成绩计算

成绩计算（共9篇）

成绩计算 篇1

面对数据庞大、凌乱的计算机考试成绩, 需要通过科学的手段进行成绩的统计、分析。再结合合理的计算机编程进行直观的、科学的计算机成绩评价, 以便为计算机教学提供更直观、更准确、更科学的教学参考依据。

1 计算机考试成绩数据分析的必要性

考试成绩的数据分析目的在于通过对考试成绩的数据分析, 挖掘这些数据中的潜在信息, 探索其内在联系及考试问题根源, 提高学生的学习效果和老师的教学质量。在计算机考试中利用数据分析对成绩进行评价是很有必要的。第一, 计算机考试中成绩数据繁重、复杂, 计算机强大的处理功能和运算功能减少了成绩统计中的失误, 确保了成绩统计的正确性、准确性。第二, 计算机考试中由于考生能力、主观意识等方面的差异, 卷面分数 (原始分数) 凌乱, 难以进行教学与学习研究。需要借助数据分析实现对计算机教学效果的客观认识, 以便纠正学生学习中的不足, 促进教师计算机教学的改革。第三, 数据分析将计算机考试中相对孤立的成绩统一起来, 提高了成绩信息的利用、挖掘, 有利于对成绩中隐藏信息的发现, 促进了计算机教学改革的科学发展。

2 关于考试成绩的数据分析理论

2.1 原始分数据的转化

原始分就是指考试者未经任何处理的卷面分数。一般情况下分散、杂乱, 不利于教学中对整体成绩的分析、研究, 看不出计算机教学或考生计算机能力的整体发展趋势。原始分数据转化就是将考生的卷面成绩转化为标准分 (将孤立的成绩转化为一种地位量数) , 以便为学习研究和教学研究提供支持。在转化过程中, 考生的成绩排位不受考题的难以程度和原始分数高低影响。例一:比如四百个人参加计算机考试, A的成绩是85分, 此次考试题目较容易, 在四百人中A成绩的地位处于中间档次。同样, 四百个人参加计算机考试, A的成绩是62分, 此次考试题目较难, 在四百人中A成绩的地位仍处于中间档次。那么两次考试A的标准分地位是一样的, 表明了A的计算机学习很稳定、教师的计算机教学对于A无太大改变。

2.2 分数增值数据的生成

分数增值显而易见就是学生成绩的增加分值, 主要应用在学生计算机学习进步的程度的评价。在操作中, 先对学生的原始分进行统计, 输入一个分数值。在对学习一段时间后 (接受教师教育一段时间后) 的成绩进行统计, 得到一个输出值。最后结合输入值和输出值的差异评价学生的学习和教师教学的效果。

综上所述:第一, 分数增值是依托原有的基础成绩进行和现有成绩的比较实现的。第二, 分数增值需借助计算机强大的统计功能和处理功能才能实现, 并确保了增值评价的效率。第三, 分数增值更关注学生的成绩变化而非分数本身, 确保了对学生学习、教师教学评价的科学性、公正性。

2.3 其他数据分析理论

除上述数据统计理论以外, 还有一些计算机考试成绩的数据分析理论。如结合题型对学生各题型的成绩进行统计, 利用统计数据的比较、分析研究探索学生学习中存在的问题以及教师教学中的不足。总之, 考试成绩的数据分析理论就是依托计算机强大的数据统计、处理功能, 实现对学生学习评价、教师教学评价的更科学、更公正, 以促进教学活动水平的提高。

