保山地区中小学美育教育现状调查.pdf

中国科技期刊数据库 科研 198 保山地区中小学美育教育现状调查 许 蕊1 周俊燕1 杨建红2 蒋从丙3 张 玲4 1.保山中医药高等专科学校，云南 保山 678000 2.保山市隆阳区教育体育局，云南 保山 678000 3.保山市施甸县教育体育局，云南 保山 678000 4.保山市昌宁县教育体育局，云南 保山 678000 摘要：摘要：美育具有陶冶情操，净化心灵，塑造道德，引导行为，增加知识，激发人的思考能力、创造力，实现人的全面发展的重要教育形式。但目前我国美育仍然是一个“短板”，仍然处于“发展中”的状态。要准确把握美育教学的实际情况，正确认识目前美育教学的发展态势，并加以改进，对于促进美育教学的顺利进行，将是非常重要的。本研究以美育的相关理论为依据，以保山地区中小学学生、教师、家长为对象，采用实地走访、问卷调查、访谈等方法，对其美育教育的现状进行了客观、真实的调查。利用 SPSS 进行回归分析，寻找出多项影响美育的关键属性，并创建了机器学习美育预测模型，具有重要理论和实践参考价值。关键词：关键词：美育；教育；调查；SPSS 分析；机器学习 中图分类号：中图分类号：G633 1 研究背景 1912 年，蔡元培出任教育部长，他主持制定了 教育宗旨令，其中写得很清楚：“我们制定了一项教育方针，并将其公诸于世。重视德育，辅以实用教育，军事国民教育，并以审美教育来完善德育。“教育宗旨”，也就是现在所谓的教育纲领、方针和培养人才的目标。教育宗旨令，可以说是我国教育事业的最初纲领。审美教育应以德、智、体各方面的教育为重点，这一认识由此确立。蔡元培的“美育而不是宗教”体现了其美育理念：美育具有神圣性1。80 年代以后，美育越来越受到国家的关注。20 世纪 80 年代，在学术上出现了一场关于审美的大争论，审美教育问题再度成为热点2。新世纪以来，人们更加关注美育：关于全面加强和改进学校美育工作的意见在 2015 年 9 月 15 日发布，这是一份特殊的文件，表明了我国对美育工作的高度重视。在 2018 年 8 月 30日，习近平总书记在中央美术学院成立一百周年的时候，在给 8 名老师的回信中提到：“要立德树人，要立足于时代，要符合美育的特征，要发扬中华美育的精神，让我们的孩子们的身体和心理都能得到健康的发展3。今年四月二十日，在苏州召开的全国中小学美术教育工作座谈会上，陈宝生部长指出，一个国家，一个民族，不能无魂，不能无魂。我们必须充分认识到，在“五育”中，“弱于体美”仍然是一个客观的事实，同时也必须认识到，与党中央的要求、人民的期望、社会的需要，还存在着相当大的差距。因而本研究将展开 SPSS 定量研究，对美育的多种属性因素进行回归分析，并构建四种机器学习模型，以探索影响美育成效的关键属性。2 资料与方法 2.1 数据源与数据预处理 对保山地区中小学进行实地调研，选取美育特征类型明确的学生、教师、家长样本，构建美育调研情况数据库。筛选的样本表达矩阵包括需求样本（样本类型代码=“01”）和常规样本（样本类型代码=“11”）的数据7。对样本的美育信息进行标准化和规范化处理，针对具有明显异质性的类型，应包含尽可能多的需求亚型。预处理后构建需求信息表达谱数据库（表 1），数据共囊括了6种类型(需求学生、对照学生、需求教师、对照教师、需求家长、对照家长)，3808 例样本，每种样本量从 320 例到 1204 例不等。分别对 6 种样本进行分组，筛选美育状态良好记录为 case 组（样本类型代码=“01”），状态一般或差记录为 control 组（样本类型代码=“11”）。中国科技期刊数据库 科研 199 表 1 基因表达谱数据库 样本类型 总数 case control Code=01 Code=11 需求学生 572 513 59 对照学生 550 501 49 需求教师 560 502 58 对照教师 1204 1091 113 需求家长 602 530 72 对照家长 320 288 32 总数 3808 3425 383 2.2 建模方法 2.2.1 logistic 回归（LR）模型 LR 是一种多变量方法，在两个或者多个预测变量和一个结果变量之间建立函数关系。n 个自变量的logistic 函数模型如下8：01 12 21111n nbT XxxxP Yee （1）212333()()22ninninn 其中0,1,2是回归系数,1x,2x,.,nx是预测变量，P Y是被调研者定位为特定美育结果的概率。通过 logistic 回归方法确定向量 b，向量b 将每位被调研者与特定美育概率相关联。2.2.2 K 近邻（KNN）模型 KNN 算法一般是用多数表决方法，即由输入实例的K 个近邻的多数类决定输入实例的类。这种思想也是经验风险最小化的结果。已知训练样本为(,)iixy，当输入实例为x，标记为c，()kNx是输入实例x的 K 近邻训练样本集。