学校资源配置对学生学业表现的影响——基于PISA 2018的数据分析

The Impact of School Resource Allocation on Students’ Academic Performance—A Data Analysis Based on PISA 2018

摘要: 利用PISA 2018的数据对我国四省市学校的数字资源投入和师资资源投入与学生阅读成绩的表现进行了分析，结果显示：数字资源投入方面，可联网使用的数字资源越多，学生的阅读成绩越好；师资资源投入方面，教师数量、具有教师资格证教师的数量、博士学历教师数量越多，学生的阅读成绩越好；师生比越小，学生的阅读成绩越好。基于研究结果，对学校资源配置方面提出了一些建议，旨在合理配置学校的资源，提高学生的阅读成绩。

Abstract: This study analyzes the relationship between the digital and human resources of schools in four provinces in China and students’ reading performance based on PISA 2018 data. The results show that the more available digital resources that can be accessed online, the better students’ reading performance; the more teachers, qualified teachers, and PhD-holding teachers a school has, the better students’ reading performance; the smaller the student-teacher ratio, the better students’ reading performance. Based on the research findings, some suggestions are put forward to reasonably allocate school resources and improve students’ reading performance.

1. 问题提出

在全球化与信息化高速发展的今天，教育作为国家发展的基石，其质量与公平性日益成为社会各界关注的焦点。学生学业表现，作为衡量教育成效的关键指标之一，不仅关乎个体未来的职业发展与生活质量，也是衡量一个国家或地区教育整体水平的重要标尺。然而，学生学业表现的提升并非孤立现象，它深受多方面因素的影响，其中学校资源配置的合理性与充分性扮演着至关重要的角色。学校资源是学校开展教育教学活动所必需的物力、人力、财力等教育资源的总称。一般认为，教育资源投入直接关系到学校教学与管理活动开展的水平与效果，学校拥有较多的教育资源将有助于提升学生学业表现，而学校资源的缺乏则有可能损害学生平等接受教育的机会、过程和结果，甚至有可能造成学生长期发展成就的差距[1]。经济合作与发展组织(OECD)发起的国际学生评估项目(Programme for International Student Assessment, PISA)自2000年起，每三年进行一次，旨在通过标准化的测试与问卷调查，评估全球多个国家和地区15岁学生的阅读能力、数学能力和科学能力，并深入探讨影响这些能力发展的因素。PISA不仅关注学生的学习成果，更重视学习背后的环境、制度及资源支持等深层次原因，为各国教育政策的制定与优化提供了宝贵的参考数据。PISA 2018主要测试学生的阅读能力，我国北京、上海、浙江、江苏四个省市的12,058名学生和361所学校参与了此次测试。

近年来，随着PISA数据的不断发布，越来越多的研究发现，学校资源配置的差异性对学生学业表现具有显著影响[2]。这些资源包括但不限于教学设施、师资力量、教育资源投入(如图书资料、信息技术设备等)、学习环境(如班级规模、学习氛围)以及政策支持等。特别是在资源分配不均的背景下，优质教育资源往往集中于少数学校或地区，导致教育机会的不平等，进而加剧了学生学业表现的差距。基于这些背景，本研究旨在通过深入分析PISA 2018年的数据，探讨学校资源配置对学生学业表现(阅读成绩)的具体影响机制与路径。具体而言，本研究将主要探讨两个问题：一是学校资源配置的哪些维度(数字资源、教师资源、师生比)对学生学业表现有显著影响？这一问题旨在识别影响学生学业表现的关键资源配置因素，为后续的政策制定提供精准靶向。二是如何优化学校资源配置以促进全体学生学业表现的均衡提升？

