科学相关论文范本。
张丽
2013年底,成都市被确定为全国中小学教育质量综合评价改革实验区.2014年,成都市在一、二、三圈层分别选取一个区（市、县）试点教育质量综合评价改革,并率先在全国（30个实验区）形成评价报告.2015年,成都市教育质量综合评价改革覆盖全市所有区（市、县）和直属学校,采用抽样概率与规模大小成比例的抽样方法（简称PPS法）,抽取了20007名五年级学生和11998名八年级学生进行测评,涉及全市175所小学和148所初级中学.
由于本次测评涵盖全市21个区（市、县）和直属学校,同时存在没有可直接利用的学校信息数据库、部分学校一校多区、学生流动等实际问题,为了保证收集到的数据能代表各个区（市、县）的真实情况,保证测评结果的科学性和准确性,抽样成为本次测评的一项重大基础性工作.由于实际问题较为复杂,抽样过程经历了多次修改和调整,力图保证抽样学生的代表性.在经历了本次测评的完整抽样工作后,现对抽样的认识以及实践后的思考作一梳理,供全国各实验区学习交流.
抽样概要
抽样原因.教育质量综合评价采取抽样方式选定参与评价的对象,主要有两方面的原因,一是抽样的目的及其自身的特点,二是评价改革的政策要求.就抽样的目的及自身特点而言,抽样是为了通过对有限对象的测查推论总体情况,而不用对全体个体进行逐一考查,相较于普查、典型调查（包括重点调查等）、个案研究,具有节约调查成本（人力、费用及时间）、随机性、推论准确性高的特点.抽样在教育测评中实用性较强,由于教育测评涉及学生人数众多,测试的组织和实施需要较多的人力和物力,目前大型教育测评项目（如PISA、TIMSS、NAEP、我国基础教育质量监测等）均采用抽样的方式搜集数据资料,通过对抽样学生的测评推论全体学生的整体情况.
《教育部关于推进中小学教育质量综合评价改革的意见》（教基二[2013]2号）中就评价方法明确指出：“测试和调查都要面向学生群体采取科学抽样的办法实施,不针对学生个体,不得组织面向全体学生的县级及以上统考统测,避免加重学校和学生负担.”因此,无论是从节约成本角度,还是从减轻学校和学生负担角度,抽样都是现阶段教育质量综合评价优先采用的方式.
常用抽样方法及其特点.常见的抽样方法包括简单随机抽样、等距抽样、分层抽样、整群抽样、多阶段抽样.简单随机抽样是按随机性原则直接从总体中不放回的抽取样本,其特点是简单直观,推论总体准确,是其他抽样方法的基础.等距抽样是按某一顺序将总体中所有单位排序,再以固定间距直接随机抽取调查单位,其特点是代表性好,但样本分散,调查成本高.分层抽样是把总体单位按一定标志分成若干类型,在各类型中随机抽取调查单位,其特点是代表性好,调查成本比较节约.整群抽样是将总体分成若干群,以群为单位,从总体中随机抽取群,对抽中的群内单位全部进行调查,其特点是代表性相对差一些,但调查成本较低.多阶段抽样是按不同层级,逐层抽样,最低层级上随机抽取调查单位,是简单随机、等距、分层、整群等方法的综合运用.目前大型教育测评项目中一般均采用多阶段抽样,本次中小学教育质量综合评价也采用了这种抽样方法.
2015年的抽样流程
大型教育测评的抽样一般包括抽取样本区（市、县）、抽取样本校、抽取样本学生三个环节.2015年成都市根据全市五年级和八年级学生总数确定各抽取12000个样本,且全市21个区（市、县）和直属学校全部参加本次测评.因此,本次测评只需抽取样本校和样本学生.
首先是抽取样本学校.根据上报的学校学生数量信息,分别计算成都市每个区（市、县）的五年级和八年级学生总量,以此作为从各区（市、县）抽样的基数；根据各区（市、县）五年级和八年级的学生总数,确定24000个样本应分摊到各个区（市、县）的比例和实际样本数量；以各个区（市、县）应被抽取的学生样本数量为基础,根据PPS法在各个区（市、县）中抽取样本学校,并确定样本学校中应抽取的学生样本数量.
