教师提交一份基于本班学生心理健康教育实例分析报告3篇

下面是小编为大家整理的教师提交一份基于本班学生心理健康教育实例分析报告3篇,供大家参考。

篇一：教师提交一份基于本班学生心理健康教育实例分析报告

　社会的飞速发展，给我们的生活带来更多便利，这样的生活，应该越过越惬意才对，然而真实的情况恰恰相反，心理有问题的人越来越多，其中也包括小学生，下面是我班里一个二年级孩子的心理认知问题。

　一、基本情况：

　鲁 XX，8 岁小男孩，聪明机灵、上课爱发言。在老师的眼里是个活泼可爱的好孩子，然而在家里，父母却给我们发映出另外一面：霸道，不讲理，简直就是家里的“小霸王”。

　二、生活调查：

　上学前，一直由老人照顾，老人比较溺爱，父母亲比较忙，很少顾得上照顾他，孩子有要求，家长会在第一时间给予满足，家长说，“孩子吵闹，自己心烦，反正最后都会同意，那不如一开始就答应孩子。”

　三、问题分析

　聪明的孩子都会察言观色，但是家长却不懂孩子想要做什么！

　其实，由于家长陪孩子少，孩子早期的吵闹不一定是想要物品，而是让父母多关注和陪护而已，结果孩子发现通过吵闹能够很快获得自己想要的东西，从而形成一种习惯。从而在家里变成不讲理的、不劳动的“小霸王”。

　四、制定对策：

　1.跟家长沟通，让家长知道问题所在，改变和孩子的交流方式不是无条件、无原则地满足，而是多陪护，以身作则。

　2.让孩子学会感恩（让孩子了解革命先烈的事迹，以教师的个人成长为例让孩子知道家长的不易）让孩子最终认识到自己的行为和认知问题，从而改正过来。

　五、取得效果

　经过二年级的沟通交流，家长反馈，孩子在家开始做自己力所能及的事情，更重要的是他现在可以和家长好好沟通，不再像以前一不同意就闹，根本不听家长劝的情况得到很大的改善。

　六、案例小结：

　 有人说教育就是用一个人的认识去影响另一个人的认识，而我觉得教育就是让孩子从心理开始认知这个世界，认识自己。

篇二：教师提交一份基于本班学生心理健康教育实例分析报告

　影响学生对学校服务满意程度的因素分析

　一、

　数据来源 本次数据主要来源自本校同学，调查了同学们年级、性别、助学金申请情况、生源所在地、学院、毕业学校、游历情况、家庭情况、升高、体重、近视程度、学习时间、经济条件、兴趣、对学校各方面的评价、与对学校总评价以及建议等共41条信息，共收集数据样本724条。我们将运用SPSS，对变量进行频数分析、样本T检验、相关分析等手段，旨在了解同学们对学校提供的满意程度与什么因素有关。

　 二、

　频数分析

　可靠性统计 克隆巴赫 Alpha 项数 .985 62 对全体数值进行可信度分析

　 本次数据共计724条，首先从可靠性统计来看，alpha值为0.985，即全体数据绝大部分是可靠的，我们可以在原始数据的基础上进行分析与处理。

　其中，按年级来看，绝大多数为大二学生填写（占了总人数的67.13%），之后分别依次为大二（23.76%）、大四（4.14%）、大一（4.97%）。而从专业来看，占据了数据绝大多数样本所在的学院为机械、材料、经管、计通。

　三、

　数据 预处理 拿到这份诸多同学填写的问卷之后，我们首先应对一些数据进行处理，对于数据的缺失值处理，由于我们对本份调查的分析重点方面是关于学生的经济情况的，因此对于确实的部分数据，升高、体重、近视度数、感兴趣的事等无关项我们均不需要进行缺失值的处理，而我们可能重点关注的每月家里给的钱、每月收入以及每月支出，由于其具有较强主观性，如果强行处理缺失值反而会破坏数据的完整性，因此我们筛去未填写的数据，将剩余数据当作新的样本进行分析。

　而对于一些关键的数据，我们需要做一些必要的预处理，例如一些调查项，我们希望得到数值型变量，但是填写时是字符型变量，我们就应该新建一个数字型变量并将数据复制，以便后续分析。同时一些与我们分析相关的缺省值，一些明显可以看出的虚假信息，我们都需要先进行处理。而具体预处理需要怎么做，这将会在其后具体分析时具体给出。

