1. 研究背景
所谓学业预警，是指“一些高校对没有完成学业要求的在校学生预先发出警示。学业预警制度有助于及时提醒学生了解自己的学习状况，督促学生自主学习，促使学生顺利完成学业。”[1]其产生与发展在很大程度上受到我国当前高等教育扩招的影响。高校招生规模逐年增加，挂科、重修的学生人数越来越多，甚至因学业成绩严重不良被迫留级或退学的现象越发突出。为此，毕业清考已经成为我国高校有效应对这一现实问题的通用方式。2018年8月《关于狠抓新时代全国高等学校本科教育工作会议精神落实的通知》[2]颁布后，这一折中解决矛盾的方法不再被允许。该文件明确提出要“严格考试纪律、严把毕业出口关，坚决取消‘清考’制度。”为探寻高效解决方法，教育部于次年10月颁布了《关于深化本科教育教学改革全面提高人才培养质量的意见》，正式提出“实行学业预警、淘汰机制，取消毕业前的‘清考’行为。”[3]在这种新形势下，高校学业预警工作被正式确定下来，其重要性也日益凸显。随着这一问题在高校教学实践、管理和政策层面产生的影响不断扩大，不少学者对此话题也展开了积极的追踪探讨。
就现有研究来看，学术界关于高校学业预警的研究主要分为以下四方面：一是基于质性与量化分析，探究学业预警指标体系的构建及预警影响因素方面的研究[4] [5]；二是运用数据挖掘技术，构建相应高校学业预警模型研究[6] [7]；三是通过调查，针对学业预警制度运行机制进行理论研究[8] [9]；四是从国际比较的视角出发，借鉴他国经验对我国院校学业预警制度建设进行创新探究[10] [11]。然而就整体情况来看，当前对这一方面的认识还停留在整体高校学业预警机制的构建上。涉及不同类型高校，尤其是高等师范院校学业预警机制的研究明显缺乏。这与我国高等师范院校类型之多、分布之广与师范生数量之大的现实情形不相匹配。由此，本研究聚焦于高等师范院校，从“实然”角度出发，对其学业预警实施成效与现实需求进行实证分析，指明预警制度运行的问题，希冀能为进一步完善高师院校学业预警机制提供建设性建议。
2. 研究对象和数据
2.1. 样本选取
本研究样本选取遵循双重考量原则：其一注重制度实践经验，遴选具有多年学业预警机制运行历史的高师院校，以获取支撑研究开展的实证基础；其二强调典型性与代表性，要求样本院校在我国高师院校体系中处于引领性地位，其经验模式需具备典型示范价值及可推广性。基于这两点，本研究调研了全国范围内高等师范院校学业预警机制，通过对比分析，研究样本最终确定为某教育部直属高等师范院校——A大学。该校是一所综合型师范大学，2005年入选全国“211工程”建设高校，2017年入选国家首批“双一流”建设高校。由于其社会地位和声望在所属省份乃至全国范围内处于较高水平，是以教师为终身职业的学生们所青睐的高等师范院校，尤其是能够进入样本校的师范类专业的学生，其成绩排名均值在其生源所在地位于前列。同时，就学业预警机制建设而言，A大学学业预警机制具备长达13年的发展历程。该校于2012年颁布本科生学业预警实施办法，并于2019年响应国家政策对其修订与更新，其长期的学业预警经验可为本研究的开展提供丰富的一手资料。
2.2. 研究数据
本研究的研究数据分为两类，一类是A大学学业预警统计数据，一类是A大学学业预警调查数据。为确保数据的时效性、针对性与内在关联性，本研究依据时效性原则选取了2022~2025学年最新预警数据；同时通过问卷调查了解当前在校生对学业预警制度的认知现状与实际需求，为完善A大学学业预警机制提供实证依据。问卷编制采用自主设计的《大学生学业预警制度调查问卷》作为数据采集工具，并运用SPSS 23.0统计软件进行数据分析。该问卷涵盖45个题项，于2025年10月9日发放，运行周期为7天，共回收602份样本。经无效数据剔除后，有效样本量为578份，有效回收率达96.01%。本研究采用的统计与调查两类数据具有时间同步性，二者交叉验证将显著提升本研究结论的效度。
