电子商务通识课程考试成绩多维度分析

戴德宝

摘 要： 成绩分析属于授课和考试后期发现和反馈环节，根据具体需求可以进行简单或复杂分析。本研究基于大类招生分布情况，通过电子商务通识课成绩反向验证大学生学习水平的状态分布假设。结果表明女生成绩普遍高于男生，经管和人文大类成绩高于理工大类，二年级分数高于一年级和三年级，先交卷的成绩依次平均好于后交卷的，绩点成绩服从正太分布。

关键词： 通识课 成绩 多维度分析

1.背景

成绩是衡量和评价各种教育课程的教与学的效果主要指标，尤其是在正式教育的多个级别，而且跨阶段的考试和成绩具有国家层面的法律效力，但是少有对于成绩进行多维度分析。具有国家法律效力的考试在出题环节需要考虑知识面的广度、深度及题型和内容上的难易程度，但少见考后成绩的多维分析报告，简单的不及格率分析只是为调整下一次出题难易程度服务。阶段内的考试因为其对学生决定性不强而常常为教师或机构所忽略，大学内多个教师授课的平台因为量大而不能及时深入进行成绩分析，单个教师单个班级授课因为量少而被认为没有必要进行成绩分析。成绩分析的作用是明显的，简单分析可以发现出题的质量和阅卷的公平性；深入分析可以发现学生的学习态度、层次和学科上的差异；课程体系的成绩分析可以提高教学管理精细化水平[1]。

现代计算机和信息技术使得复杂数据分析成为可能，一些研究者借用数据挖掘的方法和理论及统计分析软件进行不同视觉的成绩分析。关联规则分析方法可以查询成绩、院系和题型等多方面属性的关联结果程度[2-3]；约束统计方法可以综合分析学生各科成绩，发现在整个阶段教育期间学生成绩的趋势分布[4]；K-Means作为数据挖掘的聚类方法可以用于学生多科成绩聚类分析，以发现不同簇内问题[5]；Excel作为简单实用的数据管理和分析软件也可以很好地用于试卷评价和成绩分析[6-7]；为了更好地进行成绩管理，也可以利用开发软件平台开发成绩管理和分析软件[8]；除了进行单门课程或多门课程成绩外，有时还需要跨区域成绩分析[9]。

2.成绩分析设计

成绩分析不仅具有很大的必要性，而且存在多视觉分析的需求，用以考察成绩影响因素、成绩趋势和分布、成绩差异化合理性、潜在的成绩规律等。本文针对通识课程大班级考试成绩进行多维度分析，试图验证教学过程中的一些假设。

上海大学于2011年施行通识教育的大类招生，核心将一年级学生分招进理工、经管和人文三大类，鼓励教师开授通识课程和教授开授新生研讨课程，几年经验下来便形成了一定的假设。同为理科生，理工类招生分数较低于经管类和人文类，文科生只能填报人文类和其他类。这样在相应大班级考试成绩分布就会有一些假设：（1）女生成绩普遍好于男生；（2）高年级的分数低于低年级的分数；（3）经管和人文类成绩会好于理工类；（4）因为假设交卷快的准备充分而交卷慢的答得仔细，所以先交卷的和后交卷的成绩要好于中间交卷的；（5）绩点服从正太分布。全班级授课人数120人，无缺考。以下是相应多个维度的统计分析表格，相应内容参见表格标题。

3.成绩结果分析

由以上表格观察得出：（1）表1验证了假设1，女生成绩的确普遍高于男生，这是中国现代大学的普遍规律；（2）表2说明高年级考生并不完全低于低年级同学，结果是二年级考生成绩高于其上下两个年级，原因可能是三年级同学在补添学分，而一年级同学还没有完全适应大学考试；（3）表3.1和3.2的确验证了理工大类的考试成绩普遍低于经管和人文大类的假设，原因除了入学成绩外，可能还有理工大类的综合论述表达能力普遍低于经管和人文两个大类；（4）表4和其他表格数据发现交卷秩序上先交卷的成绩要普遍好于后交卷的，而与假设不同，原因可能在批阅试卷顺序上存在一定的主观系统误差，而避免在学号分布上出现较大差异。（5）表5数据说明考试成绩在绩点上基本服从正太分布，中位成绩占多数。本研究除了进行了上述分析外，还单独检查了专业选择成绩较好的会计学和财务管理学的学生，总共有9人，平均成绩为85.5分，交卷次序平均27（最前为1，最后为120），非常靠前；另外，艺术类和特色专业的入学成绩也很靠前，比如美术、音乐、电影和钱伟长学院的学生，该类样本数为9人，平均成绩为86.2分，交卷次序平均为49，说明该类同学的成绩很好，交卷次序略微靠前。

因为本研究只是通过单门课程成绩反向验证大类招生情景下学生对于经管类课程学习水平的推定，在课程、题型、难易程度及阅卷方式上存在一定的局限性，深入研究和设计还可以加入更多的维度或环节，以对学生学习内容和水平进行综合评价，并反馈和指导学生进行更好的后继学习，还可以通过促进学校开发统一成绩分析软件或分析平台在线提供给授课教师和学生，避免考后完事的学习状态。

参考文献：

[1]张萍，贺进，刘新宏，等.建立学生成绩“分析—反馈”机制提高教学管理精细化水平[J].中国大学教学，2015（2）：81-83.

[2]顾辉，杨青，蒋成功，等.关联规则在成绩分析中的研究及应用[J].计算机应用，2015（S1）：149-151，198.

[3]方毅，张春元.基于数据挖掘的多策略研究生教育课程成绩分析方法研究[J].计算机工程与科学，2009（6）：106-108.

[4]王思洋，王瑞庭，尚婵娟，等.约束统计方法在学生成绩分析中的应用[J].东北师大学报（自然科学版），2009（2）：46-49.

[5]谭庆.基于k-means聚类算法的试卷成绩分析研究[J].河南大学学报（自然科学版），2009（4）：412-415.

[6]王小燕.MSExcel数据分析在成绩分析暨试卷质量评估的应用[J].现代教育技术，2010（10）：135-137.

[7]霍红.基于Excel2003/XP环境下考试成绩分析模型的建立[J].教学与管理，2007（30）：45-47.

[8]郭新顺.基于PowerBuilder考试成绩分析系统设计原理[J].计算机应用与软件，2007（4）：106-107，110.

[9]张小情.北欧四国中学生英语技能测试成绩分析及启示[J].课程.教材.教法，2008（2）：87-91.

基金项目：上海市教育委员会科研创新项目（13YS015）