第一节  学校效能概述

一、学校效能的概念

学校效能：是指学校发挥某些积极作用的能力及其实际结果。对学校效能的全面理解：①优秀的工作成果，包括质与量两个方面在内的学校教育成果，这些成果可以基本满足学校所面对的公众的合理要求。②高质量的校内组织和人员素质。③通过改革创新而实现的对环境变化的适应能力，学校既能从变化的环境中努力吸收更多的资源，又能通过自身完善对社会做出更贡献。

为什么今天出现对学校效能的热情？

从宏观来讲原因：①基础教育“量”的发展已不是大问题，“质”的问题被突显出来。

②教育事业成为由政府财政支持的巨大文化产业，教育成本不断上升，纳税人的钱要花得其所，有限的资金投入应该得到较好的回报，而获得理想产出—投比的基础这一就是学校效能状况。

③世纪之交社会所发生的巨大变化要求学校效能在内涵与水平上都要有较大的提高，发适应新形势的挑战。

从学校管理这个微观层面来看，学校效能是其安身立命的基础。

首先效能作为学校的“潜质”是学校具有的职责行为能力的大小，是活动能量聚集的程度，它构成了学校实现教育目标特别是不断向前发展的“势“。

其次，作为学校活动成果的效能，是满足校内外各方面人员利益要求基础，是学校存在的目的。

二、学校效能模型

学校效能是当前国际教育研究界重点探讨的一个领域。怎样研究、测量学校的效能，这是一个颇有争议的问题。本文将介绍与这个问题有关的学校效能模型。就学校效能研究领域的文献来看，当前主要有三种学校效能模型：经济学取向，关注“教育生产函数”；有关有效教学和学习条件的教育心理学取向；综合的、多层次的学校效能模型。

1.学校效能的社会系统模型

社会系统模型，从经济学的视角出发，注视学校的生产功能，把学生当作教育的产出，将学校效能等同于学校质量效果，强调以较少的资源投入培育数量较多，质量较好的学生。

2.学校效能的“功能——层次系统模型

学校效能与学校目标密不可分，表现为学校实现有价值的目标的程度。从功能主要的角度说，学校目标是学校功能的体现。学校既有外显的功能，也有内隐的功能。此外，学校功能存在层次上的差异。

各种模式的主要特点表现为以下几个方面。

（1）目标模式

（2）资源——输入模式

（3）过程模式

（4）满意模式

（5）认可模式

（6）无问题模式

（7）组织学习模式

（8）全面质量管理模式

3.学习效能的层面模型

  第二节  学校效能的测量

一、学习效能研究方法的演进

20世纪60年代到70年代，学校效能研究主要面临统计分析方法及研究样本大小的挑战。在研究方法上的进步表现为，寻找替代传统回归分析方法的新技术，并开始在研究设计上考虑进行有效推论所需要的最小样本数。传统回归分析技术对数据分析层次的限制，以及大型研究在取样上的局限，是这一时期的研究受到攻击的主要原因。这一时期，美国的科尔曼( Coleman))和詹克斯(J en ck s)的研究是基于传统的多元回归分析技术，在选取大量学校，采用学校水平的测量及学生水平的社会经济背景的各种测量的基础上进行的，这些研究均是横断研究。而英国的鲁特( Rutter)等人的研究则因样本太小而无法得出具有推广价值的结论而遭到置疑。为应对挑战，研究者们开始寻找替代传统回归分析的新技术，并尝试在研究设计的取样上考虑有效推论所必须的最少样本数。

20世纪80年代，学校效能研究主要面临研究方法多样化及研究结论重复验证的挑战，具体表现在以下几个方面:研究的基本发现能否被其他调查重复，研究结果能否经得起更复杂的统计技术的检验，是否会在小学阶段发现同样结果，研究的结论能否应用到不同的社会和种族中。应对这些挑战，表现在方法上的进步是:采用实验研究和准实验研究等方法，并采用更加复杂的统计分析技术来探讨学校教育的效果及学校之间的差异。这一时期，各种验证因果关系的研究方法被广泛地应用到学校效能研究中，如实验研究和准实验研究等。为弥补传统回归分析的不足，有些研究者开始发展多层线性模型(H ierarchic Line-ar Model，简称HLM)，但由于其计算上的复杂性，一时还没有在研究中应用。