2. 文献综述

最早对学校资源配置与学生成绩之间的影响研究可以追溯到1966年美国公布的《科尔曼报告》，该报告通过教育生产函数分析，学校资源差异对学生成绩差异的解释力有限。影响学生成绩的主要因素非学校或教师，而是学生家庭背景及其社交圈。导致学生成绩差异的关键因素，是家庭父母的教育程度和家庭经济状况，而非教学材料、课程或方法[3]。我国最早是由蒋鸣利用相关分析和多变量方差分析方法，分析我国农村基础教育投入对学生学业成绩的影响。其研究结果发现，不同教育阶段，学校资源对学生成绩的影响不同[4]。赵必华借助多层线性模型分析安徽省十个县的数据发现，学校平均社经地位、班级平均人数、师生良好关系、教师期望对学生成绩具有正向影响，而教师平均教龄、学校文艺活动对学生学业成绩均呈现负向影响[5]。此外，田亚惠和姚继军利用元分析方法对我国学校资源与学生成绩的关系进行研究，发现不管是学校资源整体还是人、财、物三方面，对学生成绩的影响效应均为正，且均在1%的水平上具有显著性[6]。另外，不少研究发现学校社会经济地位与学生成绩间存在显著的正相关关系。陆璟利用PISA 2009上海的数据研究发现，上海地区的学校平均社会经济地位能显著正向预测学生阅读成绩[7]。Nye发现，社会经济地位不同的学校的学生在成绩方面没有明显差异，但低社会经济地位学校的教师效应差异大于高社会经济地位学校[8]。综上所述，自《科尔曼报告》以来，学校资源配置与学生成绩关系的研究已历经数十年，早期研究强调家庭背景的关键作用。随着我国研究的深入，多维度学校资源因素对学生成绩的复杂影响逐渐明晰。同时，学校社会经济地位与学生成绩的正相关关系得到广泛验证。尽管学校资源配置与学生成绩的关系已经得到了广泛的研究，但随着信息技术的快速发展，学校数字资源的投入对学生学业表现的影响研究尚显不足。现有研究较少深入探讨数字资源如何影响学生阅读成绩，以及其与教师资源投入之间的相互作用。本文利用PISA2018数据，基于多层线性模型，旨在深入探究学校数字资源与教师资源投入对学生阅读成绩的影响，为教育政策制定提供科学证据，促进教育资源优化与教育公平、质量的提升。未来研究应持续关注数字资源的教育应用及资源配置策略。

3. 研究方法

3.1. 数据来源

本研究数据来源于经济发展与合作组织(OECD)于2018年组织实施的国际学生评价项目(Programme for International Student Assessment，简称PISA)。PISA 通过测试全球各国家或地区15岁在校学生掌握适应未来社会生活所需素养技能(数学、阅读和科学素养) 的程度来对各国家或经济体教育系统运行情况进行监测和评估。PISA采用分阶段的抽样方法来获取测试样本。第一阶段使用规模大小成比例的抽样方法(PPS)来获取参加测试的学校，第二阶段从参加测试的样本学校中获取学生样本。我国北京、上海、浙江和江苏四省市作为中国联合体参加了PISA 2018测试。PISA 2018中国四省市数据库中的学生素养成绩数据、学生和学校背景数据为本研究的开展提供了数据支撑。在剔除研究变量存在缺失的案例之后，本研究样本数据包括11,958名学生及其对应的361所学校。

3.2. 研究变量

(1) 因变量

本研究选取学生的阅读素养成绩作为学校教育结果变量(因变量)。在PISA2018数据库中，每位学生在阅读素养成绩包括10个似然值，本研究选取这10个似然值的平均值作为学生的阅读成绩(见表1)。

(2) 自变量

本研究选取学校资源变量为自变量，包括学校数字资源(可用数字资源、可联网教学数字资源)和学校教师资源(全体教师、具有教师资格证的教师、具有本科学历的教师、有硕士学历的教师、有博士学历的教师、师生比)。

