学生成绩评价中总分排名与因子分析综合排名的比较

摘  要：学生的各项考核成绩是检验学生学习效果的一个重要指标，也是学校进行学业评价、学生管理、奖学金发放和毕业生就业等工作的重要参考指标，有效挖掘成绩当中蕴含的信息是学校教师和学生管理部门的一项重要任务[1]。本文借用因子分析的方法，尝试将课程成绩转化为几个衡量学习效果的关键因素，对各因子分别进行排名并最终进行因子综合排名，将之与总分排名的结果进行比较分析，说明因子分析排名在反映学生学习能力、学习效果方面和指导学生合理分配学习时间方面的优越性。

关键词：学生成绩;综合评价;因子分析;总分排名

中图分类号：G642 文献标识码：A 文章编号：2095-9052（2022）01-0-03

目前教师在评价学生成绩时多采用按总分排序的方法，这种方法的优点是简单易操作。但是也有学校做了改进，采用学分绩点排序的方法来评价学生成绩。该方法只是在课程权重上做了处理，并没有弥补总分排序的不足，本质上仍然是将不同课程独立看待，并没有挖掘出课程之间的关系以及课程与能力要素之间的内在联系;也无法排除教师因素、试卷难易度、考核方式的差异以及学科差异对成绩造成的影响，自然也就无法从众多课程成绩中分析出学生的综合素质状况。

统计中的因子分析能够将多个变量转化为少数起关键作用的独立公共因子，本文将尝试引入该方法来分析学生成绩，以提高排名结果在反映学生学习效果中的效用。

一、问题引入

在学生成绩评价中常常会遇到下列情况：甲、乙两位英语专业的学生，在某次考试中的成绩如表1所示。请问哪位在本次考试中成绩更优异？

按照传统的总分排名方法，两位学生总分相同，因此排名也相同，从而会认定这两位学生在本阶段的学习效果一样。但是如果结合专业特点再仔细观察甲乙两人的成绩，大部分人会做出截然不同的判断：学生甲的成绩更符合该专业人才培养要求，甲在本次考试中的成绩比乙优异。

从这个例子可以看出总分排序法的缺陷在于没有考虑不同课程在专业设置中的不同比重，而是简单地将各门课程同等看待，权重均为1，评价结果自然不准确，与实际情况存在偏差。为了克服该缺陷，能够更加科学合理地评价学生成绩，笔者尝试引入多元统计分析中的因子分析模型。因子分析的基本思想是将对复杂烦冗的课程成绩的分析转化为对少数几个智力因素（如语言智力、节奏智力、数理智力、空间智力、运动智力、自我认知智力和人际关系智力等）的分析，找出衡量不同课程对这些智力因素依赖程度的数量值[2，7]。

二、数据处理

本文的原始数据来源于江苏农牧科技职业学院三年制高职宠物养护与疫病防治10班54名学生前两学期15门课程的成绩，计算借助于SPSS软件，分以下几个步骤进行。

（一）对学生成绩进行初步统计分析

分别计算各门课程成绩的均值和标准差，若出现异常值，可先找出原因进行预处理。该组数据的均值在70.15～97.033之间，标准差均小于176，都在正常范围内。

（二）通过KMO检验和巴特利球形检验判断成绩是否适合进行因子分析

该组数据的KMO值为0.760〉0.7，Bartlett球形检验的P值小于0.01。两个数据都说明这15组成绩之间存在较强的相关性，比较适合进行因子分析[3，6]。

（三）用主成分分析法確定公共因子的个数

这里取公因子个数，此时主成分的累计贡献率已经达到了71.107%（见表2），超过了70%，说明用这5个公共因子来反映原来的15门课程是有效的。

（四）求初始因子载荷矩阵和旋转因子载荷矩阵

对旋转因子载荷矩阵进行分析，找出5个公因子反映的实际意义。

因子1在大学物理、大学英语1、线性代数、高等数学1、计算机应用基础、计算机网络技术、电路与模拟电子技术7门课程上的载荷较大，反映了学生在基础课程，特别是理科类课程上的学习能力，可见该因子主要反映的是数理智力。

