1. 引言
自20世纪70年代以来,教师压力 [1] 日益受到全世界教育界的重视,教师压力过大产生的教师职业倦怠 [2] 等等问题,会给教育带来不良影响。因此,缓解教师压力、减轻教师职业负担已成为一个迫切需要解决的问题。
杭州地区具有优秀的教学质量,浓厚的学习氛围以及丰富的教学资源,教师在这个城市的人口组成中占有相当一部分比重,因此我们选择对杭州范围内的中小学教师就各方面压力 [3] (学校、学生、家长方面及社会家庭、个人方面)展开调查。基于层次分析法和因子分析法对各方面的受压指数来综合分析教师总体的压力指数,从而得出当前教师受压状况以及对教师压力影响最大的多个因素,以此来研究教师减负减压的方案与策略。
2. 样本量的确定
为了估算需要的样本容量,我们通过预调查获取杭州市中小学教师的压力现状。我们将教师的压力程度从没有压力到压力非常大,给予0~100分的范围 [4]。计算出样本均值
,样本方差s2 = 2056.17,我们要求估计的相对误差不超过5%,即r ≤ 0.05,假定置信度为95%,即α = 0.05,此时t的统计量为1.96,极限抽样误差
,初始样本容量计算为:
再根据杭州教师人数
,修正总体大小:
根据预计问卷有效回答率r = 70%,进行最后调整,确定最终样本容量N:
通过以上的调整计算,初步得到
,由于初步扩大样本容量有助于减少误差,为了进一步保证估计的精确度,我们最后确定样本容量为700。
3. 教师压力影响因素调查结果分析
3.1. 基于主成分分析的影响因素降维
本文主要研究如下9种影响因素对教师压力状况的影响(为方便,后文将用
代替各影响因素):其中
为学生成绩,
为强制性教学任务,
为家长干涉教学,
为家长期望,
学生身心健康,
为经济压力,
为教师技能提升,
为同事间竞争,
为家庭与工作的平衡。
Step 1:取样适当性检验
Table 1. The test of KMO and Bartlet
表1. KMO和Bartlet的检验
数据进行标准化处理后的Bartlett球型检验的显著性见表1为0.000,因此可认为相关系数矩阵与单位阵有显著差异。同时KMO值为0.853 > 0.7,根据KMO的检验标准可知,此数据适合因子分析的程度为“适合”,这说明本次调查的变量可进行主成分分析。
Step 2:提取因子 [5]
Table 2. Explanation table of total variance of principal component analysis
表2. 主成分分析总方差解释表
由表2可知提取前4个显著性因子的累计方差贡献率达到76.268%,超过75%。因此可利用4个因子基本反映大部分指标信息,即代替原来的9个指标。
Step 3:对各个因子进行分析
Table 3. Load matrix after rotation
表3. 旋转后的荷载矩阵
由表3分析得第一个因子与因素
、
密切相关,归为成绩因素
;第二个因子与因素
、
密切相关,归为发展因素
;第三个因子与因素
、
、
密切相关,归为心理因素
;第四个因子与因素
、
密切相关,归为外部干涉因素
。
3.2. 基于层次分析确定因素权值
依照前述所得四个因子的旋转载荷平方和方差百分比,我们确定了准则层对目标层的判断矩阵如下:
并且利用MATLAB对模型进行求解分析出准则层各因子所占权重见表4:
Table 4. The weight of each factor in the criterion layer of AHP
表4. 层次分析法准则层各因子权值表
并且对所得结论进行一致性检验,得到检验值
,说明通过检验,可以将A的最大特征根对应的特征向量作为权向量。同样地,我们也对方案层到准则层也建立判断矩阵,得到
的表达式为:
本文定义,量表总得分
,各影响因子的评价值
,
。其中,评价值越接近1表明影响程度越大,越接近0表示影响程度越小。
4. 基于二元Logistic回归对压力与职业倦怠的研究
4.1. 模型的选取与变量的选取