3 计算机考试成绩的数据分析

在计算机考试中进行考试成绩的数据分析, 其目的也是为了实现教学效果评价的更科学、更公正。第一, 标准分数据的应用。一方面标准分数据的应用更直观的反应了学生计算机学习在总体中的地位。如该生的地位量数超过了80%的同学, 说明他的学习比较优异。反之有80%的同学超过了他, 那么就需要对他的学习方法、学习态度等进行分析、思考。另一方面标准分数据的应用客观的反应了学生计算机学习的状况。如例一中, 不能因为学生卷面成绩的下滑或提高武断的评价学生的学习和老师的教学。而应结合标准分的地位量数客观评价。此外, 标准分数值的应用还清晰的反应了个人或某个集体 (班级、学校等) 计算机成绩的变化情况, 以便教师进行对比教学。第二, 分数增值数据的应用。首先, 学生个体与总体增值分析可以直观的反应学生的成绩进步状况, 有助于学生对自己计算机学习的客观认识。其次, 某个集体 (班级、学校等) 计算机增值的比较, 可以使教师清楚的看到自己教学的优势与不足, 以便结合学生接受能力、学习能力进行一些合理的、适当的教学改革, 促进计算机教学水平的提高。第三, 计算机考试成绩的数据分析应用, 目的在于及时的、广泛的发现计算机教学中的问题及潜在问题。通过教学方式、方法的改进, 学生学习习惯、学习方式的改进等解决这些问题, 提高计算机教学的质量。其过程就是以原始分为基础, 进行相关孤立的成绩信息的整理、联系和比较, 实现了计算机教学评价的直观、科学、公正, 确保了计算机教学改革的有效性, 提高了学校计算机教学特色的发展。

4 结语

计算机考试只是检测计算机教学的一种手段, 计算机考试成绩的高低与考题的难易程度等有很大关系, 不能直接的、客观的反应计算机的教学水平。计算机考试成绩的数据分析理论为计算机教学评价提供了科学的、公正的评价途径, 对改善学习计算机学习效果、提高计算机教学改革的有效性有积极的意义。

摘要：基于计算机数据分析下的计算机考试成绩, 更能直观的、科学的、公正的反应学生的学习水平及教师的教学效果。提高了教师对计算机成绩中潜在数据信息的发现和挖掘, 有利于计算机教学水平的提高。同时, 通过计算机考试成绩的数据分析有利于教师对学生计算机学习的指导, 增强了学生与教师在教学中的配合度, 提高了计算机教学的特色和成效。

关键词：计算机,成绩,数据分析

参考文献

[1]魏零, 肖丹凤, 基于Excel数据分析处理功能统计学生成绩[J].考试周刊, 2013 (34) :124-125.

[2]姚徐, 数据挖掘在计算机等级考试中的应用[J].计算机光盘软件与应用, 2013 (01) :55-56.

[3]张庆丰, 王峰.探索性数据分析方法在成绩分析中的应用[J].安阳工学院学报, 2011 (04) :102-103.

成绩计算 篇2

(一)各级秘书考试的整体及其中各组成部分均按满分的60%计算及格分数线，有一项不及格即视为秘书总成绩不及格。

(二)总成绩不及格，且仅一项成绩不及格者，其合格成绩保留一年有效，保留期内可自愿申请参加一次不及格科目所在考试段的补考。

成绩计算 篇3

关键词：平时成绩；正态分布；相关性

一、引 言

目前，大部分职业学校在对学生期末考核时，均是实行形成性评价与终结性评价相结合的原则，即平时成绩和期末成绩按一定的权重分配，计算求出学生总评成绩。一般，平时成绩占总评成绩的30%～40%，期末成绩占总评成绩的70%～60%。理论上，平时成绩应该与期末考试成绩呈现相同的趋势，即一个学生平时成绩高，其掌握实际知识的能力就会高，相应期末考试成绩也应该高，反之亦然。两者之间应有比较强的正相关关系。那么，实际情况是否如此呢？平时成绩和期末成绩能否真正反映一个学生的学习状态及学习效果呢？笔者对此进行了研究。

二、研究过程及方法

1.确定研究对象。统计对象为楼宇自动化设备安装与维护专业的15位教师所授的15门不同课程成绩（根据抽样原则选取）。具体情况见下表1：

表1 统计对象

2.研究材料。本抽样的研究材料为09楼宇52班不同学期的15位教师上传到学校成绩统计系统的平时成绩和期末成绩。其中平时成绩，包括学生的出勤情况、课堂表现、实操过程及结果、作业次数及效果、自我评价等。若是以信息性、诊断性和鼓励性的评语形式给出的，按规定最终要以百分制的分数表达出来。

3.研究方法。本研究主要采用比较法。在不进行任何干预和通知的情况下，随机抽取期末成绩报告表，对平时成绩和期末成绩进行比较分析。所收集的数据通过Excel和SPSS13.0进行统计、归类、比较。

（1）分析平时成绩和期末成绩的分布情况。美国教育家卡罗尔提出：如果在某一学科中，学生的能力倾向是正态分布的，并且为所有学生提供了完全一样的教学（教学的数量和质量，可用于学习的时间都一样），那么在适当的成绩测量中，最终结果将呈正态分布。