　 四、

　相关分析 通过这份数据，我们可以直观地看到，最终同学给出了对学校总体的评价，而到底是什么影响了同学们的评价呢？我们小组打算从同学们的总体评价入手，分析同学们的家庭经济情况、学习成绩以及学校的各类资源完备程度是否会对同学们的评价造成影响。

　1. 探讨 经济因素对于同学们评价的影响 首先对我们所得到的全体数据进行初步分析，可以由“平均每月家里给多少钱”大致判断得出同学们的家庭经济情况。但是进一步进行统计，可以得出有很多同学并未填写该项调查，如果将未填写的数据均作为“0”进行处理，无疑将会对结果造成很大的影响，在这里，我们先利用筛选中的过滤变量，排除掉变量中的缺省值（初步筛选后得到的结果如左图所示）。在排除了缺省值的干扰之后，我们可以得到一份同学们填写的原始数据，但是粗略浏览不难发现，其中月生活费会有人填写“10000”或者“1”这类明显不符合事实的数据，因此我们还需进行二次筛选以增加最后结论的可信度。考虑到一般人在北京的月消费，我们将有效数据中，月生活费在 500~4000 区间的数据再一次进行筛选，得到了我们的最终数据。

　得到了样本之后，我们需要先对样本进行初步的描述性统计，了解样本数据的大体特征，之后再进行正态分布检验，根据特征将每月生活费进行人为分类，用以检验家庭经济因素是否会对同学对学校各方面的评价造成影响。选中有效数据之后进行描述性统计，得到有效案例一共 512 个（总案例为 724 个），其中最小值为 500，最大值为 4000，平均值为1465.56，标准差为 553.566。

　 描述统计

　个案数 最小值 最大值 平均值 标准差 平均每月家里给多少钱（元）？ 512 500 4000 1465.56 553.566 有效个案数（成列）

　512

　进一步绘制出有效数据的频数分布直方图。根据该分布直方图，我们计划将月生活费低于 1000，月生活费介于 1000 与 2000 之间的与生活费高于 2000 的共三组，分别对应着经济条件较差、经济条件中等与经济条件较好三种情况。

　将分完组的三份数据再一次做描述性统计，统计结果分别如下表所示。

　 描述统计

　个案数 最小值 最大值 平均值 标准差 平均每月家里给多少钱（元）？ 170 500 1000 904.51 158.605 有效个案数（成列）

　170

　 经济较差家庭描述统计

　 描述统计

　个案数 最小值 最大值 平均值 标准差 平均每月家里给多少钱（元）？ 315 1200 2000 1639.68 276.776 有效个案数（成列）

　315

　 经济中等家庭描述统计

　 描述统计

　个案数 最小值 最大值 平均值 标准差 平均每月家里给多少钱（元）？ 27 2500 4000 2966.67 410.441 有效个案数（成列）

　27

　 经济较好家庭描述统计

　 分别将经济条件为较差、中等与较好的家庭分为1、2、3组，先对1、2组做对学校服务满意程度（5为最满意，1为最不满意）的T检验，得到的结论参见下表。

　 独立样本检验

　莱文方差等同性检验 平均值等同性 t 检验 F 显著性 t 自由度 显著性（双尾）

　平均值差值 标准误差差值 差值 95% 置信区间 下限 上限

　 较低收入家庭与中等收入家庭的学生对学校服务的 T 检验

　 首先查看莱文方差等同性检验一栏，F 值后面的显著性值为 0.802，大于 0.05，说明接受原假设，即方差相等，在这个假设成立的情况下，在观察后面的平均值等同性 t 检验，假定方差相等情况下，t 后面的显著性为 0.207>0.05，即接受原假设，均值相等，也就是说，较低收入家庭和中等收入家庭的学生对于学校提供服务的满意程度评价并没有显著的关系。

　再将 1、3 组做对学校服务满意程度的 T 检验，得到新的结论：

　较低收入家庭与较高收入家庭的学生对学校服务的 T 检验

　注：Q36即问题“总体上,您对本大学所提供的服务是否满意？”

　接着按照上述步骤判断，可得F后的显著性大于0.05，即假定方差相等，此时t的显著性差异为0.345>0.05，可以接着得到较低收入家庭和较高收入家庭的学生对于学校提供服务的满意程度评价也没有显著的关系。

