大类招生专业分流政策对学生学业水平的影响

［摘 要］文章以某“双一流”学科建设高校试点的大类招生专业分流政策变动为研究对象，通过准实验研究评估大类招生专业分流政策对学生学业水平的影响。研究采用双重差分法，分析了该校2013—2019级本科一年级学生的课程成绩，发现专业分流政策（前置性筛选信号）对学生课程成绩的平均分有显著正向影响，提升幅度为2.582分，这一提升相当于对照组在政策实施前标准差的1/4。

［关键词］大类招生专业分流政策；学业水平；课程平均分；双重差分

［中图分类号］G642 ［文献标识码］A ［文章编号］2095-3437（2024）24-0006-06

高等教育规模的持续扩张，使大学生群体明显呈现出多元化和异质化特征。新高考改革进一步加剧了高校生源质量的分化。为应对生源质量差异带来的人才培养挑战，众多高校在本科阶段实施大类招生培养改革，旨在通过大类教育使学生强化知识基础、提升学习能力、塑造多元背景，并激发学生的学习兴趣与潜能，进而提高人才培养质量。目前，超过80%的“双一流”建设高校已实施大类招生与培养，这是我国本科专业教育走中国道路并形成中国特色的主动作为[1-2]。

大类招生培养改革对高校传统的人才培养模式产生了巨大冲击。在传统专业培养模式下，大学以专业为依托组织招生、培养、毕业，形成本科教育的完整闭环，其中专业是大学的基本组织单位，师资配置、教学管理、学生管理等均围绕专业展开，而大类招生培养恰恰要求对专业进行重新整合。这种冲击是否会对低年级本科生的人才培养质量产生影响？大类招生培养政策预设的“强基础、激潜能”目标实现得如何？本研究通过对“大类招生”主题文献的检索，发现现有文献主要集中于高校管理者关注的大类招生的人才培养模式、专业分流制度及课程体系设计等实施过程[3]，以及从学生视角出发的学生满意度和专业选择影响的研究，但在大类招生培养改革的人才培养实效方面的政策评估仍显不足。

党的二十大报告明确提出了“全面提高人才自主培养质量”的要求。新时代全国高等学校本科教育工作会议强调“一流本科是建设高等教育强国的根基。只有培养出一流人才的高校，才能够成为世界一流大学，在‘双一流’建设中要加强一流本科教育”[4]。因此，坚持“以本为本”，基于大规模的大类招生制度改革，评估大类招生的人才培养成效，是高校提升人才自主培养质量的重要途径。本研究以某“双一流”学科建设高校为例，通过对比大类招生培养改革前后的学生课程成绩，运用准实验研究因果推断的方法，实证分析大类培养对学生学业水平的影响，以期进一步完善学业支持与发展体系。

一、研究背景与数据

（一）案例高校政策梳理

2017年4月，国内某“双一流”学科建设高校为深入实施大类招生综合改革，达成培养“宽口径、厚基础、高素质、强能力”的复合型、应用型人才目标，优化本科教育模式，促进大类招生专业分流实施的科学化、合理化，确保专业分流工作的顺利开展，于2017级本科生入校前，组织各院系制定了专业分流实施方案。

该方案旨在鼓励学生根据个人兴趣爱好和职业规划选择专业，激发他们的学习热情，培养他们的竞争意识，并提高他们的自主学习和自我管理能力。方案实施“1+3”人才培养模式，分为两个阶段：大类培养阶段（1学年）和专业培养阶段（3学年）。在大类培养阶段，即新生入学至第一学年结束，不对学生进行专业和专业方向的划分，统一进行基础课程教学；在完成大类基础课程学习后，学生可根据自身的兴趣特长、职业规划以及学院的专业分流工作安排，在第一学年结束后参加专业大类的分流申报，在第三学期正式进入专业培养阶段。

专业分流以第一学年已经开设且组织考试的所有课程的学业初始成绩平均分为依据，符合专业分流条件的学生按此平均分进行排序，成绩排名靠前的学生将享有优先选择专业的权利，直至各专业名额满额。