对于学生考试分数的合理性判断，目前较好的仍然是以正态分布为评判原则的评价方法。如果成绩符合正态分布，则考核合理。本次研究的15门课程平时成绩和期末考试成绩的正态分布曲线如下图1，每科的平时成绩和期末成绩画在一张图上进行对比，共获得15张分布图形：

由图1可以看出，数学、语文、电力拖动、建筑CAD、机械制图、安防技术等六科成绩的正态分布曲线形状较好。分布图的高峰位置在中心，左右基本对称，曲线分布较广，且平时成绩分布曲线与期末成绩分布曲线较为吻合。说明这几科的任课老师对学生平时学习过程很了解，学生成绩能够准确反应其平时学习效果，平时表现好的学生期末成绩也很高。同时，分布曲线比较平缓，说明成绩的区分度较高，可以给学生一种有付出就有收获的信号，能够激励学生学习动力。老师的教学效果及对学生的评价较为真实合理。

英语、电工基础、电子技术、照明配电、给排水、消防技术、制冷技术等七科成绩分布曲线相似。平时成绩和期末成绩基本呈现偏态分布，曲线陡峭，成绩集中在平均分左右，说明成绩不能够严格区分学生的学习过程及效果，不能给学生以激励作用。同时平时成绩与期末成绩分布曲线分离严重，平时成绩总体偏高，说明二者之间相关性较低。在期末总评价时，为保证及格率，教师存在刻意拉高平时成绩倾向，其教学效果及评价方法不够理想，需改进。

机械知识和电梯原理两科成绩分布呈现相似的趋势，平时成绩分布曲线平缓，平均分较低。期末成绩曲线陡峭，平均分相对较高，分数集中在平均分左右。这说明期末试卷较易，不能够将学生区分开来，反应不错学生的学习过程及效果。为了平衡学生的总成绩，任课教师只能肆意降低平时成绩。两科的任课教师对学生学习能力及掌握知识情况不够了解，按自己的思维进行评价，与实际不相吻合，需加以改进。

（2）研究平时成绩与期末成绩的相关性。利用SPSS13.0对每门课程平时成绩与期末考试成绩进行相关分析和一元线性回归分析，考察平时成绩和期末考试成绩之间是否有正相关趋势。根据分析结果可以考察平时成绩和期末考试成绩之间是否具有正相关关系、相关程度如何、相关关系是否显著。根据线性回归分析可以进一步验证平时成绩和期末考试成绩两个变量之间存在怎样的关系，是如何相互影响的。具体统计结果见表2所示。

根据统计学可知，相关系数r的含义如下：r>0为正相关，r<0为负相关；0<|r|<1表示存在不同程度线性相关：|r|≤0.3为不存在线性相关；0.3<|r|≤0.5为低度线性相关；0.5<|r|≤0.8为显著线性相关；|r|>0.8为高度线性相关；|r|=1表示完全线性相关。

截距a表示在没有自变量x的影响时，其它各种因素对因变量y的平均影响；回归系数b表明自变量x每变动一个单位，因变量y平均变动b个单位。

由统计列表可知，15门课程的平时成绩与期末考试成绩呈相关趋势的有12门，占80%，不相关的3门，占20%，无负相关课程。其中显著相关的7门，占总体的46.7%，低度线性相关的5门，占总体的33.3%。

从结果来看，班级有7门课程的平时成绩与期末成绩呈显著线性相关，而8门科目则不存在线性相关或不相关。说明平时成绩（形成性评价）在学生评价中的信度不高。一元线性回归效果显著的课程占46.7%，这也表明平时成绩对期末考试成绩的影响不显著，平时成绩高的学生，期末考试成绩未必较高。学生的平时成绩得分与期末考试的得分相差悬殊，不能够互相吻合。另外，平时成绩对学生的区分度也不强，评价结果不能够激励学生学习动力。另一方面，平时成绩又在某种程度上成了一些学生考试过关的救命稻草。这说明任课教师在考核学生平时表现时，不是按着实际学习过程，而是根据期末考试结果的好坏。为得到分布较好的总体成绩，主观臆断地给出一个学生的平时成绩，与学生平时学习过程严重不符。

