網絡關聯分析方法在學生考試成績分析中的應用

李 翔，楊元宵，鐘 愷，胡 玨，俞月萍，張 琦,2*

(1.杭州醫學院基礎醫學與法醫學院；2.杭州醫學院教務處，浙江 杭州 310053)

考試是檢驗教師教和學生學的有效測量手段，考試成績分析可以評估師生的教與學效果，可為教學改革及課程建設提供參考信息[1]。統計學方法是傳統的成績分析方法[2-3]，可反映總體數量特征：平均成績、標準差、正態分布等，但無法體現成績的詳細分布以及學生間的相互關系。網絡關聯分析方法(之后全文簡稱網絡分析)主要用于生物醫學領域分子關聯網絡的關聯分析，可以反映分子的詳細空間分布、整體分布及個體關聯關系[4]，其本質是一種用于系統研究具有內在關聯關系的研究對象的可視化分析方法。本研究采用網絡分析法研究考試成績影響因素及內在關聯性，探討該方法在成績分析方面的適用性。

一、對象與方法

(一)研究對象。

選取我校17級四年制康復治療學專業1701班學生，共32人(男生8人、女生24人)。課程：藥理學，32學時，2學分。期末考試為閉卷考，時間120min。由教研室組織3位教師采用流水閱卷、集體復核、統一登分。

(二)研究內容與方法。

將考試成績(以S表示)分段：S≥90、80≤S<90、70≤S<80、60≤S<70、50≤S<60、40≤S<50。假設每個分數段內學生相關聯，同寢室學生相關聯，用軟件Cytoscape_3.6.1建立學生關聯網絡并分析。成績以節點(姓名)的大小表示，節點間連接表示關聯關系，以節點邊緣寬度區分寢室分布，相同寬度代表同寢室。同時，將成績輸入正方教務管理系統，導出成績分析相關指標。

(三)學生自評問卷。

各項目采用10分制(1→10分)做出自評，并寫出一起學習藥理學的搭檔同學。

二、結 果

(一)傳統方法分析成績。

從正方教務管理系統中導出學生成績分析結果：最高分99，最低分42.5，平均分69、標準差16.99、區分度0.57。各分數段比例：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)網絡關聯分析方法分析成績。

成績關聯網絡見圖1,其中有兩位學生的姓名僅中間一個字不同,分別標記為方*妍、方？妍。采用網絡全局拓撲屬性分析得到網絡屬性：網絡直徑4,網絡中心性0.101,最短路徑992,平均鄰居數8.0625,網絡密度0.260,這也與成績關聯網絡的可視化結果(見圖1)相對應,即網絡的結構與分布、子簇的數量和結構等。

(三)學生自評結果。

發放32份問卷，全部回收，結果如下(見附表)，進一步結合圖1進行分析。

問卷顯示學習模式差異存在于寢室之間、性別之間。成績較好的學生學習模式比較齊全，還注重與老師和同學的互動以及課外拓展知識的補充。男生成績總體較差，8人中有6人不及格(見圖2)，盡管各項學習模式自評項目都較班級平均分高，但及格率僅為25.0%，明顯低于女生的79.2%。同寢室學生一般具有相似的學習模式，且為學習搭檔，形成學習團隊，如陳*瑩寢室及胡*方寢室(見圖1子簇2)，學習模式平均分分別為59.2和50.3。同寢室中也有區分成不同的群體，比如唐*姿寢室和汪*姍寢室(見圖1、圖2)。

三、討 論

學生考試成績是各方面因素綜合作用的表現，傳統分析方法不能了解更多具體的信息。根據網絡分析理論[4-6]具有相同生物學功能的基因會聚類形成子簇，本研究構建了成績關聯網絡并開展關聯性與聚類性分析。高分學生相聚集，同寢室學生相聚集；不同寢室學生也可形成子簇，提示學習模式的相似性可能起主導作用(見圖1子簇2)。代表男生的節點都處于關聯網絡邊緣，而靠近女生區域的男生成績比較好，如圖1子簇2徐*聰和解*杰。附表和圖2顯示不及格男生的學習模式自評高于班級平均分，但不及格率高，可能與其學習知識的轉化與運用效率相關，可通過進一步添加節點屬性，豐富學生相關屬性，基于多維度信息整合將有利于進一步綜合分析考試情況，更全面地評價教與學。

注：成績關聯網絡及其4個子簇。圓圈的邊緣寬度相同代表同寢室,圓圈大小代表成績高低

附表 學生對藥理學學習模式的自我評價結果

注：斜體姓名表示不及格。虛線框表示同寢室成員。雙向箭頭表示互為學習搭檔，單向箭頭指向學習搭檔。姓名字號大小按成績比例轉換

綜上，運用網絡關聯分析方法分析考試成績具有可操作性，可用于解析成績取得的內在關聯關系和影響因素，有助于拓展和延伸傳統成績分析的內涵，豐富和完善考試成績分析方法體系。