因此可以定义：训练误差率是 K 近邻训练样本标记与输入标记不一致的比例。训练误差率表示为如下公式9：()()11()1()ikikijijxNxxNxI ycI yckk （2）因此，要使经验风险最小即误差率最小化，必须使（2）式中()1()ikijxNxIyck最大，即 K 近邻的标记值尽可能的与输入标记值一致，所以多数表决规则等价于经验风险最小化10。2.2.3 SVM 模型 SVM 算法可以在最小化经验误差的同时，最大化几何边缘。如图 1，限制边缘宽度的向量（点）是支持向量（SV），2 个异类支持向量到超平面的距离之和称为间隔。SVM 的基本思想就是将输入数据视为 n 维空间中的 2 组向量，通过在该空间创建一个分离超平面来对输入数据进行分类，这个超平面使 2 个数据集之间的边界最大化11。Class 1Class2Support vectorsHyperplaneMargin 图 1 SVM 原理图 2.2.4 RF 模型 RF 模型使用 bootstrap 方法有放回的随机抽样 n个新的自助样本集，创建 n 棵回归树，是多个决策树（DT）对样本进行训练预测的强分类器16。如图 2，每棵 DT 根据自己状态作判断，投票选取最终分类结果，克服了单棵 DT 易过拟合的缺点12。DataSetDecision Tree-1Decision Tree-2Decision Tree-NResult-1Result-2Result-NMajority Voting/Averaging 图 2 随机森林结构 该模型利用了10折交叉验证和网格搜索方法优化模型。k 折交叉验证将训练样本分为 k 份，1 份作为验证模型的资料，剩余的 K-1 份用来训练，交叉验证 k次，最终所有样本都验证了 1 次，并将 k 次结果平均为单一估测值，这样既可以增强模型泛化能力，又能避免模型过拟合13。网格搜索预设几种参数组合，采用交叉验证评估每组参数，选出优参建立模型，以达到剪枝效果14。2.3 模型评价指标 中国科技期刊数据库 科研 200 在机器学习领域，多类分类器的正确分类能力常用准确率（accuracy）、精确率（precision）、灵敏度（sensitivity）、特异度（specificity）、F1 Score衡量。各项指标在0,1之间取值，数值越大，模型效果越好，计算公式为15-16：a()/()ccuracyTP TNTPFNFP TN （3）/()precisionTPTPFP （4）/()sensitivityTPTPFN （5）(+)TNspecificityTN FP （6）1F2()/()precision sensitivityprecisionsensitivity（7）其中TP是正确预测正例数，TN正确预测反例数，FP错误预测正例数，FN错误预测反例数。F1 Score同时兼顾了分类模型的精确率和灵敏度，可以看作是模型精确率和灵敏度的一种加权平均17。3 结果 3.1 特征选择 使用 R 软件包 t.test 函数18评估每个基因在需求类型（group1=case）和正常对照（group2=control）中的差异显著性，调用 p.adjust 函数计算每个属性的显著性 FDR,最终获得了每个属性的差异信息。3.2 模型构建 模型变量选择：自变量包括 52 种“特征”属性，皆是数值型变量。因变量为样本类型且被命名为 type，为多分类变量，依次编码为需求学生=1，对照学生=2，需求教师=3，对照教师=4，需求家长=5，对照家长=6。利 用T函 数 转 置 矩 阵 数 据，并 调 用train_test_split 函数创建 7/3 的数据均衡分割（70%作为训练集，30%作为验证集）。采用多种机器学习方法LR，KNN，SVM 和 RF构建模型，通过准确率、精确率、灵敏度、特异度和 F1 Score 指标来评估分类器在验证集中的性能。最后，筛选出最优美育模型和影响美育结果的“特征”属性并导出。3.3 调参结果 10 折交叉验证和网格搜索依据模型指标（准确率、精确率、灵敏度、特异度和 F1 Score）大小调节超参。多次遴选后，选定 RF 分裂数据集指标范围entropy，gini，每棵决策树的最大深度范围为7,8,9,10,11，每 棵 树 叶 子 最 小 拆 分 样 本 量 范 围 为4,8,12,16,20,24，决 策 树 的 个 数 范 围 为13,15,17,19。穷 举 搜 索，选 择 最 优 参 数 为criterion:gini,max_depth:8,min_samples_split:16，n_estimators:15。3.4 模型结果分析 研究使用随机森林算法训练真实世界数据集，得到定位美育的“特征”属性重要性得分表。SPSS 分析结果如表 2，需求学生的前 10 位“特征”属性依次是课程创新度、校园景观陈设、师资力量、教室文化、美育理念、教师审美素质、教学方法、人际环境。