关于样本学校数量的确定.PISA规定每个经济体不得少于150个学校样本,参照这个标准,本次八年级抽样抽取150所学校,再按各个区（市、县）内学校数的比例分配.而五年级学校数明显多于八年级,且五年级每所学校的平均人数要比八年级少,如果5年级也抽取150所学校,会造成大量学校人数小于应抽样的人数.基于上述考虑,五年级按150所学校进行分配后,再在每个区（市、县）增加1所学校,从而减少和避免学校总人数小于应抽取样本数的情况.本次抽样设定学校样本数的目的,是为了估计一个区（市、县）内每所学校应抽取的人数以及计算抽样间距（学生总数/抽样学校数）.只要每所学校抽取人数和步长比较合理,各个区（市、县）应抽取的学校数可以按照各个区（市、县）学校的特点进行设定.
其次是抽取样本学生.每个区（市、县）抽取学校数设定后,再根据每个区（市、县）抽取的总人数计算出每个学校应抽取的人数,依据应抽取的学生数量,随机抽取学生样本.
四点反思
建立和维护学校基本信息数据库.本次测评抽样的基础性工作是收集各个区（市、县）学校的基本信息,包括学校城乡分布、学校类型、学校荣誉、办学质量、学生数量、对应年级教师数量等信息.由于缺乏可使用的完整学校基本数据信息,本次基础信息的采集使用教育局近期相关数据和学校填报相结合的方式,但结果并不理想.一是教育局提供的相关数据尽管是近期的,但也存在不完全准确的情况；二是一校多区的校区信息没有明确,可能导致测评实施的难度增大,因此在抽样过程中需要特别注意；三是在间隔期间个别学校发生变动的情况未知；四是部分学校对于城乡分布的界定存在疑惑,导致上报的数据存在偏差,不利于后期的数据分析.这些因素都可能导致抽样的误差增大,因此,建立区域学校基本信息数据库以及针对学校、学生变动等情况对数据库的维护和更新显得尤为重要,这是提高测评工作效率的重要保证.
注意抽样的细节问题.本次测评学校抽样结果中存在不同教学质量学校的比例在各区（市、县）之间存在一定差异.其原因在于,我们在区（市、县）内部抽取学校时,没有进一步考虑分层变量.分层变量是可能与学业质量密切相关的影响因素,一般有两类,显性分层变量和隐性分层变量.显性分层变量一般为学校所属地（分为城区、镇区、乡村）等；隐性分层变量包括学生入学成绩等级、学校质量、学校性质（公办、民办）等.应该将区（市、县）内所有学校划分到不同的显性层级中,在各层次里再按照隐性变量为学校排序,最后根据计算出的抽样间距在每个外显层面抽取样本学校.这个过程可以保证各个显性分层中均匀包含各类学校,避免出现区（市、县）之间学校质量分布不均的问题.对于显性分层变量和隐性分层变量,显性分层变量一般为地域变量,较易确定,如本次测评中以区（市、县）作为显性分层变量.而隐性分层变量需要收集相应信息,这里又存在一些问题,如学校质量涉及如何界定不同质量水平的问题,不同区（市、县）之间学生初始成绩需要等值的问题等.这些问题,还有待于我们在实际工作中进一步研究解决.
基于追踪研究的需要.成都市作为全国中小学教育质量综合评价改革实验区,评价工作已经成为年度连续性工作,涉及到评价后对学校教育质量变化的评估.将连续测评结果反馈给学校,对学校制定未来发展计划非常必要.因此,在保证抽样能代表各区（市、县）总体情况的前提下,如何针对学校进行跟踪研究,这个问题在抽样时需要考虑.一个思路是,事先确定有代表性的跟踪研究学校,在抽样完成后,如果没有抽到该学校,根据显性和隐性变量,取代被抽到的类似学校.另一个思路是,不事先确定跟踪研究对象,在两次抽样中找寻两次都被抽中的学校进行跟踪研究.
抽样测评的未来走向.在“互联网+”时代的云计算、大数据、人工智能技术不断成熟的背景下,抽样测评的未来走向可能有两个,一是新技术促使抽样过程更加便捷和自动化,根据完善的、丰富的基础信息,结合测评需求设计抽样步骤,通过高效的程序化过程就能迅速准确地完成抽样；二是来自大数据的挑战,大数据的一个特点就是全样本数据的收集和分析,目前大数据在商业领域运用较多,但在教育领域的应用还比较少,如果将来大数据在教育领域的运用日益广泛,未来在考虑成本、可操作性、教育教学实际情况等多种因素后,可以选择抽样测评或全样本测评.
科学论文参考资料：
此文点评:本文论述了大学硕士与科学本科科学毕业论文开题报告范文和相关优秀学术职称论文参考文献资料，关于免费教你怎么写取样和小窥和科学方面论文范文。