3. 结果分析
3.1. A大学学业预警运行概况
A大学于2012年起制定并颁布了学业预警制度，后响应国家政策号召，于2019年修订了此制度。其最新学业预警制度文件显示：该校学业预警以学年为时间单位，设置留级预警与留级重读二级预警。前者针对自入学以来不及格课程达10学分(含)学生，后者针对入学以来不及格课程达20学分(含)学生。每学年第二学期末，各二级学院教学秘书对学生所获学分进行统计，确定学业预警名单，于第二学年开学前一周内告知学生及其家长学业预警情况，后于开学初一周内组织工作人员，与受预警学生进行警示谈话，并认真组织和落实学业帮扶工作。
3.1.1. A大学近期学业预警人数变化情况
表1呈现了样本校2022至2025年学业预警数据。近四年学业预警人数分别为168、186、209、250人，累计预警人次813人。从四年均值看，留级预警学生平均为177人/年，留级重读平均为27人/年，共计203人/年。结合在校生总体规模统计，四年间学业预警占比呈现缓慢上升态势，由0.91%升至1.25%，平均占比1.055%。这表明当前在校生中存在学业问题的学生比例有所增加，但仍处于可控范围内。
Table 1. Academic early warning data statistics table for 2022~2025
表1. 2022~2025年学业预警数据统计表
学年 |
留级预警 |
留级重读 |
总和 |
在校生规模 |
预警占比 |
2022~2023学年 |
149 |
19 |
168 |
18479 |
0.91% |
2023~2024学年 |
158 |
28 |
186 |
18977 |
0.98% |
2024~2025学年 |
175 |
34 |
209 |
19499 |
1.07% |
2025~2026学年 |
225 |
25 |
250 |
20085 |
1.25% |
平均值 |
177 |
27 |
203 |
19260 |
1.055% |
3.1.2. A大学受预警学生年级分布
在年级分布方面，本研究对四个学年内留级预警、留级重读的学生人数进行了统计。由图1可知，三个年级的预警人数从高到低依次为大三开学初 > 大四开学初 > 大二开学初。究其原因，从课程分布方面分析，大一新生入学时，所修课程较为基础，部分课程内容与高中知识存在衔接，学业压力相对较小；进入第二学年后，修业课程的难度与数量显著增加，主要进行专业核心课程的学习，挂科率升高；进入第三学年，其课程设置更侧重于实践应用，考核方式较为灵活，挂科率有所降低。然而，由于此时课业基本结束，部分学业表现不佳的学生累计挂科课程较多，因此大四开学初的预警人数相比大二开学初要高出许多。
Figure 1. Grade distribution of students with early warning
图1. 受预警学生的年级分布图1
3.1.3. A大学受预警学生所在学院与专业分布
鉴于学业预警实施主体单位为二级学院，本研究对近四年来各学院的学业预警累计频次进行统计，旨在为不同学院的预警工作提供改进建议。近四年来A大学27个学院中有20个学院的学生曾受到预警。由表2可知，8个理工类学院(物理、化学学院等)预警累计次数最多，3个艺体类学院(音乐、体育学院等)次之，2个文理综合类学院(商学院与心理学院)预警学生偏少。而7个文史类学院(文学院、历史学院等)预警人数极少，始终维持在个位数水平，但因其知识模块化的特点与考核方式的特殊性，这并不代表文史类学院与其余7个学院未受预警学生不存在学业不良问题。A大学教务部所制定的学业预警指导文件为全校性规范文件，未授予二级学院自主设定预警触发标准的权限，这可能导致文史类学院无法及时监测到学生的学业不良状况。
Table 2. The latest statistics of academic warning of different academic years at University A
