基于学生成绩评价分析的数据预处理

【前言】基于学生成绩评价分析的数据预处理由文秘帮小编整理而成，但愿对你的学习工作带来帮助。二、成绩分析的数据预处理 学生成绩信息一般包括：学院、专业、班级、年级、学期、性别、籍贯、课程、学号，可从中研究课程之间相关性、考试难度区分度等信息。在评价分析之前，要对成绩做数据预处理，一方面要针对职能部门的需求做预处理，另一方面要从统计分析的方...

摘要：完整的教育教学必须要包含评价分析环节。在对学生成绩评价分析之前，要对成绩数据做数据预处理，一方面要针对职能部门的需求做预处理，另一方面要从统计分析的方便性、后续研究入手。本文从成绩格式转换、成绩分布、需求三个角度进行研究。

关键词：成绩评价；数据预处理 ；成绩分布

一、引言

“多元智能理论”之父加德纳说过：“过去和现在我们都应该相信评估是对于教育发展最有力的手段”，一个完整的教育教学环节必须要包含评价分析这一环节。考试成绩是对教育教学成果的量化，运用正确合适的方法对学生成绩进行评价分析，可以使学生洞悉自己的位置，使教师和学校决策者洞悉教学中存在的问题，优化教育资源。国外有专门的国际教育评价协会（IAEA）、国际教育成就评价协会（IEA）、学生考试研究中心（CRESST）、研究学习过程性指标（NSSE）的机构一直在研究教育规律和评价标准。

教育统计学的研究历史很早[1]，研究的方法从描述统计---推断统计--多元统计分析，美国的桑代克（E・L・Thordike）为了达到“极力以心理学与统计学为工具而研究教育学，使教育科学化”的目的，于1904年撰写了社会统计学应用手册《心理与社会测量导论》，这是世界上第一本有关教育与心理统计学的专著。

二、成绩分析的数据预处理

学生成绩信息一般包括：学院、专业、班级、年级、学期、性别、籍贯、课程、学号，可从中研究课程之间相关性、考试难度区分度等信息。在评价分析之前，要对成绩做数据预处理，一方面要针对职能部门的需求做预处理，另一方面要从统计分析的方便性、后续研究考虑。

（一）、成绩格式转化

（二）、成绩分布

目前针对成绩分布特点的讨论不断，统计上的分布最常见的是正态分布，有人认为成绩分布不是正态分布，是负偏态分布（即高分较多），正好说明教育产生了效果。我们针对高等数学课程进行研究，利用2007-2008年的数据，发现成绩分布呈现双峰特点，是负偏态分布（即高分较多），不是正态分布。

根据考试的目的不同可将考试分为选拔性考试和合格水平考试。选拔性考试是一种难度竞赛考试，它期望学生的考试成绩呈现正态分布，出现比较极端的分数分布，从而有利于甄别和选拔。各种竞赛和升学考试等都属于选拔性考试。合格水平考试是一种成就考试，旨在考核学生是否达到预定的教学目标和要求。并不要求学生的分数呈现正态分布，反而希望学生成绩的分布能呈现负偏态分布。期中考试、期末考试、清考等都属于合格水平考试。从学校教育目的的角度看，合格水平考试是更具有普遍意义的学校考试。因此，学生考试成绩呈现负偏态分布时，说明教学恰恰是成功的[2]。

（三）、针对需求的数据处理

通过与教务处老师的交流，了解到他们感兴趣的内容有：重要课程主要特征（均值、优秀率、不及格率）年度变化、重要课程汇总（均值、等级成绩率、样本容量）。

我们分析了重要课程的各个年度均值、优秀率、不及格率，此处为节省篇幅仅列出4门课程的相关数据表，从中发现：

1、《高等数学》课程的平均分和优秀率呈逐年下降趋势，需要尽早稳定下来。

2、《大学物理》的不及格率偏高，这是学生因素还是教师因素，需要继续分析。

2、《电路分析基础》起伏较大，需总体控制。

3、《电子电路基础》的不及格率偏高，平均分偏低.

三、结束语

考试成绩是对教育教学成果的量化，运用正确合适的方法对学生成绩进行评价分析，可以使学生洞悉自己的位置，使教师和学校决策者洞悉教学中存在的问题，优化教育资源。有些细节的研究工作很重要，但是在学术界至今仍是空白，例如：基于成绩分布，发现普遍不是正态分布，那么到底是什么统计分布呢？这一问题，我们做了探索性分析，发现极值（Ev）分布和韦伯（Weibull）分布是最接近的两个。

参考文献：

[1] 互动百科：教育统计学 http：//

[2] 张国才，学生学习成绩负偏态分布的合理性，江苏高教[J]，2002 （2）：74-76

[3] 吴喜之，统计学：从数据到结论[M]，中国统计出版社，2004.8

作者简介：

李亚杰，北京邮电大学理学院，讲师，主要从事教育统计研究。