多元统计分析在高校学生成绩评价中的应用研究
来源:用户上传
作者:
摘 要 高校学生成绩评价是衡量学生综合素质的重要指标，但传统的成绩评价方法不能对学生各方面能力进行综合评估。以某高校学生的专业课成绩作为实际数据，利用SPSS的因子分析方法对学生成绩进行主成分分析，进而对学生各方面专业能力进行全面评估。结果发现，该方法能更清楚地了解学生的专业表现情况，实现科学有效的评估。
关键词 学生成绩评价;因子分析;教学管理系统;多元统计
中图分类号：G655 文献标识码：B
文章编号：1671-489X（2020）04-0110-03
1 前言
学生成绩评价是高校教学管理的重要内容，评价结果往往影响学生的各项奖励荣誉、深造保送甚至就业。同时，学生综合评价对课程设置和人才培养目标设定也有重要参考价值。现有的评价方式主要包括平均成绩评价、学分绩点评价等[1]。平均成绩评价操作简单，但是太笼统片面。学生绩点评价是目前高校使用最频繁的方法，根据各科目的绩点求加权平均，考虑了不同课程的重要性，但评价结果只大致反映了学生的综合水平，可解释性差。
伴随着信息化的发展，教学管理系统数据日益膨胀，各种多元分析方法应运而生，如王小丽[2]等应用因子分析对学生成绩进行综合评价并与平均成绩法对比分析;覃志强[3]等结合因子分析结果反思教育技术专业的人才培养目标。本文建立在此基础上，结合专业人才培养目标和因子分析结果对学生进行专业能力综合评估，从而为学生成绩评价方法提供参考价值。
2 研究对象和研究方法
本文以某高校教育技术学专业2012～2015级四个年级共239名本科毕业生的33门专业必修课成绩为数据源。这33门专业必修课包括书写技能训练、大学数学二（1）、摄影技术、计算机应用基础、教育技术学导论、电脑美术、面向对象程序设计、平面设计、声音媒体技术、教育心理学、教育学基础、中学生心理辅导、数字视频技术、教学系统设计、中学信息技术课堂教学设计、教学能力综合训练（微格）1、教学能力综合训练（微格）2、信息技术课程教学论、课程设计与评价、教育技术研究方法、教育传播学、远程教育应用、三维动画创作、教师口语训练、大学数学二（2）、平面动画制作、程序设计基础、数据库原理、多媒体课件设计与开发、中小学信息学竞赛、教育电视节目编导与制作、三维动画制作专题见习、C语言与中学信息技术教学。本文选取多元统计方法中的因子分析法，因子分析法[4]是在确保丢失最少信息的前提下，从多个变量中选取少数几个代表性因子去描述原始变量间相关关系的一种多元分析法。参照因子分析的标准步骤，利用SPSS 22软件进行分析。
3 数据分析过程
KMO和Bartlett的球形度检验 本文利用“KMO和Bart-lett的球形度检验”来判断这些数据是否适合做因子分析。由表1可得，KMO值为0.921。根据Kaiser给出的标准，KMO值越接近1，表明变量间的共同因子越多，大于0.9便非常适合做因子分析。Bartlett球形检验给出的相伴概况为0.000，小于显著性水平0.05，因此拒绝Bartlett球形检验的零假设，认为相关系数矩阵与单位阵有显著差异，适合做因子分析。
公因子选取 本文选择主成分分析法作为因子提取方法，设置只提取特征值大于1的因子，選择最大方差法作为因子荷载矩阵的旋转方法，并要求输出旋转解，设定最大收敛性迭代次数为默认25次，计算因子得分的方法为回归法。如表2所示，第一个因子的特征值为12.618，刻画了原有33个变量总方差得到38.236%。前七个因子的特征值均大于1，每个因子至少解释了一个变量的方差，累计方差贡献率为69.253%，即七个因子解释了原有33个变量的69.253%。
公因子解释 由表3可知，因子1在大学数学二（1）、中小学信息学竞赛、C语言与中学信息技术教学、面向对象程序设计、数据库原理、程序设计基础等课程上有较大载荷，同时在信息技术课程教学论、教学系统设计课程上也有较大载荷，可以定义为“数理程序和教学设计能力因子”。
因子2在声音媒体技术、教育技术学导论、教育学基础、中学生心理辅导、教育心理学、数字视频技术上有较大载荷，这些都是教育技术基础理论课程，可以定义为“教育技术基础理论因子”。
因子3在教学能力综合训练（微格）、课程设计与评价、教育电视节目编导与制作、教育传播学上载荷较高，可以定义为“教学、评价和电视制作传播能力”。
因子4在三维动画制作专题见习、多媒体课件设计与开发、三维动画创作上载荷较高，可以定义为“数字媒体应用开发因子”。
因子5在书写技能训练、教师口语训练上有较高载荷，可以定义为“教师基本技能因子”。
因子6在电脑美术、平面设计上有较高载荷，可以定义为“平面艺术设计因子”。
因子7在教育技术研究方法上载荷较高，可以定义为“研究能力因子”。
综合评价 因子得分是因子分析的最终体现，当因子确认后，系统会根据这些因子的得分函数，自动计算每个样本的各因子得分，然后将七个公因子的因子得分，以各自的方差贡献率为权重，采用线性加权平均的求和的方式对学生的教育技术专业能力得分进行计算，具体公式为：
F=0.382 36F1+0.076 9F2+0.063 17F3+0.057 28F4+0.043 1F5+0.035 04F6+0.034 68F7
由此得到综合得分和总排名，取前10名，结果见表4。
从计算结果看出，排名第一的学生在因子7上的表现较突出，其他因子上的表现也都比较好，属于实力平均的学生，可以评价该生拥有很强的研究能力，各方面全面发
展;第二名的学生在因子2、4上的表现特别突出，因子1的得分也较高，可以评价该学生具有很强的教育技术基础理论素养和数字媒体应用开发能力、较强的数理程序和教学设计能力;第九名学生在因子5、6上表现得最好，可以评价该学生的教师基本技能和平面艺术设计能力非常强。详细分析还能发现每位学生在哪些成分上存在不足，如学号661的学生因子3、5、6、7还存在明显进步空间。根据因子综合得分情况可以对学生进行更合理科学的评价。同时，把某个因子由高到低排序，便可以知道哪些学生在该因子上的具体能力情况。
4 结语
结合专业人才培养目标，利用现有的学生成绩进行因子分析，既可以单独评价学生在某专业能力上的表现，也可以对学生进行综合专业能力评价，这是传统成绩评价方法所不能比拟的，评价结果也更科学合理。同时，利用因子分析有助于了解学生的知识结构和能力，这对学校课程设置、培养目标设定等具有非常重要的参考价值，为推进教育教学改革提供依据。
参考文献
[1]龙松，向丽苹.学生成绩综合评价中的因子分析[J].湖北工业大学学报，2011，26（3）：36-37，53.
[2]王小丽，李林芝，简太敏.多元统计分析在大学生综合成绩评价中的应用[J].产业与科技论坛，2018，17（12）：117-119.
[3]覃志强，沈霄凤.析教育技术专业本科的培养目标[J].中国成人教育，2006（3）：70-71.
[4]张屹，周平红.教育研究中定量数据的统计与分析[M].北京：北京大学出版社，2015.
转载注明来源:https://www.xzbu.com/9/view-15236536.htm
