因子分析法在学生Java成绩及学习行为中的应用

贺红敏 张艳

摘要：Java课程是计算机相关专业极为重要的一门课程，经过统计发现本班同学这门课程的考试成绩并不理想，甚至出现很多同学考试成绩不及格的现象。针对这一状况，通过引入因子分析来挖掘其中的原因，并找到解决的办法。在研究学生学习成绩与学习行为习惯之间的关系时，把与学生学习成绩相关的多个学习行为习惯（变量）划分为几个少量的因子，针对这些因子提出解决的办法，最终通过老师和学生的共同努力使学生的学习成绩得以提高。

关键词： 因子分析法；学习成绩；学习行为习惯

中图分类号： G420 文献标识码：A 文章编号：1009-3044（2018）12-0248-03

Abstract ： Java course is a course of computer related major is very important， but after statistics found that the course for the students of class exam achievement is not ideal， and even the phenomenon of many students failed the exam， in order to remedy the situation， factor analysis is introduced to mining the reason， and find a solution. Students in this research the relationship between learning achievement and learning habits， is to put the students learning related multiple learning behavior habits （variable） is divided into several small amounts of factor， to solve these problems according to these factors， finally through the joint efforts of teachers and students to improve the students' academic performance.

Key words：factor analysis； academic performance； learning behavior habit

1 引言

Java的應用领域广、范围宽，对社会科学的发展至关重要，许多的专家和开发者运用Java技术为社会及科学的发展做出了很大的贡献。如苏关东[1]等人将Java应用于密立根油滴物理实验中，计算出了电子的公认比和电荷量。将Java应用于故障预警系统，可为民航事业的经济发展和安全系数服务提供可靠的保障[2]；将Java应用于手机OPAC系统的开发，可以让移动通信设备的潜能充分发挥出来[3]；将Java应用于服装工业，可以提高服装工业的生产效率和产品设计的水平[4]。陈观林[5]等人特地分析了市场中Java应用型人才的需求情况，调查显示在所有的技术软件开发中，Java软件技术的人才的需求数目是最大的，证实了Java技术的应用前景非常广阔。因此，学好Java这门课程非常有必要。然而，通过对本班同学Java课程期末考试成绩的统计，发现同学们这门课程的成绩很不好，多数同学的成绩仅仅处于及格边沿，一部分同学的Java考试成绩出现了不及格现象，很少有同学的成绩达到优秀阶段。针对这一状况，通过引入因子分析法来试图找出导致这一状况出现的原因，并找到解决的方案。最后，达到帮助学生改正不良习惯，提高学习成绩的目的，同时让老师清楚了解学生的学习情况，对老师的教学提供针对性指导。除此之外，好的学习习惯可以扩展到其他的课程当中，帮助学生全面提高学习成绩，甚至延伸到学生今后的生活和工作当中。

2 因子分析

因子分析法是指把若干的变量看作由具有相似性的公共因素组成，并把这些公共因素分解出来的方法[6]。即用尽量少的几个因子去说明多个自变量与研究变量之间的关系，得出相关性比较大的几个变量就划分为同一类，每一类就是一个因子，这些因子可以反映原来变量的大部分信息的分析方法。

2.1 因子分析的步骤

（1）对原始数据标准化处理，使数据类型符合分析方法的要求。

（2）判断因子分析的前提条件，根据内容选取原始变量，确认选取的原始变量可不可以做因子分析。

（3）求经过标准化后数据的相关矩阵，然后进行变量间相关性的分析。

（4）求得数据的因子载荷矩阵、初始公因子。

（5）公因子的命名。为公因子赋予名字，并描述其包含的意思。

（6）因子旋转。假如旋转之前，公因子就具有可解释性则可忽略此步，旋转的目的是使因子具有可说明性。

（7）对原始变量进行线性组合来求得因子得分。

（8）计算综合得分，综合评价模型如公式1所示。

其中wj为第j个因子的权重。

（9）通过综合得分对研究对象进行排序、评价。

3 基于因子分析的研究与分析过程

3.1数据采集与信度分析

此次研究是以九江学院的信息科学与技术学院，14届、15届、16届的学生为研究对象进行研究。通过问卷的设计了解学生的Java考试成绩及相关的学习行为习惯情况，引入因子分析挖掘学生学习成绩与学习行为习惯之间的关系，找出影响学生Java学习成绩的因素。

