高校青年教师教学能力和科研能力关系的实证研究

张 宁，郭 楠

(中央财经大学，北京 100081)

高校青年教师教学能力和科研能力关系的实证研究

张 宁，郭 楠

(中央财经大学，北京 100081)

本文对普通高等院校中青年教师教学能力和科研能力之间的关系进行了实证分析，其中教学能力既包括本科生教学能力也包括研究生教学能力。实证结果表明，青年教师的本科生教学能力和科研能力并没有显著的相关关系，同时研究生教学能力和科研能力也仅仅具有很弱的负相关性，而进一步的回归分析否定了两者的显著相关关系。 这从一定程度说明传统的“科研能力强，教学能力也一定强”的论断有失偏颇。其结果还进一步说明，目前的考核体系以及岗位管理方面存在一些深层次问题，亟须改进。

教学能力；科研能力；相关分析；回归分析

一、介绍

党的十八大明确提出“加强教师队伍建设”，在高校当中，青年教师是教师队伍中最具有活力的一个群体，他们通常是高校科研和教学的中坚力量，那么他们的科研能力和教学能力是否具有明显的相关性？该问题对高校教师考核体系以及高校教师管理至关重要，其结果可以作为教师岗位调整，教师管理体制改革的重要参考。

在此问题的国内研究中，大部分人认为，高校教师的科研能力是教学能力的重要基础，由此许多研究延伸出“科研能力好的教师教学水平不会差”等直观的推论，[1，2]但这样的结论通常受到大学生们的质疑。按照校内网上的一份非正式调查的结果，67%的大学生并不认为“科研好的老师教学也好”。值得注意的是，这些国内研究中，针对的对象通常是整个高校教师群体，而大学生们接触的教师群体却主要是中青年教师(超过50%)，所以这种研究和大学生的认识错位是有原因的，有必要对“高校青年教师”群体进行量化的实证研究，来给出一个明确的结论。

同时我们也注意到，国外的一些研究表明，高校中教师的教学水平和科研水平并不具有明显的相关性，甚至在一些调研中，某种情况下还有负相关的结论。这些结论虽然通过实际数据获得，但背景是国外相关的高校教师考核体系以及国外的科研管理体系，有其背后的教育以及文化原因，与中国目前的高等教育现状有很大差别。鉴于此，我们认为有必要用实证的方法来对“高校青年教师群体的教学能力和科研能力的关系”进行系统化的分析。

二、调查数据说明及初步统计结果

1.样本抽取说明

为使研究更具普遍性，我们样本都是通过随机抽取获得的。整个过程共分三步进行。

第一步，学校样本抽取，样本总数一共包括25所地处北京的211高校，抽取的样本数量5所。这23所高校是：清华大学、北京大学、中国人民大学、北京工业大学、北京理工大学、北京航空航天大学、北京化工大学、北京邮电大学、对外经济贸易大学、中国传媒大学、中央民族大学、中国矿业大学(北京) 、中央财经大学、中国政法大学、中国石油大学(北京)、北京外国语大学、北京交通大学、北京科技大学、北京林业大学、中国农业大学、华北电力大学(北京) 、北京师范大学、中国地质大学(北京)。*因专业方面考虑，我们没有将同为211工程院校的北京体育大学、北京中医药大学以及中央音乐学院列入。

第二步，专业样本抽取，样本总数17个，样本抽取数量5。为使结果更具有普遍性，我们尽量让专业的随机抽取与学校的随机抽取独立，但考虑到不同专业的普遍性，我们根据招生指南统计了各专业的权重，以此衡量该专业的普遍性，例如数学(或者基础教学)几乎权重为100%，意味着各所大学都设立了该专业。然后抽取的时候让权重大的专业有更大概率被抽取到。最终抽取结果如下： 金融，会计，数学(基础学科)，计算机科学与工程，(国际)贸易。需要说明的是，名称仅仅代表了大方向，不同的学校可能对专业名称有不同叫法，同时我们也注意到，工科的一些专业在抽取中很难被抽到，这原因就在于其权重很小，因为传统工科院校一般都设立经济类或者人文类的专业，但是传统的财经类院校却鲜有建立工科专业的。

第三步，教师样本抽取。尽管从统计上，将所有高校的所有专业的老师放到一起，进行随机抽样是最合理的，但是考虑到实现难度以及不同高校之间、不同专业之间教师数量的差异，我们在这里实行的是“条件再抽样”。根据抽取的5所学校的5个专业情况，按照青年教师总人数作为权重，计算各个学校和专业的教师随机抽取的数量；然后再在该学校该专业内进行教师抽样。最终，我们得到了113条原始数据记录，后期经过整理、合并剔出等数据预处理，得到有效样本103条，对应于这五所大学五个专业的103名高校教师。