(3) 控制变量

本研究选取学生个人特征和学校背景作为控制变量。学生个人特征包括性别、级别、ESCS；学校背景特征包括是否为城市学校、是否为公办学校、学校规模和班级规模。

Table 1. Variable content description

表1. 变量内容描述

类型	变量名	变量描述	均值/标准差
因变量	阅读成绩	连续变量	560.922/86.160
个人特征	性别	类别变量 男生 = 1 女生 = 0	0.521/0.499
	级别	类别变量 高中 = 1 初中 = 0	0.643/0.479
	ESCS	连续变量 值越高代表家庭社会经济地位越高	−0.36/1.086
学校特征	城市学校	类别变量 城市 = 1 其他 = 0	0.617/0.486
	公办学校	类别变量 公办 = 1 民办 = 0	0.862/0.344
	学校规模	连续变量 学校在校人数(单位/百人)	18.858/14.550
	班级规模	连续变量 学校班级学生人数	38.842/8.229
学校数字资源	可用的数字资源	连续变量 值越高代表可用数字资源越多	3.295/0.544
	可联网教学的数字资源	连续变量 值越高代表可联网教学的数字资源越多	3.264/0.515
学校教师资源	全体教师	连续变量 全体教师的数量	183.204/113.009
	具有教师资格证的教师	连续变量 具有教师资格证的教师的数量	173.612/104.817
	具有本科学历的教师	连续变量 具有本科学历教师的数量	148.751/87.544
	有硕士学历的教师	连续变量 具有硕士学历的教师的数量	29.934/43.354
	有博士学历的教师	联系变量 具有博士学历的教师的数量	2.106/8.827
	师生比	连续变量 学校学生与教师的比例	10.653/6.170

3.3. 数据分析方法

根据本研究数据的分层特征(学生嵌套于学校)构建多水平线性回归模型来探索学校资源均衡配置与城乡教育结果均等之间的关系。本研究借鉴费尔南多·卡特莱特等人[9]的数据处理方法，即通过逐步在模型中纳入学生个人特征和学校特征变量、学校数字资源变量和学校教师资源变量，以此来研究学校资源配置是否对学生阅读成绩产生影响。

本研究构建的多水平线性回归模型包括学生和学校两个层面的模型。

学生层面模型定义如下。

$Y_{ij}={\beta }_{0j}+{\displaystyle \sum }_{m=1}^k{\beta }_{mj}STUB{G}_{ij}+e_{ij},e_{ij}~N\left(0,{\delta }^2\right)$

$Y_{ij}$ 表示学校j中学生i的阅读素养成绩，${\displaystyle {\sum }_{m=1}^k{\beta }_{mj}STUB{G}_{ij}}$ 是学生个人特征变量矩阵，包括学生的性别、级别和家庭社会经济地位(ESCS)。

学校层面模型定义如下。

${\beta }_{0j}={\gamma }_{00}+{\displaystyle \sum }_{n=1}^l{\gamma }_{0n}SCHB{G}_{nj}+{\displaystyle \sum }_{t=1}^p{\eta }_{i}RESOURCE{S}_{tj}+{\mu }_{0j},{\mu }_{0j}~N\left(0,{\tau }_{00}\right)$

其中，${\beta }_{0j}$ 是学生层面模型的矩阵，${\displaystyle {\sum }_{n=1}^l{\gamma }_{0n}SCHB{G}_{nj}}$ 是学校特征变量矩阵，包括学校性质、地区、学校规模和班级规模，${\displaystyle {\sum }_{t=1}^p{\eta }_{i}RESOURCE{S}_{tj}}$ 是学校资源变量矩阵，包括学校数字资源和学校教师资源。

本研究在进行上述两水平回归模型分析时均考虑了学生的总权重。

4. 研究结果

本研究以学生的阅读成绩为多水平回归模型的因变量，探究学校资源配置与学生阅读成绩之间的关系。首先在回归模型中加入学生个人特征变量形成模型Ⅰ，在模型Ⅰ的基础上加入学校特征变量，形成模型Ⅱ，模型Ⅱ的系数为暂不考虑学校资源变量的情况下，学生阅读成绩的影响因素。再依次纳入学校资源变量，即学校数字资源变量和学校教师资源变量，形成模型Ⅲ和模型Ⅳ。模型回归结果如下(见表2)。