信度分析即可靠性，是采用同一个方法反复测量同一个研究对象结果的相同程度，若样本测量的信度系数越高，则表示测验结果越相同、越稳定和越可靠。此处采用SPSS17.0对得到的问卷数据进行信度分析，结果为0.936。学者Gay曾提出检验的信度系数高于0.9，表示测验结果信度很好[7]，所以，此次的问卷信度很好，可以进行下一步的操作。

3.2因子分析模型实例分析应用

（1）数据标准化

用SPSS17.0选择 “分析—降维—因子分析”时，SPSS会自动对数据进行数据标准化。

（2）KMO和Bartlett的球形度检验

經SPSS17.0分析，样本数据的KMO度量值为0.930，近似卡方值为958.138，自由度为136，伴随频率P（Sig=.000<0.05），根据Bartlett实验就拒绝了零假设，证明各个问题变量之间有明显的结构性和相关性，很适合做因子分析[8]。

（3）解释的总方差

解释的总方差显示出各个公因子所解释的方差和每个公因子累积和，经分析前2个公共因子的特征值大于1，方差贡献率为53.835、7.464，解释的累计方差和达61.299%，即2个公共因子能代表原有信息的61.299%，在教育领域这样的程度是可以接受的。

（4）旋转成份矩阵、成分得分系数矩阵

由旋转成份矩阵数据可以得到，前8个变量在成份1上的载荷比较高，将其命名为“外在因素”因子，而后9个变量则在成份2上的载荷比较高，将其命名为“内在因素”因子。成分得分系数矩阵表示所有的因子系数，以因子系数为依据从而计算出因子得分，表达式如公式2所示。

ujp为第j个因子在第p个原始变量的得分。

（5）综合评价值

计算综合评价值，表达式如公式3所示。

F=0.538f1 +0.075f2 公式3

如表1所示。由于数据较多，这里只截取一部分，从综合得分表可以看到学生学习成绩与学习行为习惯之间的关系，综合得分越高学生学习成绩越不好，说明这些学生在相应的学习行为习惯上存在较大的问题，这些行为习惯使得他们的学习成绩不理想。相反，综合得分越低，学生的成绩越好，说明他们在这些行为习惯上没有较大的问题。

4 结论

将提出的各个因子与学生成绩做交叉表，如表2所示。从表中可以看到成绩为优的同学，整体在各个因子都没有得分，说明他们在这两方面都处理得很好，从而证明“外在因素”与“内在因素”因子对学生的学习非常重要，同学们在学习Java的过程中，一定注重外在因素与内在因素的结合。

成绩为良的同学在第二因子上的得分较高，说明他们的学习习惯在这方面存在较大问题，他们在内在因素方面上有些放松自己。这部分学生在外在因素上存在的问题并不大，就是缺乏内在方面的良好学习习惯，所以老师要注意加强学生在内在因素学习习惯的管理与培养，让这部分学生的成绩向优秀靠齐。

成绩为中和差的同学在两个因子上的问题都较大，特别是在第一因子上。对于这些学生老师不仅要培养他们在外在因素上的良好学习习惯，而且还要培养他们在内在因素上的良好学习习惯。如外在因素上：注意观察他们，监督他们，经常提问他们问题加强他们的注意力，把握好外在的学习资源。内在因素上：经常鼓励他们培养学生学习的积极性、自主性，使他们学会自主学习，喜欢学习，从而把成绩提到更高的水平。

参考文献：

[1]苏关东，李宫晟，张鹏，张其星，邵麒，张瑛，全贞淳.Java面向对象程序设计在密立根油滴实验中的应用[J].实验室研究与探索，2017，36（7）：135-138.

[2]文君.一个基于JAVA的专家系统在飞机故障预警系统中的应用[J].中国科技信息，2006（3）：66.

[3]陈勤.基于JAVA手机OPAC系统的开发与应用[J].现代情报，2006（9）：222-223.

[4]王小阳，朱国进，陈家训.Java3D技术在三维服装设计中的应用[J].微型电脑应用，2006（11）：51-52.

[5]陈观林，翁文勇，杨起帆，吴明晖.基于需求导向的Java应用型人才培养探索与实践[J].计算机时代，2013（11）：66-69.

[6]李昕，张明名.SPSS 22.0统计分析从入门到精通[M].北京：电子工业出版社，2015，300.

[7]张文彤，董伟.SPSS统计分析高级教程[M].北京：高等教育出版社，2004，214-216.

[8]贾永娜.基于因子分析法的《现代教育技术》实验教学质量评价研究[D].武汉：华中师范大学，2012.