成绩计算 篇4

一、高职考生特点及其现状分析

高职考生普遍的一个特点, 正如不少教师所说的一个字“差”。的确, 高职考生与普高生相比学习成绩差是客观事实, 但是, 并不能说这些高职考生的智力和成绩一样差。因为大量的心理学研究表明, 智力与学业成绩之间只有中等程度的相关, 且其相关系数不但与学科有关, 还与年级有关。随着年级的提高相关系数反而下降, 因此, 我们决不可因为这些学生成绩差, 而将他们看“死”了, 认为都是些笨孩子, “不可教也”。

其实造成高职考生学习成绩差是多方面的。在学习动机上, 表现为家长逼他学, 老师劝他学, 也就是说, 缺少最能发挥学习效能的内部学习动机;在意志特点上, 则表现为一遇困难就知难而退, 缺少克服困难的意志。还有些则表现为“三分钟热度”。

当然, 造成这些学生成绩差的外部因素, 还有社会的、家庭的以及学校的和教师的等诸多因素影响。其实高职考生对进入职业高校有一定的期望, 希望在职专中有获得成就的体验。但在职专中学生缺少获得成就体验的机会。所以, 我们更应该充分了解他们, 关心他们。了解他们的特点, 分析他们成绩差的原因, 因材施教, 为他们营造更多的成就机会, 才能让他们走出成绩差、无信心, 无信心、成绩更差的怪圈。

二、提高成绩与能力实施方法

综上所述, 高职考生的学习成绩较差, 在很大程度上应当归因于其非智力因素方面的欠缺。根据这一状况, 我认为提高《计算机应用基础》学科的成绩与能力, 应从以下几方面入手:

1. 帮助学生建立自信自强信念, 激发学生成功内驱力。

在高三授课的教师应给予学生满腔热情和关爱, 帮助学生逐步建立起自信、自强的信念。在教育学生过程中, 要多一些理性的指引, 少一点情绪化的行为。有了这样的情感基础, 我们教师的热情和关爱才会持久, 才会将学生真正放在心里。对学生的教育会更耐心一些, 脸色会更和悦一些, 精力会更投入一些, 教育的方法会更灵活些。

2. 明确培养目标, 制定阶段目标。

职业教育的目标是培养高素质的劳动后备军, 即使是进入高职院校的大学生, 其培养目标也是如此, 所以, 即使是高职考生, 也不能偏离了职专的培养目标。应以培养中初级技术工人为主, 多途径、多形式地培养和提高学生的技能。其次, 针对高职考生的实际情况, 制订合适的阶段性目标, 因此我制订了一整年合适的学习计划, 并有阶段性目标。如:将教材讲授结束后, 进行第一次模拟考试, 要求达到50%的分值;整体复习一遍后, 进行第二次模拟考试, 要求达到60%的分值;针对各章进行单元测试后, 进行第三次模拟考试, 要求达到70%的分值;练习历届《计算机应用基础》高考模拟试题后, 进行第四次模拟考试, 力争达到80%以上的分值。这样, 即使激发了学生的能动性, 又让学生有了一次成功, 又一次成功的体验。

3. 教学方法、手段要优化。

对教学内容要本着“按纲、因材、面宽”的原则选用, 对计算机专业与非计算机专业考生实施不同方式教学。计算机专业学生虽然底子好, 但容易产生轻视心理, 认为《计算机应用基础》课程简单, 而实际上真正遇到问题又似是而非, 反倒不易获取高分。针对这种现象, 在学期初第一节课上即筛选出一些易混淆的题目进行测试, 然后公布正确答案。当多数学生得到较低分数后, 再晓之以情、动之以理的使其认识到知识来不得半点马虎, 只有虚心才能在考试中取得优异成绩。非计算机专业学生底子薄, 但求知欲望极强, 可以因势利导, 从简单内容入手, 循序渐进的指导学生进行有针对性的学习, 千万不要急于求成, 使学生感到进度快、跟不上、厌学的思想, 要让学生有紧迫感、上进心, 去赶、超计算机专业学生, 为在高考中取得好成绩做好充分的准备。

为了提高教学质量, 《计算机应用基础》课程在多功能教室进行教学, 可以降低学习难度, 激发学生的学习兴趣, 加深对知识的理解。课堂上采取学生参与教学的方式, 知识浅的内容学生在老师所要求的时间内进行预习后, 以抢答的形式进行示范教学, 答错的不扣分, 答对的加10分, 要求边演示边讲解;知识深的内容进行因材施教, 在课堂练习与训练方面采取分类推进, 练习难度分层次进行, “化难为易, 化繁为简”, 对于出现的问题及时解决, 力争做到面向全体。

