КОРРЕЛЯЦИЯ И ПРИЧИННО-СЛЕДСТВЕННАЯ СВЯЗЬ

В большинстве национальных оценок информацию о ряде индивидуальных и ситуационных переменных получают из анкет, заполняемых учащимися, учителями и (иногда) родителями. Переменные обычно выбираются на основании предположения об их связи с достижениями учащихся (может поддерживаться или не поддерживаться исследованиями). Лица, ответственные за разработку образовательной политики, могут также включать переменные в целях выбора мер государственного вмешательства, направленных на повышение достижений учащихся.

Связь между контекстной переменной и достижениями учащихся может быть представлена с помощью корреляции. Результат, показывающий, что переменные коррелированы (даже высоко) в национальной оценке, однако, не означает, что одна переменная является причиной другой. На это есть ряд причин. Во-первых, большинство национальных оценок являются по своей природе перекрестными. Сбор данных, относящихся к контекстным факторам

и достижениям, происходит одновременно. Таким образом, временная последовательность событий, в которой причина наступает раньше следствия, что обычно необходимо для поддержки вывода о причинно-следственной связи, не будет иметь места. Эту проблему можно обойти в случаях, когда некоторые контекстные переменные описывают прошлые события (например, время, затраченное на изучение учебной программы). Такая проблема также решена в тех редких случаях, когда данные об учащихся собираются в различные моменты времени. Учет характеристик учащихся на более ранней стадии их образовательной карьеры (включая более ранние достижения и контекстные данные) подкрепит выводы, которые могут быть сделаны в отношении последствий их школьного опыта (Kellaghan, Greaney, and Murray 2009).

Вторая проблема в определении причинно-следственных связей в национальном оценивании состоит в том, что факторы, влияющие на достижения учащихся, являются сложными и взаимосвязанными. Во многих литературных источниках выделялся широкий ряд факторов, связанных с достижениями, включая личные характеристики учащихся, факторы, связанные с семьей и сообществом, и обучающие технологии отдельных учителей. Статистический анализ, в котором единственная переменная связана с достижением, не только не сможет учесть эту сложность, но и способен привести к ложным выводам. Данный факт можно проиллюстрировать простым примером. Вывод о том, что учащиеся частных школ показывают достижения более высокого уровня, чем учащиеся государственных школ, может быть истолкован как означающий, что частные школы дают более качественное образование, чем государственные. Однако вывод придется изменить, если включить в анализ иные факторы, такие как уровень достижений учащихся на момент поступления в школу или обстоятельства домашней среды (например, социально-экономический статус родителей).

Сложность факторов, влияющих на уровень достижений учащихся, учитывается во множественном регрессионном анализе, когда «влияния» переменной изолированы путем систематического удаления или корректировки влияний иных переменных. Вывод, относящийся к причинно-следственной связи, подкрепляется, если после корректировки обнаруживаются значимые связи.

Множество более сложных регрессионных методов (их описание выходит за рамки настоящей работы), в которых шаблоны корреляций между прогнозирующим параметром и выходными переменными изучаются для выявления причинно-следственных связей, служат для дальнейшей поддержки выводов о наличии таких связей. Такие методы предназначены для выявления переменных, которые могут считаться модераторами, влияющими на направление и силу связи между критерием и независимыми переменными (например, гендерным признаком, возрастом, социально-экономическим фактором) и медиаторами, которые объясняют способы и причины возникновения эффектов влияния (Bullock, Green and На 2010).

Однако даже самые сложные методики анализа не решают дальнейшую проблему, которую влечет за собой вывод о наличии причинно-следственной связи, который был сделан на основе данных, полученных в рамках перекрестного исследования (например, национального оценивания). К примеру, данные могут быть недоступны в отношении важной, часто неконтролируемой информации, которая может оказать влияние на достижения учащегося. Такая проблема может быть решена только в рамках рандомизированного регулируемого исследовательского дизайна, в котором изучается прямое влияние одной переменной на другую после удаления всех иных возможных причин дисперсии.

Выводы о наличии причинно-следственных связей на основе данных национальной оценки довольно сложно сделать, поскольку информация, относящаяся к коррелятам достижений в оценивании, по-прежнему имеет практическое значение. Собранные в рамках оценивания данные, относящиеся, например, к гендерным признакам, местонахождению или этнической принадлежности, могут выступать в качестве важных сигналов, выявляющих проблемные зоны в образовательной системе, которые заслуживают внимания в процессе формирования политики, вероятно, направленной на вмешательство или корректировку. Определение характера такого вмешательства или корректирующих мер, однако, требует принятия во внимание местных условий и ресурсов, участия заинтересованных сторон и учета результатов соответствующих исследований (см. Kellaghan, Greaney and Murray 2009).

ПРИМЕЧАНИЯ

  • 1. Если подпись переменной (Применение - Процент правильных ответов) появляется в левой колонке Простой диаграммы рассеяния вместо названия переменной (Impl_pc), выберите Отменить и затем Редактировать - Опции - Общие - Списки переменных - Показать названия - Применить - ОК (к сообщению) - ОК.
  • 2. Если поменять две указанные переменные местами, это даст другие линии наилучшего соответствия. То есть линия, которая наилучшим образом прогнозирует у на основе х, - это не та же линия, которая наилучшим образом прогнозирует хна основе у.
  • 3. Ошибка «шум» (noise) отражает тот факт, помимо факторов, включенных в модель регрессии, что на зависимую переменную оказывают влияние и иные факторы.
  • 4. При подготовке к регрессионному анализу аналитик также должен проверить наличие выпадающих или крайних значений переменной (см. гл. 2), поскольку они могут исказить результаты. Также важно установить, показывают ли какие-либо переменные в уравнении высокую асимметрию. Выпадающие или крайние значения могут внести вклад в искажение оценивания параметров и статистических оценок.
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ ОРИГИНАЛ   След >