20世纪80年代末和90年代初，学校效能研究面临全面的概念挑战，为应对挑战，在方法上的进步表现为，采用更加复杂的研究设计，并探讨学校作用的内在过程及机制。80年代末，许多人提出了对学校效能概念的置疑，因此，需要重新界定学校效能的概念。此外，有关学生心理发展的心理社会性影响的结论也面临挑战。这种挑战首先来自于90年代以后生物学领域的基因革命所引发的学术界对环境影响人发展的信条的质疑，其次来自于对横向研究方法缺陷的不满。这一时期的研究，在方法上强调不能仅仅满足于发现有效的指标，而是要在观察事物之间的联系之外，对因果假设进行严格的检验，并识别关键的中间机制，理解相互作用的过程和多个关联环节的连接过程。这一时期的研究力图通过纵向研究数据测量个体的变化，并采用自然实验的方法，将混在一起的变量分离开来，同时，对假设的原因变量进行有效测量，系统地检验某种反应的变化(如学习成就、学习态度及行为等)，从几种假设的机制解释中明确出一种，以充分控制社会选择、初始水平和自我完善等因素的效果。

二、学校效能的测量

学校效能测量方法的进步是推动学校效能研究发展的主要动力。学校效能的测量涉及两个方面:一是学校效能的测量，一是学校之间效能差异的测量。两类测量都以线性方式表述学校效能特征，并依据一定尺度来为每个学校分配一个效能数量。学校效能一般是指学校对学生成就增长的贡献。由于影响学生成就增长的因素是多方面的，因此，学校效能往往与其他影响学生成就增长的因素混在一起，所以，必须在排除学校以外的其他因素的影响后，才能准确测量学校效能。

学校效能研究在效能测量方法上的发展主要表现在两个方面:一是统计控制技术的进步，一是学校内效能指标的提出。

统计控制技术的进步

学校效能测量的最大困难在于，学生并不是随机地被分配到学校，不同的学校在除教育质量以外的其他因素上也并不等同，父母的教育水平、家庭收入水平、班级大小、学生的个人能力与动机，以及学校之间在获得其他文化和教育资源、经济资源等方面都存在差异，这些差异也可能影响学生成就。学校教学质量上的差异与其他影响学生成就的因素混在一起发挥作用，因此，要测量学校效能的真实水平就需要分离出这些初始外部因素的效果。

测量学校效能的常用方法是统计控制法，其实质是对学校之间除教育质量以外的其他初始差异进行统计控制，并通过多元回归分析，计算出各种初始差异对学校成就的贡献，得出各初始差异的预测方程，然后，在学校的实际观察成就中排除由初始差异预测方程所估计出来的预测成就，其剩余的部分(又称残差)就是学校的效能。在这种情况下，学校效能的操作性定义为:观察到的(实际的)学校平均分与基于这些特征预测的平均分之间的差异(也就是回归残差)。④这些残差提供了识别“异常者”( outliers)的基础。“附加值”( V clue- added)法是统计控制法中的一种，它主要在控制学生社会经济地位变量的影响之后，再计算学校对学生学业进步的贡献。

20世纪80年代以前，学校效能研究均采用传统的多元线性回归技术来获得预测回归方程，并没有区分学校层次的变量和个体层次的变量的不同影响。直到80年代末，随着计算机软件的问世，多层分析模型才开始被用来估计学校效能。

在20世纪八九十年代，人们主要关注学校效能指标(又称为“表现指标”performance indicestore，大多数研究都采用学校平均成就分数测量。这引起了很大的争议。以学校平均成就分数作为学校效能指标的主要问题在于以下两个方面。第一，这类指标的用途非常狭窄，主要在于对学校进行排序，它并不能解释造成学校差异的原因。第一，大量研究显示，这种“表现指标”在提供有关学校的可靠信息方面存在着严重的局限:它很难提供能把握学校特征所有重要方面的单维或一维的学校效能差异测量;用于分析学校表现的信息通常来自于几年前进入学校的一群学生，这些结果能否应用于学校未来学生身上;对学校或教育机构的效能判断不能仅靠一群学生某一时的表现，而是要看他们在一段时间单表现的变化;对学校效能的比较，要基于对入学成就和其他相关因素的合适的调整，但即使这样做后所产生的教育“附加值，’(或增值)估计，也常常有很多的不确定性，使得它难以提供可靠的信息。