表2. A大学不同学年最新学业预警人次统计表
排序 |
学院名称 |
一年 |
二年 |
三年 |
四年 |
共计 |
排序 |
学院名称 |
一年 |
二年 |
三年 |
四年 |
共计 |
1 |
物理学与信息技术学院 |
36 |
37 |
40 |
52 |
165 |
11 |
材料科学与工程学院 |
1 |
6 |
8 |
5 |
20 |
2 |
化学化工学院 |
36 |
22 |
29 |
42 |
129 |
12 |
食品工程与营养科学学院 |
7 |
4 |
0 |
0 |
11 |
3 |
音乐学院 |
16 |
18 |
35 |
22 |
91 |
13 |
心理学院 |
6 |
0 |
3 |
2 |
11 |
4 |
数学与统计学院 |
12 |
17 |
19 |
42 |
90 |
14 |
历史文化学院 |
2 |
2 |
2 |
4 |
10 |
5 |
计算机科学学院 |
17 |
13 |
10 |
29 |
69 |
15 |
教育学部 |
1 |
0 |
3 |
1 |
5 |
6 |
地理科学与旅游学院 |
13 |
14 |
14 |
15 |
56 |
16 |
哲学学院 |
2 |
2 |
1 |
0 |
5 |
7 |
美术学院 |
7 |
24 |
16 |
3 |
50 |
17 |
外国语学院 |
1 |
0 |
2 |
1 |
4 |
8 |
体育学院 |
5 |
14 |
9 |
9 |
37 |
18 |
文学院 |
0 |
2 |
0 |
0 |
2 |
9 |
生命科学学院 |
5 |
7 |
10 |
12 |
34 |
19 |
新闻与传播学院 |
0 |
1 |
1 |
0 |
2 |
10 |
国际商学院 |
6 |
3 |
7 |
10 |
26 |
20 |
马克思主义学院 |
0 |
0 |
0 |
1 |
1 |
Figure 2. The percentage of students with academic warning in 20 colleges at University A
图2. A大学20个学院学业预警人次占比统计图
Figure 3. The proportion of students in normal and non-normal majors among the people receiving warnings
图3. 受预警人次中师范类与非师范类专业学生占比统计图
进一步分析学业预警学生专业分布可知(详见图2)，理工类专业预警学生极多，说明理工类专业因课程难度大、逻辑要求高，学业不良现象严重。而艺体类专业(音乐学、体育教育、音乐表演、绘画)紧随其后。这类专业需兼顾理论知识与技能训练，部分学生易因时间分配失衡导致预警。此外，A大学预警学生中师范生比例并不低，如图3所示。其中化学(优师专项)、物理学(优师专项)与数学与应用数学(优师专项)属于师范类专业，为公费师范生。由此可见，其虽有政策保障，但可能因对专业认知产生偏差或学习动力不足，导致学业严重不良，急需引起重视。
3.1.4. A大学受预警学生不合格课程分布
从公共课与专业课分类角度看，A大学四年来公共课不及格门数达62门，频次达1292次；专业课不及格门数达506门，频次为3392次。二者数量占比1比9，频次占比3比7。均值上，公共课20次/门，专业课7次/门。前者为后者的三倍之多。进一步分析发现，其中高等数学、大学外语为挂科频次最高的两门公共课(见表3)。作为公共基础课程，这两门课因难度较高且修业学生数量多的缘故，挂科频次极高。若学校能针对这类公共课的修习提供课堂之外的学业支持与辅导，将对降低挂科率大有裨益。此外，创新创业理论与实践课、国家安全教育均为通识必修课程，采用在线教学，逾期将无法完成课程学习。该课程不合格原因通常在于学生未能及时参与在线学习及完成测验。若学校能提前发布警示通知，则可有效规避此类问题。专业课方面，理工类课程占比极高，尤其是有机化学、物理化学、电磁学等专业基础课程，亟须相关二级学院负责人与专业任课教师加强重视。