对照学生的前 10 位“特征”属性依次是课程创新度、师资力量、学科渗透、校园景观陈设、教室文化、教师审美素质、美育理念、保障制度、人际环境。需求教师的前10位“特征”属性依次是工作制度、评价机制、人际环境、美育培训、教学观念、美育理念、课程创新度、教师审美素质、校园景观陈设。对照教师的前10 位“特征”属性依次是评价机制、人际环境、工作制度、美育培训、教学观念、美育理念、校园景观陈设、课程创新度、教师审美素质。需求家长的前 10 位“特征”属性依次是美育理念、家校共育机制、保障制度、校园景观陈设、美育培训、美育理念、人际环境、评价机制、课程创新度。对照家长的前 10 位“特征”属性依次是家校共育机制、美育理念、人际环境、评价机制、保障制度、校园景观陈设、美育培训、美育理念、课程创新度。以上 60 种“特征”属性对美育培养具有较好的特征性表述，对美育教育提升研究具有较好的借鉴意义。Logistic、KNN、SVM 和 RF 在美育数据集上的混淆矩阵如图 5 所示,模型预测效果均优异，量化评价指标如表 6 和 7 所示。纵向观察模型评估效果，6 种样本准确率指标测评结果中 RF 皆得分最高，平均得分为99.78%，高于 LR（平均得分 99.19%）、KNN（平均得分99.06%）和 SVM（平均得分 99.09%）。精确率指标测评结果中，除对照教师外 RF 均得分最高，平均得分为99.37%，与 LR、KNN 和 SVM 相比分别上升了 2.61%、2.8%和 2.95%。特异度指标测评结果中，除对照教师外 RF均得分最高，平均得分为 99.86%，与 LR、KNN 和 SVM相比分别上升了 0.33%、0.42%和 0.38%。且 6 种样本的灵敏度和F1 Score指标测评结果中RF皆得分最高。中国科技期刊数据库 科研 201 总体来看，RF 在 5 项指标评估中均表现优异,LR、KNN和 SVM 次之。究其原因，LR、KNN、SVM 以回归为基础，无法处理高度相关和非线性数据，而“特征”属性数据变量间有美学相关性，所以模型预测效果受到一定干扰。RF 算法不仅可处理高度相关性数据，且有效克服了单棵树易拟合的结构限制，所以由多棵树组成的强分类器 RF 算法效果最佳。图 5 模型混淆矩阵 横向观察模型评估效果，需求教师样本的分类准确性最高，不同算法下各项指标都高达 100.00%。对照教师其次，但对照学生和需求家长的精确度、灵敏度和F1 Score 甚至低至90.60%。从混淆矩阵中可以发现，部分对照教师和需求家长之间因调研难度较大存在难以区分的情况（对角线外有预测错误数据）。由于这种嵌入严重依赖于输入样本类型和数量，因此在没有更大样本队列的情况下，一些错误分类是不可避免的。4 讨论 本文以保山地区中小学美育调研数据库中学生、教师、家长样本类型为多分类追溯目标，结合 SPSS 进行数据分析，后分别利用四种机器学习方法:LR、KNN、SVM 和 RF 算法构建模型。模型评价指标值较高，有力验证了美育元素影响成效的假设，可有效辅助学校改善美育条件，提升美育教学效果。学生入学后，教师可以选择评估效果最佳的预测模型，将学生的具体美育特征属性字段值(识别的60个影响因素)按重要程度的先后顺序依次输入，得到输出结果，以预测学生未来美育成效，具有重要参考价值。表 2 “特征”DEGs 属性重要性得分 需求学生 score 对照学生 score 需求教师 score 课程创新度 1.25E-02 课程创新度 9.05E-02 工作制度 9.52E-02 校园景观陈设 6.18E-04 师资力量 6.21E-02 评价机制 1.31E-02 师资力量 5.61E-04 学科渗透 3.02E-02 人际环境 1.86E-03 教室文化 4.66E-04 校园景观陈设 2.34E-02 美育培训 1.44E-03 美育理念 3.50E-04 教室文化 2.31E-02 教学观念 1.24E-03 教师审美素质 3.33E-04 教师审美素质 1.79E-02 美育理念 9.30E-04 教学方法 2.75E-04 美育理念 1.60E-02 课程创新度 3.05E-04 人际环境 2.66E-04 保障制度 1.06E-02 教师审美素质 2.07E-04 实践活动 1.71E-04 人际环境 8.98E-03 校园景观陈设 7.30E-05 对照教师 score 需求家长 score 对照家长 score 评价机制 2.02E-02 美育理念 7.20E-02 家校共育机制 2.72E-01 人际环境 1.90E-02 家校共育机制 1.92E-02 美育理念 8.69E-03 工作制度 1.55E-02 保障制度 1.22E-02 人际环境 4.74E-03 美育培训 9.39E-03 校园景观陈设 4.69E-03 评价机制 1.34E-03 教学观念 8.89E-03 美育培训 4.21E-03 保障制度 8.70E-04 