（二）数据说明及描述性分析

1.数据说明

本研究所采用的数据来源于国内某“双一流”学科建设高校2013—2019学年14个学期的本科一年级学生的公共必修课、专业必修课以及专业限选课的原始成绩记录（2020—2021学年春季学期受疫情影响，所有课程转为线上教学，教学方式及考核方式发生了较大变化，因此该学期的数据未被纳入本研究的范畴）。

本研究选取同一教师在同一学院连续多年开设的同一门课程作为研究对象［同一教师指同一名授课教师或同一个授课教师团队，同一学院指该课程始终在同一学院内开设，同一门课程指课程名称（含文字和数字）必须完全一致，如高等数学（1）］，构建了“课程成绩—学年”的面板数据。在样本筛选过程中，本研究遵循以下原则：第一，鉴于留学生、港澳台学生、双培生、预科生、联合培养学生、计划外自主招生属于特殊招生类型，其学业成绩可能受到多种因素影响，故本研究决定剔除包含这六类学生的班级的课程样本。第二，有四个学院在进行专业分流时，参照的是本科学生一年级和二年级的学业成绩，这与其他仅依据一年级成绩进行分流的学院存在差异。为避免这种差异对研究结果产生干扰，本研究决定剔除这四个学院的课程样本。第三，2017年之后新开设的大数据等四个专业，由于缺乏政策实施前的相关数据，本研究决定将其课程样本剔除。同时，工程管理（项目管理方向）专业因在2017年后被撤销，缺乏政策实施后的数据支撑，故也将其课程样本剔除。第四，为确保课程开设的连续性和稳定性，本研究决定剔除那些累计开课次数少于4次的课程。

本研究根据专业是否参与大类招生专业分流，将样本分为实验组和对照组（见表1），共收集了2013—2019学年同一教师在同一学院开设的同一门课程的有效样本3641个。其中，实验组包含2246门次课程，这些课程所属的专业参与了大类招生专业分流；对照组样包含1395门次课程，这些课程所属的专业未参与大类招生专业分流或参与程度低。

2.描述性分析

本研究主要关注大类招生专业分流政策是否影响了学生课程成绩的平均分。课程成绩平均分是指某门课程在学期末，所有选课学生期末成绩总和除以选课总人数后得到的算术平均分。

在本研究中，所使用的数据均来自本科一年级学生的期末成绩，具体包括公共必修课、专业必修课以及专业限选课的成绩。除未被纳入本研究范畴的公共任选课外，其他所有课程均非学生本人可自由选择的，因此可以排除学生为提升专业选择自主权而采取策略性选课所带来的成绩不可比性问题。基于上述信息，实验组包含2246门次课程，对照组包含1395门次课程，这一分组情况符合该校大部分专业已实施大类招生专业分流的现状。由于这一现实条件的限制，所获取的面板数据为非平衡面板数据。根据课程算术平均分的对比结果（见表2），实验组在政策冲击后的算术平均分相较于冲击前提高了2.281分，而对照组则降低了0.218分。

在不考虑其他因素干扰的情况下，采用独立样本t检验比较两个独立样本的平均分差异，并根据莱文方差等同性检验的结果判断样本间差异是否显著。结果显示，实验组的显著性P值为0.00，表明实验组的课程算术平均分在政策冲击前后存在显著差异；对照组的显著性P值为0.3459，表明对照组的课程算术平均分在政策冲击前后没有显著差异。此外，在政策冲击后，实验组的标准差有所减小，表明实验组的课程算术平均分不仅有了显著提高，而且分数的集中程度也有所增强。

鉴于本研究以课程为研究对象，且授课教师的特征对课程分数具有较为明显的影响，本研究将授课教师的背景特征作为控制变量。实验组与对照组的授课教师在岗位性质、专业技术职务、人员类型上虽然频数分布存在较大的差异，但各变量内部的比例结构（见表3）大致相同。

