网络关联分析方法在学生考试成绩分析中的应用

2020-01-16杨元宵俞月萍

中国高等医学教育 2019年10期

李翔，杨元宵，钟恺，胡珏，俞月萍，张琦,2*

(1.杭州医学院基础医学与法医学院；2.杭州医学院教务处，浙江杭州 310053)

考试是检验教师教和学生学的有效测量手段，考试成绩分析可以评估师生的教与学效果，可为教学改革及课程建设提供参考信息[1]。统计学方法是传统的成绩分析方法[2-3]，可反映总体数量特征：平均成绩、标准差、正态分布等，但无法体现成绩的详细分布以及学生间的相互关系。网络关联分析方法(之后全文简称网络分析)主要用于生物医学领域分子关联网络的关联分析，可以反映分子的详细空间分布、整体分布及个体关联关系[4]，其本质是一种用于系统研究具有内在关联关系的研究对象的可视化分析方法。本研究采用网络分析法研究考试成绩影响因素及内在关联性，探讨该方法在成绩分析方面的适用性。

一、对象与方法

(一)研究对象。

选取我校17级四年制康复治疗学专业1701班学生，共32人(男生8人、女生24人)。课程：药理学，32学时，2学分。期末考试为闭卷考，时间120min。由教研室组织3位教师采用流水阅卷、集体复核、统一登分。

(二)研究内容与方法。

将考试成绩(以S表示)分段：S≥90、80≤S<90、70≤S<80、60≤S<70、50≤S<60、40≤S<50。假设每个分数段内学生相关联，同寝室学生相关联，用软件Cytoscape_3.6.1建立学生关联网络并分析。成绩以节点(姓名)的大小表示，节点间连接表示关联关系，以节点边缘宽度区分寝室分布，相同宽度代表同寝室。同时，将成绩输入正方教务管理系统，导出成绩分析相关指标。

(三)学生自评问卷。

各项目采用10分制(1→10分)做出自评，并写出一起学习药理学的搭档同学。

二、结果

(一)传统方法分析成绩。

从正方教务管理系统中导出学生成绩分析结果：最高分99，最低分42.5，平均分69、标准差16.99、区分度0.57。各分数段比例：90-100分12.5%，80-89分12.5%，70-79分21.88%，60-69分18.75%，50-59分18.75%，40-49分15.63%。

(二)网络关联分析方法分析成绩。

成绩关联网络见图1,其中有两位学生的姓名仅中间一个字不同,分别标记为方*妍、方？妍。采用网络全局拓扑属性分析得到网络属性：网络直径4,网络中心性0.101,最短路径992,平均邻居数8.0625,网络密度0.260,这也与成绩关联网络的可视化结果(见图1)相对应,即网络的结构与分布、子簇的数量和结构等。

(三)学生自评结果。

发放32份问卷，全部回收，结果如下(见附表)，进一步结合图1进行分析。

问卷显示学习模式差异存在于寝室之间、性别之间。成绩较好的学生学习模式比较齐全，还注重与老师和同学的互动以及课外拓展知识的补充。男生成绩总体较差，8人中有6人不及格(见图2)，尽管各项学习模式自评项目都较班级平均分高，但及格率仅为25.0%，明显低于女生的79.2%。同寝室学生一般具有相似的学习模式，且为学习搭档，形成学习团队，如陈*莹寝室及胡*方寝室(见图1子簇2)，学习模式平均分分别为59.2和50.3。同寝室中也有区分成不同的群体，比如唐*姿寝室和汪*姗寝室(见图1、图2)。

三、讨论

学生考试成绩是各方面因素综合作用的表现，传统分析方法不能了解更多具体的信息。根据网络分析理论[4-6]具有相同生物学功能的基因会聚类形成子簇，本研究构建了成绩关联网络并开展关联性与聚类性分析。高分学生相聚集，同寝室学生相聚集；不同寝室学生也可形成子簇，提示学习模式的相似性可能起主导作用(见图1子簇2)。代表男生的节点都处于关联网络边缘，而靠近女生区域的男生成绩比较好，如图1子簇2徐*聪和解*杰。附表和图2显示不及格男生的学习模式自评高于班级平均分，但不及格率高，可能与其学习知识的转化与运用效率相关，可通过进一步添加节点属性，丰富学生相关属性，基于多维度信息整合将有利于进一步综合分析考试情况，更全面地评价教与学。