因子2在素质教育1、素质教育2、职业生涯规划3门课程上的载荷较大，反映了学生的职业规划能力和基本素质。

因子3在C语言程序设计、计算机组装与维护实训、劳动教育3门课程上的载荷较大，反映了学生的实践操作能力。

因子4在思想道德修养与法律基础这门课程上的载荷较大，反映了学生的思政素养。

因子5在体育课程上的载荷较大，反映了学生的身体素质。

（五）计算得分

依据因子得分系数矩阵计算60位学生在5个公因子上的得分，并分别进行排序。

（六）计算因子综合分数并排序

根据公式计算60位学生的因子综合分数并进行排序，其中是5个公因子的方差贡献率。

通过肉眼观察即可发现，总分排序与因子分析综合排序的结果有明显不同，通过对结果进行Kappa检验，进一步证明了二者的确存在显著差异[4-5]。

三、结果分析

下面通过比较选取六位学生的排名情况（见表3）来具体说明因子分析排名在学生综合素质评价方面的优势。

（一）12号和36号学生情况

12号和36号学生的两种排名均相同，但是各因子排名反映的情况却不尽相同。12号学生5个因子的排名都很优异，特别是因子2、4、5排名位列前茅，可见其职业规划能力、思政素养和身体素质都是出类拔萃的;因子1和3的排名略差一些，今后需要在基础课程的学习和实操能力的提升上有所侧重。36号学生因子1、2、4的排名比较突出，可见其优势是基础课程的学习能力、职业规划能力和思政素养，薄弱项是因子3和因子5，应该在提高实操能力和身体素质上下功夫。

（二）9号学生情况

9号学生的情况与36号学生类似，因子3和因子5的排名落后于半数学生，是该生急需解决的两个问题;但是其因子1和因子4排名第一，因子2排名也比较高，可见其在基础课程的学习和思政素养上具有很大优势，这使其综合排名上升了三位。

（三）6号学生情况

6号学生的综合排名也上升了，但其情况与9号学生又有不同。该生因子1、3、4、5的排名都位于中上，而因子2的排名却位于倒数位置。可见其亟待加强自身的职业规划能力，提升基本素质。

（四）50号学生情况

50号学生的因子综合排名却反倒是下降了十名。仔细分析各因子排名发现，其在最重要的因子1和因子2上拖了后腿，因此该生在后续的学习中需要重点在基础课程和职业规划能力上下功夫;同时还发现该生有突出的實践操作能力和优异的思政素养，优点与不足同样突出。因子排名的结果既可防止该生不妄自菲薄，又可使其清醒地认识自身的不足之处。

（五）45号学生情况

45号学生的综合排名也下降了，其原因是因子4和5的排名均是最后一名，可见其迫在眉睫地需要提高自身的思政素养和身体素质，应该以此为长期指导思想有针对性地调整自己的学习计划。和50号学生类似，该生也有明显优势，即较强的基础课程学习能力、职业规划能力和实践操作能力，应保持优势弥补不足。

四、结语

因子分析模型将多门课程按照不同智力因素进行分类，并按照方差贡献率确定其权重，科学反映了各因子在综合素质中的重要程度。通过对表2中六位学生排名情况的比较分析可以发现，因子排名能够更加真实全面地反映学生的素质，能够有的放矢地指导学生进行后续学习策略的调整，能够帮助学生科学地调整职业规划。可见，因子分析综合排名是比总分排名更加科学有效的成绩分析方法。

参考文献：

[1]孙小素，霍玉娇.大学生成绩综合评价研究——基于多元统计分析方法[J].高等财经教育研究，2019（4）：19-25.

[2]刘娥，李明都.基于因子分析对学生成绩量化评价的研究[J].当代教育实践与教学研究，2020（3）：110-111.

[3]顾敏.基于因子分析的高职学生综合素质评价[D].华东师范大学硕士论文，2014.

[4]简小珠，戴步云.SPSS23.0统计分析：在心理学与教育学中的应用[M].北京：北京师范大学出版社，2017.

[5]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，2021（3）：38-39+55.

[6]金树颖，张慧雪.基于因子分析的学生成绩评价对培养复合型人才的启示[J].贵州师范大学学报：社会科学版，2015（3）：156-161.

[7]王淑玉，聂淑媛.基于SAS软件的学生成绩评价体系研究[J].洛阳师范学院学报，2014（11）：141-144.

（责任编辑：董维）