在教学中通过成立互帮互助小组, 开展创新教学等多途径、多形式地为学生营造各种表现自己、成就自己的机会, 激发学生的求知欲, 发挥学生的内在潜能。同时在每次模拟考试后, 针对学生实际, 肯定其进步, 鼓励其前进, 以多肯定、少否定;多表扬、少批评;多引导、少指责的“三多三少”来建立和谐的师生关系, 为学生营造出良好的学习环境, 使学生重新获得自信心, 激发出其内在的学习驱动力。

4. 适时指导学生整理错误习题。

凭借教师的多年教学经验, 为学生精心准备的练习题、测验题、模拟题应该说都是教材的精华所在, 但有部分学生总是错在相同的题目上, 教师应及时指导学生做错误习题的收集, 在复习时即使能有的放矢, 又能减少复习已会知识所浪费的时间, 并提高准确率。

5. 提高学生能力, 技能训练要加强。技能训练即使是职业教育的特点, 也是职业教育的重点。

教师业务考核教学成绩计算方法 篇5

一．平均分C值。

1.平均分A值：上学期期末考试该班参评人数的平均分与年级参评平均分之差

2.平均分B值：考核学期（年）期末考试参评人数的平均分与年级参评平均分之差

3.C=B-A 二．学期（年）期中期末考试班级参评人数，平均在年级中的排名的平均分D，每班参评人数的平均分排名分为四档，第一.第二名，第三.第四名，第五.第六名，第七.第八名分别赋予4.3.2.1分，则D=

平均分排名总分考试次数

注：1.本项考核只适用于初中部平行班

2.若班级参评人数平均分与概念机最高平均分之差（文科大于5分，理科大于8分），该项考核为0.三．各班参评人数的确定

1.44人（含）以上在班级实际人数的基础上减5人 2.42-43人在班级实际人数基础上减去4人

3.40-41人在班级实际人数基础上减去3人 4.38-39人在班级实际人数基础上减去2人 5.36-37人在班级实际人数基础上减去1人 6.35人及以下按实际人数计算 四．教师教学业绩考核成绩=C+D 注：以上教学业绩考核方法为同年级为单位进行考核评比。

教研部

成绩计算 篇6

如何实现呢?用Countif函数吗?可以实现,但需要逐个班级操作,太烦琐,费时费力,而且很容易出错;用FREQUENCY函数作频度分析吗?同样很烦琐。实际上,使用数据透视表,可以方便快捷的得到所需要的合格率。具体有两种方法。

一、方法一及其操作步骤

1、计算“成绩等级”

在成绩表增加“成绩等级”字段。全国计算机等级考试一级MS-Office的成绩分为三个等级,九十分及以上为“优秀”,六十分至九十分为“合格”,六十分以下为不合格。因此,只需要在F2单元格中输入公式:IF(C2>=90," 优秀", IF(C2>=60," 合格"," 不合格")),再复制公式到下方各个单元格,即可计算出所有考生的成绩等级。结果如图3所示。

2、创建数据透视表

选取成绩表的所有数据,创建数据透视表。在“数据透视表字段列表”任务窗格中设置“班级”为行字段,“成绩等级”为列字段,“成绩”为统计字段,并设置汇总方式为计数,生成数据透视表。

3、更改“成绩等级”字段的排序方式

仔细观察数据透视表,发现“不合格”在第一列、“合格”在中间一列、“优秀”在最后一列,与一般习惯不符。因此,还需要更改“成绩等级”字段的排序方式。

在数据透视表中右键单击“成绩等级”字段,在弹出的快捷菜单中执行“排序”→“降序”排序命令。图略。

完成后,得到的数据透视表如图二所示(左边五列)。

4、计算各班的合格率

可以直接在“数据透视表”中计算各班的合格率及全校的合格率,但对“合格率”排序就不能进行。因此,先将“数据透视表”的数据复制到一个新工作表中,然后再计算“优秀率”和“合格率”,其中,优秀率等于优秀人数除以总人数;合格率等于优秀人数加上合格人数,再除以总人数。 最后按“合格率”降序排序。结果如图2所示。完全符合要求。