需要说明的是，我们作为研究对象的是32-39岁的青年教师，共计103人，之所以选取这个年龄段的教师作为研究对象，是基于以下原因：

(1)这个年龄段是高校教师最有创造力的阶段，属于人生的平稳上升期，从某种意义上，这个年龄段的教师也是高校科研教学的中坚力量，在一定程度上代表学校的科研和教学水平。

(2)这个年龄段的青年教师已经适应了高校的生活，大部分已经形成了自己的科研习惯和教学方式；而新进教室因为磨合或者适应原因，其教学水平和科研水平存在很大波动，每年之间差异较大。[3]

(3)根据简单的数据统计，我们发现32-39岁的青年教师，承担了高出自身人数比例的教学任务和科研任务，因而更具有代表性和典型性。[4，5]

(4)青年教师的发展与学校的发展密切相关，青年教师的成长也是学校发展的重要任务，因此如何客观评价他们的科研能力和教学能力，他们科研能力与教学能力是否具有相关性等，都是各高校迫切关注的问题。

2.初步统计结果

在103名高校教师中：性别角度，男性62人，女性41人；职称角度，高级职称(教授)22人，高级职称(副教授)63人，中级职称(讲师)18人；专业角度，金融24人，会计21人，数学18人，计算机科学与工程22人，贸易18人。在本科生教学水平评价中，我们选取每位教师的一门课程的学生评价结果作为本科生教学水平得分：课程选取方面，我们选取该名教师上课次数最多的本科生课程，且在2012-2013学年第一学期有上课，从最终统计来看，基本上所选取的课程，教师至少讲过2次以上；时间选取方面，分数以各高校教学系统中2012-2013学年第一学期学生评价结果为准，为百分制。

青年教师本科教学评分的统计结果如表1所示。统计结果显示，选取样本中的青年教师本科教学评分均值为89.46分，标准差为6.27，大部分青年教师的评分集中在85-95分之间，说明大多数青年教师的本科教学水平相对较高，能够得到本科生的认可。

在研究生教学水平评价中，我们选取103名教师中有过3次以上正式研究生教学经历的教师(不含讨论班、讨论课、公开课等)，共计41人。这41人都有给研究生上过与个人研究方向一致的专业课程。教学水平得分取自该科课程2012-2013年第一学期的教学评价结果，为百分制。 青年教师研究生教学评分的统计结果如表2所示。统计结果显示，选取样本中的青年教师研究生教学评分均值为88.95分，标准差为5.6，大部分青年教师的评分集中在85-95分之间，说明大多数青年教师的研究生教学水平亦相对较高，能够得到研究生的认可。值得注意的是，研究生教学评分的众数是97，这也在一定程度上反映了研究生对于青年教师教学能力的认可。

表1 本科教学评分统计

表2 研究生教学评分统计

在科研能力评价方面，为了和教学评价一致，我们仍然以百分比表示科研能力，具体得分有以下两种情况：

第一类是所属学校实行考核分数的：我们用2010，2011，2012总分数除以规定工作量，得到一个系数作为得分。这可以去除不同学校考核分数不一致的问题。这也在我们选取样本时候起了作用。这个结果再归一化。

第二类是所属高校没有实行考核分数的。我们用晋升职称的年数来衡量。年数越短越好。这方面大家规定差不多，用词衡量是合理的。最后归一化。在通过以上两种方法得到科研分数后，我们还通过学院了解、同事评价等角度进行了实际验证，整体上符合事实，特别是那些高分数者，在学院或者学校中普遍被认为是科研能力较强者，这从另外一个角度说明我们给出的科研能力得分是合理的、公正的，这确保了后面研究结果的可靠。

青年教师科研能力评价的统计结果如表3所示。统计结果显示，选取样本中的青年教师科研评分均值为0.752，标准差为0.156，大部分青年教师的科研评分集中在0.60～0.90之间，说明大多数青年教师的科研能力相对较强，但仍有较大的提升空间。值得注意的是，青年教师科研评分的众数是0.502，这说明存在一部分青年教师的科研能力相对较弱，需要进一步提高。

表3 青年教师的科研能力评价统计结果

三、相关性统计分析

1.青年教师的本科生教学能力与其科研能力的相关性统计分析

根据前期整理的数据，我们重点分析青年教师的本科教学能力和科研能力的相关关系：我们把整个普通高校青年教师当作样本空间，这103个样本是从其中随机抽取的。记本科生教学能力得分为X向量，X=x1,x2,…x103;科研能力得分为Y向量，Y=y1,y2,…y103) 。 首先，我们通过绘制样本数据的散点图来直观了解两个变量之间的相关程度。如图1所示。

图1 本科教学评分与科研评分的散点图

从散点图中我们可以观察到样本点的分布较为分散，没有明显的趋势，可以初步猜测本科教学评分与科学评分之间的相关程度很弱。之后，我们通过计算Pearson相关系数和Spearman秩相关系数来进一步了解二者的相关程度。