Table 2. Regression model analysis results

表2. 回归模型分析结果

	模型Ⅰ 阅读成绩	模型Ⅱ 阅读成绩	模型Ⅲ 阅读成绩	模型Ⅳ 阅读成绩
性别	−13.098^***	−12.784^***	−12.902^***	−12.014^***
初高中	30.553^***	27.284^***	27.862^***	28.388^***
ESCS	31.236^***	31.577^***	31.088^***	25.866^***
城市学校		9.742^***	9.509^***	9.547^***
公办学校		1.491	1.315	−14.755^***
学校规模		0.069	0.052	0.269
班级规模		1.380^***	1.394^***	1.495^***
可用的数字资源			−2.669	−8.641^**
可联网教学的数字资源			11.871^***	14.833^***
全体教师				0.631^***
具有教师资格证的教师				0.931^***
具有本科学历的教师				−0.284^***
有硕士学历的教师				−0.021
有博士学历的教师				0.331^**
师生比				−1.646^***
_cons	559.349^***	499.220^***	468.853^***	495.683^***
N	11958	11958	11958	11958
R^2	0.194	0.212	0.215	0.265

注：+P < 0.10；^*P < 0.05；^**P < 0.01；^***P < 0.001。

当只考虑学生个人特征变量时，性别、级别和学生家庭社会经济地位对学生的阅读成绩均有显著影响。性别的系数为负，表明女生的阅读成绩比男生的阅读成绩好；级别系数为正，表明高中学生的阅读成绩比初中学生的阅读成绩好；ESCS系数为正，表明家庭经济社会地位越高，学生的阅读成绩越好。模型Ⅱ在加入学生个人特征变量的基础上加上了学校特征变量，根据表2，在不考虑学校资源变量时，学校地区是否为城市学校以及班级规模的大小显著影响学生的阅读成绩。城市学校的学生阅读成绩乡镇学校学生的阅读成绩好，班级规模的系数为正，表明班级学生人数越多，学生的阅读成绩越好。模型III在模型II的基础上，进一步引入了多个学校资源配置变量，如可用的数字资源和可联网教学的数字资源。该模型显示，可用的数字资源对学生的阅读成绩没有显著影响；可联网教学的数字资源会显著影响学生的阅读成绩，且系数为正，说明可联网教学的数字资源数量越多，学生的阅读成绩越好。

模型IV是包含所有变量(基础控制变量、学校数字资源和学校教师资源配置)的全面模型。这个模型提供了关于各因素对学生阅读成绩影响的最完整视角。首先看教师资源方面，全体教师数量、具有教师资资格证教师的数量、具有本科学历的教师、具有博士学历的教师和师生比均对学生的阅读成绩具有显著影响。全体教师数量和具有教师资格证教师的数量的系数为正，表明全体教师数量越多、具有教师资格证教师的数量越多，学生的阅读成绩越好。具有博士学历教师的系数为正，表明学校具有博士学历的教师越多，学校学生的阅读成绩越好。师生比的系数为负，表明师生比越小，即学校学生与教师的比例越小，学生的阅读成绩越好。其次看学生个人特征，模型IV与模型Ⅰ中的系数方向与显著性保持一致。学校特征变量在模型IV中不仅学校地区和班级规模显著影响学生的阅读成绩，学校的类型如公办学校和民办学校也会显著影响学生的阅读成绩。学校类型在模型IV中的系数为负，表明民办学校的学生阅读成绩更好。在学校数字资源变量方面，学校可用数字资源对学生的阅读成绩在10%的水平上显著，系数为负数，表明学校可用的数字资源数量越少，学生的阅读成绩越好。

