期刊库

教育   经济   科技   财会   管理   
医学   法学   文史   工业   建筑   
农学   水利   计算机   更多>>
 首 页    论文大全   论文精品    学术答疑    论文检测    出书咨询    服务流程    诚信通道    关于我们 

基于SPSS的教育技术专业学生成绩分析

人气指数: 发布时间:2015-01-13 10:52  来源:http://www.zgqkk.com  作者: 蒋红星
分享到:

 

  [摘 要]学习成绩是衡量学生掌握知识和技能的重要依据,也是教学质量和教学效果的重要反映。通过对学生学习成绩的量化分析,可以发现数据背后潜在的教学规律或教学问题,为改进教学方法、优化课程设置或改善课程评价提供有价值的信息。基于SPSS统计软件,对某班级个案的学生成绩进行相关分析、聚类分析和因子分析,可以发现成绩数据背后潜在的教学规律或教学问题。

  [关键词]SPSS 聚类分析 因子分析

  [中图分类号] TP319 [文献标识码] A [文章编号] 2095-3437(2014)18-0004-04

  一、绪论

  学习成绩是衡量学生掌握知识和技能的重要依据,也是教学质量和教学效果的重要反映。通过对学生学习成绩的量化分析,可以发现数据背后潜在的教学规律或教学问题,为改进教学方法、优化课程设置或改善课程评价提供有价值的信息。

  本文将对某校教育技术学本科专业某个班级的学习成绩进行相关分析、聚类分析和因子分析,数据来源于该班级一至三年级42门课程的原始成绩,班级人数为43人。因2名学生的成绩缺失严重,实际有效样本为41。个别学生某门课程成绩缺失的,以课程平均成绩替代。本次分析工具采用统计分析软件SPSS19.0。

  二、分析方法

  (一)相关分析

  函数关系是变量间的一种确定性的关系,但在实际问题中,变量间的关系往往不是如此简单,一个变量的值不能由另一个变量的值唯一确定。这种两个变量之间依存关系但又不精确、不稳定的关系称为相关关系。相关分析是研究变量之间相互关系的密切程度和相互联系方式的重要方法,它把变量之间的相关程度的强弱用适当的统计指标表示出来。

  (二)层次聚类分析

  聚类分析是研究“物以类聚”的一种有效的统计分析方法。聚类分析能够将一批样本数据按照他们在性质上的亲密程度在没有先验知识的情况下自动进行分类。[1]在分类过程中,人们不必事先给出一个分类的标准。

  主要有两种聚类分析方法,即快速聚类分析方法(适用于大样本)和层次聚类分析方法。其中,层次聚类分析分为两种形式:一种是对样本(个案)进行分类,称为Q型聚类,它使具有共同特点的样本聚齐在一起,以便对不同类的样本进行分析;另一种是对研究对象的观察变量进行分类,成为R型聚类,它使具有共同特征的变量聚在一起,以便从不同类中分别选出具有代表型的变量进行分析,从而减少分析变量的个数。[2]

  (三)因子分析

  教育领域的研究需要对反映事物的多个变量进行大量的观察,收集大量的数据以便进行分析,寻找规律。在大多数情况下,许多变量之间存在一定的相关关系。因此,有时可以用较少的综合指标来分析存在于各个变量中的各类信息,而各综合指标之间彼此是不相关的。代表各类信息的综合指标称为因子。因子分析的基本思想是将众多的原始变量浓缩成少数几个因子变量,利用这几个公共因子去解释较多需要观测的变量中存在的复杂关系[3],以达到简化现象,发现规律的目的。

  三、分析过程

  (一)对课程变量的R型聚类分析

  对课程变量进行探索性R型聚类分析,可以找到课程之间的某些规律和特点。连续性变量的样本距离测量方法有多种,包括欧氏距离(Eucalidean Distance)、Minkowski距离、Chebychev距离和Pearon相关系数等。在SPSS聚类运算过程中,还需要计算样本与小类、小类与小类之间的亲密程度。SPSS提供了最短距离、最长距离、类间平均链锁法、类内平均链锁法等。[4]

期刊库(http://www.zgqkk.com),是一个专门从事期刊推广、投稿辅导的网站。
  本站提供如何投稿辅导,寻求投稿辅导合作,快速投稿辅导,投稿辅导格式指导等解决方案:省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。


  【免责声明】本文仅代表作者本人观点,与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。

 
QQ在线咨询
投稿辅导热线:
180-1501-6272
微信号咨询:
fabiaoba-com
咨询电话:18015016272 投稿邮箱:zgqkk365#126.com(#换成@)
本站郑重声明:文章只代表作者观点, 并不意味着本站认同。所载文章、数据仅供参考,使用前请核实,风险自负。
部分作品系转载,版权归原作者或相应的机构   若某篇作品侵犯您的权利,请来信告知.版权:周口博闻教育咨询有限公司 
Copyright © 2005-2023 . 期刊库 版权所有