Pearson相关系数给出了线性相关关系的度量，从-0.041的结果来看：负号表示一定的反向关系，这与传统理论分析给出的结论不一致——通常人们认为科研能力好的教师教学水平一般不会差；但同时应该看到0.041的相关系数值很小，从总体上说明，青年教师的本科生教学能力和他们的科研能力之间相关程度很弱。这里值得注意的是，得出的Pearson相关系数为负值，说明青年教师的本科生教学能力和其科研能力存在着一定的负相关关系，即随着对科研投入的加大、科研能力的提高，其所得的研究生教学评分可能会略有下降。我们在结论部分将对此结果进行进一步分析。

Spearman秩相关系数能够更好的解释线性以外的相关关系，计算秩相关系数结果为：

Ρ_XY=-0.047，P-Value=0.636这与pearson相关系数给出的结果类似。

(二)青年教师的研究生教学能力与其科研能力的相关性统计分析

同样的，我们记研究生教学能力得分为Z向量，Z=(z1,, z2,…,z103); 科研能力得分仍为Y向量 )。通过绘制散点图、计算Pearson相关系数和Spearman秩相关系数得出二者的相关性统计分析结论。首先，我们通过绘制样本数据的散点图来直观了解两个变量之间的相关程度。如图2所示。

图2 研究生教学评分与科研评分的散点图

从散点图中我们可以很直观地观察到样本点的分布也较为分散，两个变量之间的相关趋势不够明显，可初步猜测研究生教学评分与科学评分之间的相关程度较弱。之后，我们通过计算Pearson相关系数和Spearman秩相关系数来进一步了解二者的相关程度。

Pearson相关系数给出了线性相关关系的度量，从-0.077的结果来看，青年教师的研究生教学能力和他们的科研能力相关程度仍然很弱，但比本科教学能力和科研能力的相关性要高，同时我们也注意到该相关性仍然为负相关。Spearman秩相关系数能够更好的解释线性以外的相关关系，计算秩相关系数结果为：

Ρ_XY=-0.082，P-Value=0.604这和pearson相关系数给出的结果类似。

四、回归分析

从相关性统计分析的结果中，我们可以看出本科生教学能力与科研水平之间相关关系很弱；但研究生教学水平和科研能力之间具有一定的相关性，接下来，我们用回归模型来看一下，科研水平对研究生教学水平的解释能力。

在该回归模型中，解释变量为青年教师的科研水平，我们采用百分比的方式来反映青年教师的科研能力；被解释变量为青年教师的研究生教学水平，通过学生评分来衡量；模型中的控制变量为青年教师的性别和年龄，即在研究科研水平对研究生教学水平的解释能力时，将尽量保证性别和年龄两个变量相对稳定，从而减少这两个变量对被解释变量的解释程度。

就年龄变量而言，由于研究对象为青年教师，因而样本数据的年龄均分布在31-39岁，是一个较为集中的范围，对于被解释变量影响较小。就性别变量而言，为减少性别变量对于被解释变量的影响程度，我们将样本分为性别=1(男性)和性别=0(女性)两个群体，分别进行研究。

首先，我们拟采用线性回归模型来分析科研水平对研究生教学水平的解释能力。具体模型为：

Y=α+β1*X+β2*Age+β3*Sex+ε

其中，Y表示青年教师的研究生教学水平，为被解释变量；X表示青年教师的科研水平，为解释变量；Age和Sex分别表示年龄和性别两个控制变量；α为回归模型中的常数项，ε作为随机扰动项。通过线性回归模型得到的结果如表3所示。从线性回归中可以得知，R2值为0.069，调整后的R2值为-0.004<0，反映出所建立的线性回归模型拟合效果较差，但模型在统计意义上仍能反映一些规律。青年教师的研究生教学水平和科研水平之间的系数为-3.407，且p值较大，说明二者之间存在不显著的负相关关系，即科研水平对于研究生教学水平的解释能力较弱，且在科研水平较高的情况下，青年教师的研究生教学水平可能在一定程度上相对较低。另外，模型中包含了年龄和性别两个变量，分析了年龄和性别对于青年教师的研究生教学水平的解释能力，从系数和p值的结果来看，两个控制变量与被解释变量之间存在的相关关系并不显著，对回归结果影响较小。综合来看，回归分析进一步否定了两者之间的相关关系，从统计上看，两者相关关系并不显著。

表4 回归结果1

表5 回归结果2

五、结论与分析

根据以上研究可以得到如下结论：

(1)本科生教学中，青年教师的科研能力和教学能力在统计上具有很弱的负相关关系，从某种程度上可以这样认为：青年教师的科研能力和教学能力相关性很弱，甚至是负相关的，即科研能力较强的教师在一定程度上可能获得研究生较低的评价分数，虽然这种影响很弱。这和传统的“科研能力强的人教学能力也一定强”相矛盾，从而从统计意义上纠正了这一传统观点。