Table 3. Top 15 ranking of failure rates in general and professional courses for early warning students
表3. 受预警学生公共课与专业课不及格频次前15名排行表2
排序 |
公共课 |
学分 |
频次 |
专业课 |
学分 |
频次 |
1 |
高等数学(二)-2 |
4 |
107 |
物理化学下 |
3 |
83 |
2 |
大学外语(二) |
3 |
99 |
有机化学下 |
3 |
82 |
3 |
大学外语(四) |
2 |
95 |
物理化学上 |
3 |
66 |
4 |
创新创业理论与实践 |
1 |
70 |
电磁学 |
3 |
60 |
5 |
大学外语(三) |
3 |
55 |
有机化学上 |
3 |
53 |
6 |
线性代数 |
3 |
50 |
化学分析 |
2.5 |
52 |
7 |
高等数学(一)-2 |
4 |
50 |
结构化学 |
3 |
52 |
8 |
大学外语(一) |
3 |
48 |
儿童发展 |
1 |
48 |
9 |
国家安全教育 |
1 |
44 |
无机化学下 |
3 |
46 |
10 |
大学体育(四) |
1 |
43 |
C程序设计 |
3.5 |
46 |
11 |
高等数学(二) |
4 |
43 |
理论力学 |
3 |
45 |
12 |
概率论与数理统计 |
3 |
38 |
常微分方程 |
3 |
42 |
13 |
高等数学(一)-4 |
4 |
36 |
有机化学 |
3 |
42 |
14 |
高等数学(一) |
4 |
35 |
热力学与统计物理 |
3 |
42 |
15 |
大学体育(二) |
1 |
32 |
中国音乐史与名作赏析(二) |
2 |
41 |
3.2. A大学学业预警改进需求与方向
通过问卷调查，研究表明A大学在校生对学校当前的学业预警制度表示高度认可。在改进需求层面上，学业预警指标、预警后的学业帮扶与预警时机频次等方面有待改进。
3.2.1. 预警指标的优化需求与方向
成绩指标是学业预警最为重要的指标。本研究针对不同专业采用不同成绩预警标准的需求进行了调查。结果发现，66.90%的学生主张学校应对不同专业采用不同的预警标准，而非全校所有学生实施同样的预警标准。这与上述学业预警数据的分析相一致。除成绩指标外，本研究基于学术界现有学业预警指标研究成果，归纳整合出9项关键预警指标，并针对学生在此类指标上的需求状况进行了调研。为直观评估9项学业预警指标的学生需求程度，此部分采用李克特五点量表进行统计分析，将“非常不必要”至“非常必要”五个选项依次赋值为1~5分。结果显示，各指标需求均值按降序排列如下：线上课程未及时学习即将逾期(3.56分)、毕业论文进展拖延(3.54分)、线下课程缺勤率过高(3.53分)、选课遗漏(3.52分)、心理测评结果异常或出现危机(3.52分)、开学前未完成入学注册(3.51分)、课堂行为失范(3.48分)、等级考试(普通话、英语四级、计算机等)未通过或未及时报考(3.43分)、体测不合格(3.01分)。由此可见，除体测指标外，其余八项学业预警指标的需求均值均集中于3.50分左右的区间。由此可见，学生对于多元化的预警指标的需求极为迫切。
3.2.2. 学业帮扶的多样化需求