美育理念 5.57E-03 美育理念 4.00E-03 校园景观陈设 4.60E-04 校园景观陈设 1.76E-03 人际环境 2.87E-03 美育培训 3.21E-04 课程创新度 7.75E-04 评价机制 2.11E-03 美育理念 2.83E-04 教师审美素质 7.72E-04 课程创新度 1.11E-03 课程创新度 2.81E-04 表 6 机器学习分类性能比较 Type Accuracy(%)Precision(%)LR KNN SVM RF LR KNN SVM RF 需求学生 99.03 98.54 98.74 99.81 95.00 93.71 94.90 99.35 对照学生 98.74 98.35 98.35 99.81 90.60 94.04 94.04 99.33 需求教师 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 对照教师 99.61 99.22 99.61 99.81 100.00 99.38 100.00 99.39 需求家长 98.83 99.22 98.93 99.61 96.82 98.09 97.44 98.14 对照家长 98.93 99.03 98.93 99.61 92.13 94.19 92.13 100.00 中国科技期刊数据库 科研 202 Ave 99.19 99.06 99.09 99.78 96.76 96.57 96.42 99.37 表 7 机器学习分类性能比较 Sensitivity(%)Specificity(%)F1 Score(%)LR KNN SVM RF LR KNN SVM RF LR KNN SVM RF 98.70 96.75 96.75 99.35 99.08 98.86 99.08 99.89 96.81 95.21 95.82 99.35 94.67 94.67 94.67 99.33 99.43 98.97 98.97 99.89 95.63 94.35 94.35 99.33 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 100.00 98.78 98.17 98.78 100.00 100.00 99.71 100.00 99.71 99.39 98.77 99.39 99.69 95.60 96.86 95.60 99.37 99.42 99.65 99.54 99.65 96.21 97.47 96.51 98.75 95.35 94.19 95.35 95.35 99.26 99.47 99.26 100.00 93.71 94.19 93.71 97.62 97.18 96.77 96.86 98.90 99.53 99.44 99.48 99.86 96.96 96.67 96.63 99.12 参考文献 1黄瑜,种海燕,张玉勤.苏北地区中小学传统文化教育现状美育视角的现象分析及对策J.考试周刊,2013(100):1.2江唯.师范专业认证视野下中小学美育教学体系结构研究J.亚太教育,2022(6):76-78.3何素雯.浅谈语文教学中的美育J.课程教材教学研究:教育研究,2017(3):2.4康有俊.愉悦净化谈语文教学中的审美训练J.保山师专学报,1995(2):53-57.5陆晶晶,张鹏飞.在啦啦队运动中实施美育的方法研究J.体育时空,2013(5):41-42.6章凯.毕节市中小学美育工作现状调查报告J.北方文学:下,2015(9):2.7陆晶晶,张鹏飞.在啦啦队运动中实施审美教育的探讨J.青春岁月,2017(26):137.8唐努尔波拉提别克.关于乌鲁木齐市中小学传统文化美育课程开展现状的调查报告J.福建茶叶,2020,42(2):2.9丁传伟,李晓萌.对高参小武术项目开展现状调查的研究以首都体育学院参与海淀民族小学为例J.中国学校体育:高等教育,2016(7):8.10韦学清.美育视角下中小学乡村音乐教育发展现状探析及策略以广西桂平市乡村音乐教育为例J.视界观,2020(10):1-2.11庄园冯亚男.农村中小学美育现状调查与对策研究以山东东部地区为例J.山海经:教育前沿,2020(30).12李玉清.农村中小学美育现状的调查研究J.吉林教育,2018(12):2.13林暐博.美育好自己J.云南教育:小学教师,2020(12).14杨晓丽.如何提高小学音乐教学的有效性J.今天,2022(2):223-224.15杨春华.合唱艺术教育对高职艺术设计人才的美育价值及其实现途径J.中国轻工教育,2015(6):4.16王艳萍.论中小学音乐教育中审美能力的培养J.好日子,2020(8).17庞迪蓉,周梅.葫芦丝融入地方高校美育课程教学的思考J.黄河之声,2020(2):2.18鲁霏飞.高校舞蹈类课程教学的美育功能定位及实践J.艺术科技,2014,27(4):1.