5. 讨论与建议

基于上述分析结果，女生阅读成绩比男生阅读成绩好，这是因为女孩在语言发展方面通常比男孩更具优势，这可能与她们大脑中负责语言功能的区域更发达有关，这使得女孩在阅读理解和表达方面更加擅长。高中生的阅读成绩比初中生的阅读成绩好，这是因为随着年龄的增长，高中生的认知能力得到了显著的发展。他们具备了更强的逻辑思维、批判性思维和深度理解能力，这有助于他们在阅读过程中更好地把握文章的主旨、结构和细节。与初中生相比，高中生在阅读时能够更深入地分析问题，提出更有见地的观点，从而在阅读测试中取得更好的成绩。家庭社会经济地位高的学生阅读成绩更好，这是因为家庭有更多的经济资源支持学生的学习，以至于学生在阅读中取得更好的成绩。城市学校的学生阅读成绩比乡镇学校学生的阅读成绩好，这是因为城市学校通常拥有更为丰富的图书资源和电子资源，包括各类图书、期刊、报纸以及在线数据库等，这些资源为学生提供了更广阔的阅读选择。而乡镇学校的图书资源可能相对匮乏，学生难以接触到多样化的阅读材料。可联网的数字资源越多，学生的阅读成绩越好，这是因为当可联网的数字资源增多时，学生可以从更广泛的范围内选择阅读材料，包括各类书籍、学术论文、在线课程、教育视频等。这种多样性能够满足不同学生的兴趣和需求，从而激发他们的阅读和学习兴趣。其次，数字资源不仅包括文本，还包括图片、音频、视频等多种形式。这种多样化的信息呈现方式有助于吸引学生的注意力，提高他们对信息的理解和记忆能力。学校全体教师数量越多以及拥有教师资资格证的教师越多，学生的阅读成绩越好，这是因为当学校全体教师数量增多时，学校能够更有效地分配教学资源，包括师资力量。这意味着每个学生可能获得更多教师的关注和指导，从而有助于提升他们的学习效率和阅读成绩。拥有教师资格证的教师通常具备较高的专业素养和教学能力。他们经过系统的教育培训和考核，能够更好地掌握教学方法和技巧，有效地传授知识和技能，包括阅读技巧和策略。这种专业素养的提升有助于提升学生的阅读成绩。师生比越小，学生的阅读成绩越好，这是因为当师生比较低时，意味着每位学生能够获得教师更多的个性化关注。教师可以更细致地了解学生的学习特点、阅读偏好和困难所在，从而为他们提供更具针对性的指导和帮助。基于上述结果讨论，本研究提出了一些建议，旨在合理配置学校的资源以提高学生的阅读成绩。

(1) 加强学校可联网教学资源的投入

学校应更新硬件设施，确保学校拥有足够的计算机、平板电脑、电子阅读器等设备，并定期进行维护和升级，以满足学生在线学习和阅读的需求。同时优化校园网络设施，确保网络速度快、稳定，减少在线学习过程中因网络问题导致的中断和延迟。其次鼓励教师根据教学需要，自行开发或参与开发适合本校学生的数字教育资源，如电子教案、微课、互动练习等。学校也可利用社交媒体或学校自建平台，建立在线阅读社群，鼓励学生分享阅读心得、推荐好书等，形成良好的阅读氛围。

(2) 加强教师对电子教学资源设施的应用

学校可以组织定期的电子教学资源设施使用培训，包括最新的教育技术、教学软件和在线资源库的操作方法。这些培训应由教育技术专家或经验丰富的教师主导，确保内容实用且易于理解。其次，学校可以邀请在电子教学资源应用方面取得显著成效的教师分享他们的教学案例和经验，通过实际例子展示如何有效利用这些资源来提高学生的阅读兴趣和成绩。

NOTES

^*通讯作者。