本研究就帮扶需求，调查了学生在帮扶人员选择与帮扶方式上的偏好。在帮扶人员层面，学生需求情况由高至低依次为：朋辈辅导团队(381人次)、辅导员(355人次)、班主任(350人次)、学校心理辅导教师(348人次)、任课教师(316人次)、学院教学秘书或教务员(292人次)、家长(276人次)。由此可见，学生对以教师、学生、家长为核心的帮扶群体选择需求强烈。在帮扶方式层面，学生需求情况由高至低依次为：督学服务(437人次)、学业辅导与答疑(386人次)、心理调适支持(380人次)、学习方法指导(328人次)、学业发展规划(275人次)、职业生涯规划(236人次)。其中，督学服务需求程度最高，说明大学生对结构化的学习监督有着迫切需求。这表明学生在自主学习过程中，常面临目标模糊、时间管理乏力等现实困境，亟需外部力量提供持续性行为引导，比如作业提交提醒、课程进度跟进、学习计划督促等。此外，学业辅导与答疑、心理调适支持紧随督学服务之后，三者作用于学生的行为、认知与心理，是学业帮扶亟需的三项核心要素。
3.2.3. 学业预警时机与频次的需求
调研结果表明，相当比例的学生样本对调整预警时机与频次存在不同需求。在578份研究样本中，31.00%的学生期望学校于“学期中预警”，其次为学期末预警(28.20%)与学期任意时间内预警(22.70%)。而仅18.20%的学生期望于学期初预警。从预警频次上看，31.10%的学生认为2次/学期预警频次较为合适。而选择1次/学期的学生占比21.80%，3次以上/学期为10.40%。由此可见，预警频次的设置并非越多越好，而应处于适宜区间，以满足学生主体的实际需求。
4. 优化策略
基于A大学学业预警数据分析与问卷调查分析，本研究为A大学学业预警机制的优化提供以下建议。
4.1. 下放预警权限，提升预警精度
现阶段，A大学学业预警机制主要依托校级顶层设计。其二级学院虽承担主要学业预警与帮扶工作，却缺乏参与制定相关制度文件的权限。鉴于二级学院系依据不同学科性质而设立的，其培养目标与学科知识体系均存在一定差异，而A大学现行学业预警机制为校级制度文件，为全校本科生设定统一的预警触发标准，这导致该机制对本校文史类学院学生学业问题的监测力度有所减弱，降低了预警的精确度。因此，校教务部可制定校级学业预警与帮扶指导文件，提供宏观指导，并向二级学院下放制定具体实施细则的权限，尤其给予二级学院以设置预警触发标准的权限与学业帮扶实施办法的权限。各二级学院应针对不同专业、年级学生的学业特点设置差异化预警触发标准，避免“一刀切”的标准对不同专业学生学业问题的误判，提升预警精确度。
4.2. 优化预警机制，加强数据支撑
基于A大学在校本科生对学业预警机制的现实需求，目前该校学业预警机制存在预警时机不合理、预警频次较低、预警指标维度单一方面的不足。为应对此问题，A大校应基于大数据支撑，建立与完善智能化的学业预警系统，整合学生成绩、课堂考勤、心理状态、选课情况等多样化数据，构建涵盖学业成绩与学业过程的多元预警指标，以替代传统成绩预警。此外，还可引入机器学习算法，通过对历史预警数据进行挖掘，识别学业不良的潜在关联因素，合理规划预警时机与频次，提升预警的前瞻性。
4.3. 前置干预阶段，聚焦学业帮扶
目前A大学现行学业预警机制将学业帮扶置于预警环节之后。但此时学生往往已经出现较为严重的学业问题，干预时效性已然不足，易导致帮扶成效不佳。因此，A大学可将学业帮扶的介入时机由“预警发生后”前移至“学业问题萌芽期”。在预警发生前，针对高挂科率公共课程，相关任课教师可组建学业辅导团队，对在此科目上学习困难的学生进行集中授课与答疑辅导；针对线上课程学习滞后的学生进行及时提醒，将学业问题尽可能遏制在预警之前。而针对预警发生后的状况，则需及时与受预警学生进行警示谈话，深入分析学业不良成因，并提供符合其需求的个性化帮扶措施，如督学服务与学习计划制定、学业辅导与答疑等帮扶措施。
NOTES
1注：A大学于每学年开学初实施预警工作，此处的年级指学生开学初所处年级，而其学业问题则发生在前几个学年中。
2注：此处公共课的课程名称统计因不同专业在命名上的不同而产生一定差异。