三、多层线性模型的发展与使用

在社会科学研究中，调查得来的数据往往具有层次结构(嵌套结构：的特点。在教育学与心理学的研究中这种情况尤为常见，如关于学业成绩影响因素的研究中，我们可以考虑的预测变量有学生的入学成绩、学生性别、学生的社会经济地位、班级人数、班主任和任课教师、教室环境等这些变量中有的是学生个体层面的变量，有的是班级层面的变量。这梢的数据具有两个水平，第一水平是学生，第二水平是班级，学生嵌套于到级之中，称之为分居数据。如果观测涉及不同的学校，同时考虑不同的学校变量，则构成一个三水平模型。学生水平嵌套于班级水平，班级水平恼套于学校水平。在层次结构数据中，不仅有描述个体的变量，而且有个仍组成的更高一层的变量。在经济学、地理学、心理学和社会学的研究中不乏这样的数据存在。根据层次结构数据的特点，重复测量的数据也互以看成是具有层次结构的数据，其第一水平为不同测量，第二水平为个体，重复测量数据的这一层次性的特点扩大了多层线性模型的使用范围。　　

对于多层数据，传统的回归分析有两种处理方法：　　

(1)将所有的更高一层的变量都看做是第一水平的变量，直接在学生个体水平上对数据进行分析。这样做存在的问题是，班级变量对同一个班级内的学生有相同的影响，不同班级学生对应不同的班级变量，而不区分班级对学生的影响，假设同一班级的学生间相互独立是不合理的，同样对不同班级的学生和相同班级的学生作同一假设也是不合理的。　　

(2)将第一水平的观测直接合并为第二水平的观测，然后直接对班级作分析，这样做的主要问题是丢失了班级内学生个体间的差异的信息，而在实际中，这一部分的变异有可能占总变异中很大的一部分。　　

上述两种方法有可能得到不同的结果，在对结果的解释上也很不一致。基于上述的讨论，这两种分析数据的方法有一个共同点：它们都没有考虑数据间分层的特点，有可能对数据结果作出不合理的甚至是错误的解释。这就是传统回归分析方法在分析具有结构层次特点数据时的局限性。　　

传统的线性回归模型假设变量间存在直线关系，变量总体上服从正态分布，方差齐性，个体间随机误差相互独立。前两个假设较易保证，但方差齐性，尤其是个体间随机误差相互独立的假设却很难满足。即不同班级的学生可以假设相互独立，但是同一班级的学生由于受相同班级变量的影响，很难保证相互独立。因此在分析具有层次结构特点的数据时，应将传统回归分析中的误差分解为两部分，一部分是第一水平个体间差异带来的误差，另一部分是第二水平班级的差异带来的误差。可以假设第一水平个体间的测量误差相互独立，第二水平班级带来的误差在不同班级之间相互独立。多水平分析法同时考虑到不同水平的变异，这也正是多层线性分析法的应用越来越受重视的原因，它不仅在模型的假设上与实际情况更加吻合，更重要的是由这种方法得到的结果能更合理、正确地揭示事物之间的真正关系。

多层线性模型的适用范围非常广，凡是具有嵌套和分层的数据均可使用多层线性模型进行分析。此外，多层线性模型还可以用于纵向研究。采用多层分析的方法处理重复测量数据与时间变量之间的关系。在多层结构中可以对非平衡测量数据得到参数的有效估计。因此用多层分析法处理重复测量的数据，不要求所有的观测个体有相同的观测次数。在纵向调查研究中，由于各种各样的原因，被试个体观测值部分缺失的情况时有发生，因此多层分析法处理缺失数据而不影响参数估计精度的这一特征，使得多层分析法处理在处理纵向观测数据时，比传统多元重复测量方法有很大的优势。与传统的用于处理多元重复测量数据的方差分析和回归分析方法相比，多层分析法至少具有以下优点：多层分析法通过考虑测量水平和个体水平不同的差异，明确表示出个体在水平1（不同测量点）的变化情况，因而对于数据的解释（个体随时间的增长趋势）是在个体与重复测量交互作用基础上的解释，即不仅包含了不同测量点的差异，而且包含了个体之间存在的差异。多层分析法对数据资料较传统多元重复测量方法有较低的要求，对于重复测量的次数和重复测量之间的时间跨度都没有严格的限制。不同个体可以有不同的测量次数，测量与测量之间的时间跨度也可以不同。多层分析模型可以定义重复观测变量之间复杂的协方差结构，并且对所定义的不同的协方差结构进行显著性检验。在多层分析模型中，通过定义第一水平和第二水平的随机变异来解释个体随时间的复杂变化情况，当数据满足传统多变量重复测量模型对数据的要求和假设时，层次分析法得到与传统固定效应多元重复测量模型相同的参数估计和假设检验结果。用多层分析模型可以考虑更高一层的变量，如不同地区儿童对个体增长的影响。但是多层分析模型也有缺点，首先用于多层分析模型的参数估计方法较传统估计参数的方法要复杂得多，而且不能处理变量之间间接的影响关系和处理复杂的观测变量和潜变量之间的关系。