二、方法二及其操作步骤

1、创建数据透视表

选取成绩表的所有数据,创建数据透视表。在“数据透视表字段列表”任务窗格中设置“班级”为行字段,“成绩” 为列字段,“姓名”为统计字段,并设置汇总方式为计数,生成数据透视表。

2、对成绩分组并进行组合

在数据透视表的行区域中右击任意单元格,在弹出的快捷菜单中选择“创建组”命令。Excel将弹出“组合”对话框。在“组合”对话框中的“起始于”、“终止于”及“步长”后的文本框中输入相应的数值。单击“确定”按钮完成分数段统计。如图5所示。

然后,将“<60”、“60-89.9”和“>89.9”分别更改为“不合格”、“合格”和“优秀”。后面的步骤与方法一的第3步、第4步一样。

综上所述,使用Excel数据透视表统计全国计算机等级考试一级MS-Office成绩,非常方便快捷,充分体现了数据透视表的强大的数据处理能力,以及其使用的便捷性。考试班级越多,越能体现此方法的优越性。

摘要：本文讨论了用Excel数据透视表统计计算机等级考试一级MS-Office成绩的两种方法。两种方法均能非常方便快捷的完成对考试成绩的统计分析,充分体现了数据透视表的强大的数据处理能力,以及其使用的便捷性。

成绩计算 篇7

目前高等医学院校的核心课程虽然以医学课程为主,但是面对当今社会信息化技术的不断深入,特别计算机网络技术的迅猛发展,计算机技术的应用在医学领域中也日趋广泛,社会对医学人才的培养亦提出了更新更高的要求[2]。因而计算机课程的设置目的是为了适应时代发展以及对新型高素质高能力人才培养要求而开设的高等医学院校的公共基础课[3]。

计算机课程是对应用性和实践性要求很强的一门学科,所以计算机实验教学部分在医学院校计算机课程教学过程中占有很大比重,是重要的实践教学环节。在计算机实验课程教学过程中,学生的实验成绩既是对学生的动手能力和对知识技能掌握情况的评价,同时也是衡量实验课程成效的重要指标[4]。科学、有效地对医学生计算机实验教学的过程进行管控也愈加重要。怎样管理好医学生的计算机实验成绩,将它及时、准确地反馈给教师,已经成为教师了解计算机实验课程的教学效果、改进教学方法的重要手段[5]。

目前我校《计算机基础》课程采用期末理论考试成绩和平时实验成绩相结合的方式来进行考核,相对于理论考试来说在平时实验成绩的考核评定上涉及因素多、过程复杂、难以量化,遇到此类问题时,老师也很笼统模糊地进行处理。例如评估者的角度和水平差异,所谓“良”与“中”之间没有很明显的数量界限,就是说考核评估过程中带有一定的模糊性,给考核评定时带来一定的难度,势必影响最终成绩的客观性和准确性。鉴于上述情况,本文引入模糊综合评价的方法,对医学院校计算机实验课平时成绩做综合评价,力求寻找一种对实验课程更为合理的评价考核方法。

2 FCE基本涵义和基本原理(FCE of the basic connotation and basic principle)

2.1 FCE基本涵义

模糊综合评价模型,简称FCE(Fuzzy Comprehensive Evaluation),是在模糊数学理论这一大前提下,通过模糊数学理论的方法,把一些界限比较模糊、难以定量和难以明确定义的因素为研究对象,利用模糊关系合成原理,将不确定的因素进行定量化分析处理,通过判断多个因素相对于被评价事务隶属等级状况进行综合评判,最终做出的一种综合的、客观的、科学合理的综合评价方法[6]。

2.2 FCE基本原理

首先,建立评价对象因素集、评价对象的指标因素集、等级集;其次,确定各项评价指标因素的权重,对各评价集中评价指标的确定隶属度向量,从而获得模糊评价矩阵;最后将因素的权重向量和模糊评价矩阵进行模糊运算并且进行归一化后,通过单因素评判、综合评判,得出模糊综合评价最终结果[7]。

(1)确定综合评价因素集

将影响评判对象所有的评价指标因素集合到一起,构成了所谓的综合评价因素集,它是评价者从哪些方面对评价对象进行评价的一个描述。评价因素集同时具有普通集合的所有特点和性质,用U表示:

(2)确定综合评价等级集

评价等级集是指评价者对评价对象的对象属性给出的各种可能出现的评价测量结果的集合。用V表示:

