考试数据分布特征量在学风建设中的应用VIP专享

下载后可任意编辑考试数据分布特征量在学风建设中的应用考试数据分布特征量在学风建设中的应用 打开文本图片集 摘 要： 根据教育统计学理论，考试数据的前四阶矩，即均值、标准差、偏度、峰度，用于分析学生的学习状态。通过对不同年级、专业的考试数据所做的前四阶矩计算分析，提出考试数据的前四阶矩可以分别反映出班级学生的学习情况。因此，可以根据各个班级考试成绩数据分布特征量，有针对性地提出改善班风、学风的建议。 关键词： 学风建设 考试数据分布 统计分析 前四阶矩 在高校教学过程中，各门课程的考试成绩是衡量教学质量、学生知识掌握程度、学习能力、保研出国深造及就业的重要评价指标之一。实际上，教育统计学对于学生考试成绩的分析讨论早已成为一门专门的学科，在教育学领域中得到了广泛应用[1，2]。随着数据挖掘技术的进展和应用，将考试数据挖掘讨论应用于对教学质量分析上，取得了很大的进展[3]。但是如何将考试成绩的统计分析，应用于指导学生学习和学风建设中，目前还少有论述。下面试着对上述问题进行讨论。 1.考试成绩数据分布的特征量 考试成绩数据分布的特征量，指数据统计中的前四阶矩[2，4，5]。由于考试成绩数据服从概率分布已是公认的事实，通常各个教学部门都会统计考试数据的前两阶概率矩，即考试成绩的均值、标准差。但是从事教学工作的老师都清楚，各门学科的考试成绩并不一定服从正态分布。因此，考试成绩的前两阶矩无法全面评价学生成绩的情况。根据概率统计理论，一般采纳前四阶概率矩就可以近似逼近任意概率分布函数[6]。 描述考试数据前四阶矩，也就是均值、标准差、偏度和峰度的计算公式如下[6]， 1下载后可任意编辑 是偏倚度，假如概率密度函数对称时，其值为零。而 α4g 是峰度，在正态分布情况下，其值为 3。 2.考试成绩的前四阶矩 考试成绩的前四阶矩分别是均值、标准差、偏度和峰度。其中，均值表示考试成绩的平均分数，标准差表示考试成绩的分散程度。偏度衡量实数随机变量概率分布的不对称性，当偏度为负（称为负偏态），意味着在概率密度函数左侧的尾部比右侧的长，绝大多数的考试分数值（包括中位数在内）位于平均分数的右侧；偏度为正（正偏态）就意味着在概率密度函数右侧的尾部比左侧的长，绝大多数的值（包括中位数在内）位于平均值的左侧；偏度为零，表示考分相对均匀地分布在平均分数的两侧，但不一定意味着是对称分布。峰度是描述考试分数概率密度函数分布形态陡缓...