在政策冲击前，实验组与对照组的课程算术平均分呈现出相同的时间趋势，其折线图走势基本保持平行。然而，在政策冲击后，实验组与对照组的发展趋势出现了“剪刀差”现象。具体而言，在政策实施的第一年和第二年，实验组的课程算术平均分显著高于对照组及全校平均成绩。到了政策实施的第三年，这种显著差异的趋势有所缓和。图1展示了2013—2019学年实验组与对照组课程算术平均分的发展趋势。

二、方法模型构建与实证分析结果

（一）双重差分模型

双重差分（Difference⁃in⁃Differences，DID）是一种广泛应用于政策效应评估的方法，它通过比较实验组和对照组在政策实施前后的差异来推断因果效应。若实验组和对照组在政策冲击之前具有相同的变化趋势，则可将两组在政策实施前的差异设定为反事实基准，而在政策实施后的差异减去反事实就是双重差分，以此消除不可观测因素的干扰，尽可能降低遗漏变量对研究结果的影响。双重差分方法的优点在于可以同时控制实验组和对照组的分组效应与时间效应，从而有效地剔除了政策冲击前伴随时间趋势而相对稳定的基线差异。利用双重差分方法可以进行因果推断，以检验政策是否对实验组产生了显著性影响，从而判断该政策是否有效。线段A代表实验组和对照组在政策冲击后的差异；线段B代表实验组和对照组在政策冲击前的基线差异，它反映了两者在时间趋势上相对稳定的共同变化趋势（需满足平行趋势假设）；线段C代表反事实差异，即政策冲击的真实影响。其计算公式为C=A-B（见图2）。

基于以上原理，本研究构建了如下双重差分固定效应分析模型：

Yit=β0+β1Policyt+β2Treati+β3（Policyt×Treati）+β4Xit+δt+fi+εit                          （1）

其中，被解释变量Yit表示课程i在学年t的算术平均分（也可以包括学生成绩优秀率和学生成绩良好率等其他学业指标）；Policyt是一个时间虚拟变量，表示政策是否在时间t实施（通常为0或1）；Treati是一个分组虚拟变量，表示个体i是否属于实验组（通常为0或1）；（Policyt×Treati）是交互项，其系数β3表示政策的净效应；Xit为一系列控制变量，包括课程的选课人数和授课教师的岗位性质、专业技术职务、人员类型等；δt为t时期的虚拟变量（时间固定效应）；fi为个体i不随时间变化特征的虚拟变量（个体的固定效应）；εit是残差，代表其他随机扰动项。

本研究遵循以往相关研究的处理方法[5]，将同一授课教师在同一学院面向本科一年级学生所开设的同一门课程作为研究样本，构建“课程成绩—学年”的非平衡面板数据集，采用双向固定效应模型在Stata 15.0软件中进行计量回归，并用coefplot命令检验是否满足平行趋势假设，在稳健性分析中使用其他方法检验回归结果的稳定性。

（二）回归结果

本研究主要聚焦于大类招生政策实施后，学生根据本科一年级的学业成绩进行专业分流的情况，旨在探究这一政策是否会对学生的学业水平产生影响。大类招生专业分流政策对课程平均分影响的回归结果如表4所示。

根据表4可知，交互项系数为2.582，且在0.01显著性水平下显著，表明大类招生政策对实验组的本科一年级课程算术平均分具有非常显著的正向促进作用。与对照组相比，实验组的分数提高了2.582分（相当于对照组改革前课程分数标准差的1/4）。

鉴于高校本科一年级课程中，数学类课程学分占比较大，且体育类课程作为公共必修课覆盖面广，课程内容和考核标准一致，具有较高的可比性，因此本研究在异质性分析中选取了数学类课程［包括高等数学（1）、高等数学（2）、概率论、高等代数、离散数学等］和体育类课程［包括大学体育（1）、大学体育（2）等］作为具体的分析对象。结果显示，大类招生政策使得实验组的数学类课程和体育类课程的算术平均分分别提高了3.229分和2.903分。