電子商務通識課程考試成績多維度分析

戴德寶

摘 要： 成績分析屬于授課和考試后期發現和反饋環節，根據具體需求可以進行簡單或復雜分析。本研究基于大類招生分布情況，通過電子商務通識課成績反向驗證大學生學習水平的狀態分布假設。結果表明女生成績普遍高于男生，經管和人文大類成績高于理工大類，二年級分數高于一年級和三年級，先交卷的成績依次平均好于后交卷的，績點成績服從正太分布。

關鍵詞： 通識課 成績 多維度分析

1.背景

成績是衡量和評價各種教育課程的教與學的效果主要指標，尤其是在正式教育的多個級別，而且跨階段的考試和成績具有國家層面的法律效力，但是少有對于成績進行多維度分析。具有國家法律效力的考試在出題環節需要考慮知識面的廣度、深度及題型和內容上的難易程度，但少見考后成績的多維分析報告，簡單的不及格率分析只是為調整下一次出題難易程度服務。階段內的考試因為其對學生決定性不強而常常為教師或機構所忽略，大學內多個教師授課的平臺因為量大而不能及時深入進行成績分析，單個教師單個班級授課因為量少而被認為沒有必要進行成績分析。成績分析的作用是明顯的，簡單分析可以發現出題的質量和閱卷的公平性；深入分析可以發現學生的學習態度、層次和學科上的差異；課程體系的成績分析可以提高教學管理精細化水平[1]。

現代計算機和信息技術使得復雜數據分析成為可能，一些研究者借用數據挖掘的方法和理論及統計分析軟件進行不同視覺的成績分析。關聯規則分析方法可以查詢成績、院系和題型等多方面屬性的關聯結果程度[2-3]；約束統計方法可以綜合分析學生各科成績，發現在整個階段教育期間學生成績的趨勢分布[4]；K-Means作為數據挖掘的聚類方法可以用于學生多科成績聚類分析，以發現不同簇內問題[5]；Excel作為簡單實用的數據管理和分析軟件也可以很好地用于試卷評價和成績分析[6-7]；為了更好地進行成績管理，也可以利用開發軟件平臺開發成績管理和分析軟件[8]；除了進行單門課程或多門課程成績外，有時還需要跨區域成績分析[9]。

2.成績分析設計

成績分析不僅具有很大的必要性，而且存在多視覺分析的需求，用以考察成績影響因素、成績趨勢和分布、成績差異化合理性、潛在的成績規律等。本文針對通識課程大班級考試成績進行多維度分析，試圖驗證教學過程中的一些假設。

上海大學于2011年施行通識教育的大類招生，核心將一年級學生分招進理工、經管和人文三大類，鼓勵教師開授通識課程和教授開授新生研討課程，幾年經驗下來便形成了一定的假設。同為理科生，理工類招生分數較低于經管類和人文類，文科生只能填報人文類和其他類。這樣在相應大班級考試成績分布就會有一些假設：（1）女生成績普遍好于男生；（2）高年級的分數低于低年級的分數；（3）經管和人文類成績會好于理工類；（4）因為假設交卷快的準備充分而交卷慢的答得仔細，所以先交卷的和后交卷的成績要好于中間交卷的；（5）績點服從正太分布。全班級授課人數120人，無缺考。以下是相應多個維度的統計分析表格，相應內容參見表格標題。

3.成績結果分析

由以上表格觀察得出：（1）表1驗證了假設1，女生成績的確普遍高于男生，這是中國現代大學的普遍規律；（2）表2說明高年級考生并不完全低于低年級同學，結果是二年級考生成績高于其上下兩個年級，原因可能是三年級同學在補添學分，而一年級同學還沒有完全適應大學考試；（3）表3.1和3.2的確驗證了理工大類的考試成績普遍低于經管和人文大類的假設，原因除了入學成績外，可能還有理工大類的綜合論述表達能力普遍低于經管和人文兩個大類；（4）表4和其他表格數據發現交卷秩序上先交卷的成績要普遍好于后交卷的，而與假設不同，原因可能在批閱試卷順序上存在一定的主觀系統誤差，而避免在學號分布上出現較大差異。（5）表5數據說明考試成績在績點上基本服從正太分布，中位成績占多數。本研究除了進行了上述分析外，還單獨檢查了專業選擇成績較好的會計學和財務管理學的學生，總共有9人，平均成績為85.5分，交卷次序平均27（最前為1，最后為120），非常靠前；另外，藝術類和特色專業的入學成績也很靠前，比如美術、音樂、電影和錢偉長學院的學生，該類樣本數為9人，平均成績為86.2分，交卷次序平均為49，說明該類同學的成績很好，交卷次序略微靠前。

因為本研究只是通過單門課程成績反向驗證大類招生情景下學生對于經管類課程學習水平的推定，在課程、題型、難易程度及閱卷方式上存在一定的局限性，深入研究和設計還可以加入更多的維度或環節，以對學生學習內容和水平進行綜合評價，并反饋和指導學生進行更好的后繼學習，還可以通過促進學校開發統一成績分析軟件或分析平臺在線提供給授課教師和學生，避免考后完事的學習狀態。

參考文獻：

[1]張萍，賀進，劉新宏，等.建立學生成績“分析—反饋”機制提高教學管理精細化水平[J].中國大學教學，2015（2）：81-83.

[2]顧輝，楊青，蔣成功，等.關聯規則在成績分析中的研究及應用[J].計算機應用，2015（S1）：149-151，198.

[3]方毅，張春元.基于數據挖掘的多策略研究生教育課程成績分析方法研究[J].計算機工程與科學，2009（6）：106-108.

[4]王思洋，王瑞庭，尚嬋娟，等.約束統計方法在學生成績分析中的應用[J].東北師大學報（自然科學版），2009（2）：46-49.

[5]譚慶.基于k-means聚類算法的試卷成績分析研究[J].河南大學學報（自然科學版），2009（4）：412-415.

[6]王小燕.MSExcel數據分析在成績分析暨試卷質量評估的應用[J].現代教育技術，2010（10）：135-137.

[7]霍紅.基于Excel2003/XP環境下考試成績分析模型的建立[J].教學與管理，2007（30）：45-47.

[8]郭新順.基于PowerBuilder考試成績分析系統設計原理[J].計算機應用與軟件，2007（4）：106-107，110.

[9]張小情.北歐四國中學生英語技能測試成績分析及啟示[J].課程.教材.教法，2008（2）：87-91.

基金項目：上海市教育委員會科研創新項目（13YS015）