数学成绩与物理成绩相关性实践调查

白雪

摘 要：传统观念认为数学成绩对物理这一学科的影响至关重要，经常有“数学学不好物理就肯定学不好”这样的论断。基于科学认识事物的客观规律，对所在的年级学生进行为期一学年的数学、物理成绩追踪，利用教育学统计软件SPSS进行统计分析，得出相关性分析报告，以检验是否与传统经验相吻合。

关键词：数学成绩;物理成绩;相关性

一、研究背景

数学与物理联系极为紧密，一线教育工作者经常会定性探究二者之间的关系。对大量研究数学和物理关系的参考文献进行分析后发现：研究者多从数学和物理发展史、数学物理知识关联性以及哲学视角去审视二者之间的关系，很少有人利用数据分析去客观地研究。再者随着教育改革，越来越多的教育学统计软件被应用于一线实践教学研究中，对教学工作起到很大帮助，因此，笔者迫不及待地想验证“数学成绩不好物理肯定不好”这一传统论断是否真实。

二、实践研究

（一）对象、方法

本次研究的对象为笔者所在高一年级的全体学生，研究方法为SPSS数据统计。

（二）研究过程简述

在确定研究计划之后，笔者有意收集了所在年级学生从高一进校后到高二入学前的两学期共八次考试成绩。将一个年级的被试学生在不知情的情況下对每一次考试的成绩进行整理，从中剔除某次考试分数为零或者没参加某次考试的无效成绩，最终选取了1943组有效数据，筛选出的这1943组数学、物理成绩均有效。

（三）数据分析

数据分析采用的是教育学统计软件SPSS。利用该软件中的Pearson线性相关性（皮尔逊相关性）功能来定量描述数学成绩和物理成绩两个定量变量间直线相关的方向和密切程度。Pearson线性相关性分析只能用于两个定量变量之间的分析，而且要求两个变量都呈现正态分布，而不是随机变量，所以利用这一功能分析数学成绩和物理成绩是否具有相关性恰到好处。

进行Pearson线性相关性分析前首先需要将数学成绩和物理成绩绘制在一个散点图中，观察数据是否可以进行Pearson线性相关性分析，如果将两科成绩绘制成散点图，其散点分布呈一个椭圆形，且散点有线性趋势，说明数据可进行线性相关性分析，两者之间明显存在线性相关性，非常适合进行Pearson线性相关性分析。

如图2所示的分析结果中可以明显看出，数学成绩和物理成绩的Pearson（皮尔逊）相关系数是0.858，即皮尔逊相关系数=0.858，右上角和左下角注明的“*”则表示两者相关性在0.01级上是显著的，这说明数学成绩和物理成绩呈显著相关性，且成正相关。一般认为皮尔逊相关系数在0.8～1.0之间为极强相关性，在0.5～0.8之间是强相关，在0.2～0.5之间是弱相关，在0.0～0.2之间则是极弱相关或者无相关。

需要特别说明的一点是，相关关系不一定是因果关系，也有可能是伴随关系，也就是说物理成绩差并一定是数学成绩差造成的，也有可能是数学成绩和物理成绩较差成伴随关系。

三、结论与启示浅析

通过教育学统计软件对高一学年数学成绩和物理成绩进行相关性分析发现，数学成绩和物理成绩呈现明显的显著相关性。这也很好地验证了一线教育者尤其是物理老师“数学成绩影响物理成绩”的传统观念。

数学是一切自然科学的基础，数学是物理研究的工具和手段。物理学的研究和学习需要很扎实的数学基础和数学思想。所以在日常教学中，数学教师可以多和物理教师沟通，寻找两科目之间的共同点，通过协同备课和合作交流更有利于促进高中学生的理科思维成长。

参考文献：

[1]杨宁宁.培养高中生数学学科核心素养的探索与实践[D].济南：山东师范大学，2018.

[2]张景斌.高中数学教学渗透物理知识现状的调查研究[D].北京：首都师范大学，2014.

编辑 赵飞飞