　比较了上述两组数据，我们有理由相信，中等收入家庭的学生对于学校提供服务的满意程度，应该与较高收入家庭的学生的满意程度没有特别明显的区别，鉴于此我们可以初步获得结论：同学们对于学校提供服务的满意程度，与其家庭的经济条件并无明显关系。

　Q36 假定等方差 .063 .802 -1.263 483 .207 -.096 .076 -.247 .054 不假定等方差

　 -1.290 367.917 .198 -.096 .075 -.244 .051 独立样本检验

　莱文方差等同性检验 平均值等同性 t 检验

　F 显著性 t 自由度 显著性（双尾）

　平均值差值 标准误差差值 差值 95% 置信区间 下限 上限 Q36

　假定等方差 .000 .989 -.946 195 .345 -.154 .162 -.474 .167 不假定等方差

　 -.847 32.380 .403 -.154 .181 -.523 .216

　相关性

　平均每月家里给多少钱（元）？ 总体上,您对本大学所提供的服务是否满意？ 平均每月家里给多少钱（元）？ 皮尔逊相关性 1 .079 显著性（双尾）

　.074 个案数 512 512 总体上,您对本大学所提供的服务是否满意？ 皮尔逊相关性 .079 1 显著性（双尾）

　.074

　个案数 512 512 家庭经济条件与学生对学校服务评价的相关性分析

　 为了验证我们的结论，我们又对每月的生活费与同学对学校的服务与提供设施的满意程度进行了相关性分析，然而相关性分析表格中我们可以通过平均每月家庭补给数与满意程度的显著性为0.074大于0.05得出，并没有显著性意义，即同学们的满意程度与经济条件无关。

　到此为止，我们已经可以对现阶段的分析下一个阶段性的结论：

　同学们对学校提供服务的满意程度与其家庭经济情况无显著关系 2. 探讨学习成绩对于同学们评价的影响

　 根据同学们填写的调查报告，我们将所有人的专业学习成绩与对大学提供服务的满意程度绘制了一份均值图，从图像中我们可以直观地感受到，无论专业成绩排名考前或者靠后，评分的平均值均稳定在3~4之间，没有特别大的差距，直觉上来说，我们可以认为学习成绩并不是影响同学们填写对学校总评的因素。

　那么，我们的直觉到底有没有错呢？我们还是需要对学习成绩与满意程度进行一次相关性分析。

　 相关性

　总体上,您对本大学所提供的服务是否满意？ 您在专业学习成绩排名 总体上,您对本大学所提供的服务是否满意？ 皮尔逊相关性 1 -.049 显著性（双尾）

　.272

　 个案数 512 512 您在专业学习成绩排名 皮尔逊相关性 -.049 1 显著性（双尾）

　.272

　个案数 512 512

　从相关性分析表格中我们又可以通过专业学习成绩排名与满意程度的显著性为0.272大于0.05得出，并没有显著性关联，即同学们的满意程度与学习成绩无关。

　两次检验均证明了我们的猜想，那么可以证明的是， 同学们对学校提供服务的满意程度与其学习成绩情况无显著关系

　那么还有什么会影响到同学们的评价呢？我们还需要往其他方向探讨。

　参考到一般学生会或者班级干部应该都是由成绩较好的同学担任的，我们还需要探寻满意程度的评价是否与有无学生干部经验有关。

　 相关性

　总体上,您对本大学所提供的服务是否满意？ 学生干部经验：

　总体上,您对本大学所提供的服务是否满意？ 皮尔逊相关性 1 -.046 显著性（双尾）

　.299 个案数 512 512 学生干部经验：

　皮尔逊相关性 -.046 1 显著性（双尾）

　.299

　个案数 512 512

　但是从直方分布图和相关性中显著性数值为0.299>0.05来看，学生对于学校的评价还是与是否有过学生干部经验没有关系。

　结合上述已经考虑过的两点，我们能够得出的结论是同学们对于学校提供服务的满意程度，与学习的成绩也毫无关系。

　那么除了学习与经济之外，还有什么能够影响到同学们的评价呢？我们还需要对其他被我们忽视的项目进行一次分析。

　3. 探讨 其他因素 对于同学们评价的影响 除了上述两个因素可能对同学们的评价造成影响外，一定还存在其他因素，能够影响着同学对学校提供服务的评价，在最后，我们对同学们对课程与教学、学习资源、休闲资源、综合管理服务、资助与收费、学业咨询、校园文化、学生和个人发展这八个方面的评价进行了分析并作出了相关的多元性回归预测，希望能够找到不同评价对最后综合评价的影响。

　首先，由于课程与教学、学习资源、休闲资源、综合管理服务、资助与收费、学业咨询、校园文化、学生和个人发展这八方面的调查其下有分许多小项，为了之后计算的简便，这里将每一个大项求和之后求平均值，作为该项的一个代表数据，将求得的平均值在最后新增列，分别记为 Q27~Q34.