(2)研究生教学中，青年教师的科研能力和教学能力的相关关系与本科生类似，虽然相关程度稍大一点，但在回归分析中进一步否定了两者的线性相关关系。这说明传统中“科研能力与教学能力呈正相关”的印象也在统计上不成立。 综合本科生教学和研究生教学情况，实证分析的结果支持大学生调查的直观结果。通过深入分析，我们认为该结果存在如下一些原因：

① 科研水平较高的青年教师在科研方面投入的时间和精力较多，在教学方面的投入相对较少，可能导致教学水平相对较低，难以得到学生的认同。

②从青年教师个人福利来看，从事科研工作得到的报酬和奖励都较高，而从事教学获得的回报却相对较低。在这样的激励机制下，教师可能更愿意推进科研工作而非教学工作，一方面其科研能力能够得到一定提高，但另一方面其教学水平也可能呈现下降趋势。

③科研能力较强的青年教师对于科研学术严谨认真，这种态度可能形成较为严肃的课堂氛围，但相比较而言，学生可能更倾向于轻松愉快的学习氛围，因而这样的青年教师得到的教学评分反而可能较低。

④科研水平和教学水平的评价体系有待完善。在从对教学的评价来看，由于缺乏刚性的制度约束，学生的评价很难准确测度教学内容的深度、广度和前沿性，难以全面反映教师的教学水平。从对科研的评价来看，科研考核分数等考量指标也难以准确地考察教师的科研能力。不完善的评价体系可能造成二者之间呈现负相关。

⑤科研能力对教学能力的支撑作用需要一定的时间，是伴随着教师个人的成长而进行的，而我们的实证对象是青年教师，可以认为这个年龄段，科研能力还没有开始对教学能力形成有效的正向支撑。

⑤相关系数仅仅表明线性相关性，是否科研能力和教学能力存在其他复杂的相关关系需要进一步进行讨论。

(3)在所调查的青年教师中，那些同时进行本科生教学和研究生教学的老师，评价分数是一致的，且高于平均水平。

根据结论的建议：

(1)教学和科研一样是高等学校的立校之本，因为接触的学生更多，所以教学从长远看一样影响到学校的发展。

(2)既要重视教师的科研能力，也要重视教师的教学能力培养；

(3)既要重视科研能力突出的青年教师，也要重视那些教学能力突出的教师；

(4)尊重教师的个人选择，进行差异化培养，允许教师在教学和科研上，有所侧重；

(5)发挥教师的差异化作用，鼓励那些科研突出的老师更多的承担研究生课程；

(6)应完善科研和教学的评价体系。在科研评价中，应该增设考量指标，从各个方面评价教师的科研能力。在教学评价中，在学生评分的基础上，应该增加对教学内容广度深度、课程设计等方面的考察，进一步教师教学水平的评价体系。

[1] 韦兰用，罗秋兰，黄秋和,等.教学能力缺失成因分析及对策研究[J]．中国电力教育，2012(34):114-115.

[2] 唐丽，独立学院科研状况的实证分析一以广东省为例[J]．高等理科教育，2012(4):75-77.

[3] 苏杭，李广．高等学校青年教师队伍建设问题研究[J]．长春理工大学学报，2008(2):17-20.

[4] 曲倩劫.当前高校青年教师队伍建设存在的问题及对策[J].教育研究，2007(8)：95-96.

[5] 李震．培养高校创新型青年教师队伍的探讨[J]．西华大学学报:哲学社会科学版，2004(1):36-37.

[责任编辑张淑霞]

ACorrelativeAnalysisofUniversityYoungTeachers’TeachingandResearch

ZHANG Ning， GUO Nan

(CentralUniversityofFinanceandEconomics,Beijing100081,China)

The paper examines the relationship between the teaching (to graduates and postgraduates) and research of teachers in universities. Result shows that there is no close correlation between the teaching and research of young teachers. Teaching to postgraduates is only loosely related to research ability; this correlation is to be denied by a regressive analysis. The result demonstrates that “high research ability means high teaching ability” is not necessarily correct and that something must be improved in the present evaluating system.

teaching ability; research ability; correlativity analysis; regressive analysis

G451

：A

：1674-2087(2014)02-0076-06

2014-01-10

教育部教育部人文社会科学重点研究基地项目(11JJD790004)；中央财经大学2014年度党建和思想政治工作理论研究课题(DJA14001)；PICC项目资助(2013B04)

张宁，男，辽宁朝阳人，中央财经大学中国精算研究院副教授，硕士生导师，主要从事风险管理、科研评估体系研究；郭楠，女，山西大同人，中央财经大学保险学院本科生，主要从事保险学研究。