考虑到后期模型建立的方便与分析的准确,我们在前期对众自变量与是否倦怠情绪进行列联分析,从而挑选出与因变量相关显著的因子作为本次回归模型的自变量,整理得到下表:
Table 5. Pearson chi square test of factors and burnout
表5. 各因素与倦怠情绪的皮尔逊卡方检验表
我们将表5中显著的因素设定为自变量,并且记因变量和自变量为(见图1):
Figure 1. Corresponding graph of dependent variable and independent variable
图1. 因变量与自变量对应图
4.2. 模型的建立与求解
为了确保模型自变量选取的可靠性,我们使用了前进法选逐一选取有效变量,来确保变量对于预测结果的有效性,有效保证预测结果。通过软件运行得到结果(下表只保留最终结果):
由表6我们通过观察最终结果可以发现五个自变量的Wald检验p值均小于0.05,通过显著性检验,故我们得到以下回归方程:公式设定为:
4.3. 模型的应用
通过上述建立的模型,我们可以用来预测不同教师群体是否产生过职业倦怠,从而进一步分析哪些特征人群更容易产生职业倦怠,从而能更加具有针对性地提出意见和建议帮助教师群体减少职业倦怠的情况. 在上述模型中,我们可以通过确定自变量:教龄、学段、学校位置、周课时数以及培训时长来确定人群特征,从而得到相应的产生职业倦怠的概率。下面我们以几类比较典型的教师群体为预测目标进行回归分析。模拟结果整理表格如下:
Table 7. Burnout rate of typical teachers
表7. 典型教师的职业倦怠率
由表7综合分析可知,对于工作量较小但是资历较老的老教师而言,由于工作内容的简单和繁复,更容易发生职业倦怠的情况。对于工作量极大、生活在城市、有一定教龄的成熟教师来说反而不容易出现职业倦怠。这一现象也说明了适当的工作量和压力反而能降低教师的职业倦怠情况,与实际情况贴合。
5. 建议
5.1. 经济方面
本文提出全面提高广大教师的教龄津贴,从之前的3元、5元、7元、到10元封顶的教龄津贴数量增长到随着教龄每增长一年,教龄津贴提高10元,即意味着教龄10年的教师可领到每月100元的教龄津贴,教龄30年的教师则每月可以领到300元的教龄津贴。这对广大教师工资停留在4000以下的教师是一个不小的数目。
5.2. 绩效方面
改变“唯升学率、分数论’评价体制 [6],坚持过程评价与结果评价相结合,教育教学评价体系科学与否直接关系到教师的工作积极性。教师教学劳动得不到客观、公正的评价工作缺乏成就感。成绩与学生自身因素也有关系,分数、升学率不能完全客观地反映教师的付出,教师品格、精神对学生的影响也无法量化,数字化评价方法容易挫伤教师积极性。故要探索新的评价体系,把过程评价与结果评价相结合,结合教师教学态度课堂表现“综合评价”以减少教师挫败感。
5.3. 教师个人方面
端正教育态度,减少功利性从教。当工作本身不能激发个体的积极性时,外在激励往往不会持续下去,但是工作环境、制度安排等却往往给员工带来不满意,不满情绪又会对工作热情产生反作用。
学会自我减压,调节负面情绪。多做科学研究,多进行学术交流,明确自身定位,从现实出发,提高业务素质 [7],为自己树立职业理想,并按既定目标不断努力。
合理表达诉求,积极谏言献策。积极纳言献策,于学校还是个人,良好的沟通文化,促进问题的解决,对校方和员工双方有利。
5.4. 社会地位
提高教师社会地位 [8],营造宽容的社会舆论环境,让教师感受到职业的尊严。教育是民族振兴的基石,社会对教师的高期待可以理解但要理性,教师也是普通人不是神,也有不完美的地方。提高教师的社会地位刻不容缓。
6. 结束语
通过本次研究,我们借助主成分分析法归纳了对于杭州市中小学教师来说主要的几大压力来源,同时也对由此产生的职业懈怠情绪进行分析,得到各类型教师人群其产生职业情绪的可能性,为后续针对性建议的提出提供重要依据。
致谢
感谢互联网提供我们研究数据支持和指导老师的殷切指导。