　 模型摘要b b

　模型 R R 方 调整后 R 方 标准估算的误差 1 .567a

　.322 .311 .670 a. 预测变量：(常量), Q34, Q29, Q31, Q28, Q27, Q30, Q33, Q32 b. 因变量：总体上,您对本大学所提供的服务是否满意？

　 将上述资源建立线性预测模型，可以得到因变量b关于预测变量a的模型：

　b = a1*Q27+a2*Q28+a3*Q29+a4*Q30+a5*Q31+a6*Q32+a7*Q33+a8*Q34 其中，Q27~Q34如上述分别代表学生们对 课程与教学、学习资源、休闲资源、综合管理服务、资助与收费、学业咨询、校园文化、学生和个人发展这八个方面的综合评价，因变量 b 则为同学对大学中提供的服务的总评价。

　模型中的 R 值为0.567，表示模型拟合度，说明56.7%的预测可用该模型实现预测。当其大于50%时，表示该拟合大致程度上能够描述自变量与因变量的关系。

　 ANOVAa a

　模型 平方和 自由度 均方 F 显著性 1 回归 107.266 8 13.408 29.867 .000b

　残差 225.810 503 .449

　 总计 333.076 511

　a. 因变量：总体上,您对本大学所提供的服务是否满意？ b. 预测变量：(常量), Q34, Q29, Q31, Q28, Q27, Q30, Q33, Q32

　 接上一步的后续操作，对模型进行显著性分析，茶籽料可得，当显著性sig小于0.005时即可保证模型成立。我们采集的样本中，由于显著性值sig为0，可见该模型非常可信。

　 系数a a

　模型 未标准化系数 标准化系数 t 显著性 B 标准误差 Beta 1 (常量) 1.411 .175

　8.059 .000 Q27 .211 .067 .213 3.151 .002 Q28 -.136 .071 -.128 -1.920 .055 Q29 .018 .047 .022 .373 .709 Q30 .041 .071 .041 .579 .563 Q31 .249 .072 .238 3.456 .001 Q32 -.177 .081 -.172 -2.171 .030

　 Q33 .384 .084 .360 4.579 .000 Q34 .034 .069 .031 .499 .618 a. 因变量：总体上,您对本大学所提供的服务是否满意？

　残差统计a a

　 最小值 最大值 平均值 标准偏差 个案数 预测值 1.99 4.67 3.80 .458 512 残差 -3.540 2.917 .000 .665 512 标准预测值 -3.958 1.882 .000 1.000 512 标准残差 -5.284 4.354 .000 .992 512 a. 因变量：总体上,您对本大学所提供的服务是否满意？

　到最后，我们基本也已经可以得出我们的模型结果: b = 0.211*Q27 – 0.136*Q28 + 0.018*Q29 + 0.041*Q30 + 0.249*Q31 – 0.177*Q32 + 0.384*Q33 + 0.034 *Q34 + 1.411

　我们进一步的推论取得了一定的成果，至少在其他方面，同学们对提供服务的满意程度能够和其他一些对校园设施均相关。但是有趣的是，同学们的满意程度和大多数的设施均为正相关，而唯独与 Q28、Q32 呈负相关。查阅了资料之后，我们发现这是由于我们的数据存在多重共线性导致的，SPSS 自带的多重共线性诊断也说明了这点。

　共线性诊断a a

　模型 维 特征值 条件指标 方差比例 (常量) Q27 Q28 Q29 Q30 Q31 Q32 Q33 Q34 1 1 8.866 1.000 .00 .00 .00 .00 .00 .00 .00 .00 .00 2 .049 13.481 .13 .00 .00 .39 .02 .01 .01 .00 .00 3 .024 19.100 .74 .04 .00 .11 .00 .03 .04 .01 .00 4 .01...

推荐访问:本班 分析报告 心理健康教育 实例 提交