在式(2)中,vn表示第n个评价等级。

(3)确定综合指标权重集

指标权重是在确定的评价因素集中,各项指标评价因素之间影响的重要程度不尽相同,所以对各项评价因素会按其各自重要性的不同进行分配,确定其重要程度性的大小[8]。在模糊综合评价系统中,指标权重具有十分明显的导向性,直接影响到综合评价的结果,是极为重要的。确定权重常用的方法有主观经验法、德尔菲加权法、专家调查加权法、层次分析法AHP等等方法。用W表示:

(4)建立单因素模糊评价

单因素模糊评价就是单独从一个因素视角出发予以评价,从而确定评价对象对评价集合v所对应的隶属程度[9]。等级模糊子集构造完后,逐个的被评价对象从每个因素ui上进行量化,进而得到模糊关系矩阵:

(5)求模糊综合评价结果向量

(6)对模糊综合评价结果向量进行分析

得到模糊综合评判向量B后,按照实际中最常用的方法最大隶属度原则,中,数值最大者即反映了评价对象属于的等级。

3计算机实验课程平时成绩的模糊综合评价应用(A fuzzy comprehensive evaluation of the computer experimental course grades)

我校对医学生开出的计算机课程是《计算机基础》,本文就以《计算机基础》的实验课程举例加以说明。在我校,根据专业大纲要求每个学生需要完成六个实验内容:操作系统s1、文字编辑系统的基本操作、编辑与表格制作s2、图文混排及综合应用s3、电子表格基本操作、工作表的编辑与格式化s4、数据管理与分析数据的图表化s5、幻灯片的制作s6。这六个实验内容构成的《计算机基础》实验课程集合S={s1,s2,s3,s4,s5,s6}。

结合《计算机基础》实验课程及面向医学院学生的实际特点综合考虑,形成学生实验课平时成绩综合评价指标体系,详见表1。

评价《计算机基础》实验课程的平时成绩时,结合学生的课程实际,采用优、良、中、差四个衡量评语等级,并且构成评价集V={v1,v2,v3,v4}={优,良,中,差}。

根据各综合指标因素的重要性不同,本文采用专家调查方法,通过教研室各位专家教师对各组成因素的相对重要性分别做比较,会议研究讨论来确定各综合指标的权重。一级指标体系权重系数分配为:W=(0.3,0.5,0.2),对于评价因素子集u1,u2,u3二级指标体系中各评价指标因素的权重分别分配为:W1=(0.3,0.3,0.2,0.2);W2=(0.2,0.4,0.2,0.1,0.1);W3=(0.4,0.2,0.3,0.1)。

学生甲各评判指标的评语等级,详见表2。

对表2中学生甲《计算机基础》实验平时成绩评价等级数量进行统计、归一化处理后得到单因素模糊综合评价矩阵[10]:

根据公式(5)可计算出一级综合评判向量B1,B2,B3分别为:

综合上述一级综合评价结果,得到其决策矩阵为:

根据公式(5)

求出二级综合评价模糊向量:

按照最大隶属度法,得出学生甲的“优”程度最大,所以该学生在《计算机基础》课程平时实验成绩的综合评价等级为“优”。

4结论(Conclusion)

本文通过采用模糊综合评价模型,通过具体实例发现,一方面该评价模型更客观公正,也更科学,具有导向性。它减少了医学院校计算机实验课程平时成绩传统考核方法中存在的主观性和随意性,能更加准确地描述出评价级别的优劣程度,提高了医学生对计算机实验课的积极性。另一方面该评价模型为医学院校计算机课程实验教师进一步提高计算机实验课程的教学质量和教学效果提供了依据[11]。

参考文献

[1]Vincow G.The Student-centered Research University[J].Innovative Higher Education,1997(3):165-178.

[2]Chen.S.M.,J.M.Tan.Handling Multicriteria Fuzzy DecisionMaking Problems Based on Vague Set-Theory[J].Fuzzy Sets and Systems,1994,67(2):163-172.

[3]Gau,W.L.,D.J.Buehrer.Vague Sets[J].IEEE Transactions on Systems,Man and Cybernetics,1993,23(2):610-614.

[4]雷炜.医学院校计算机基础课程教学改革的探讨[J].医学教育探索,2007,6(11):1026-1027.

[5]孙新卿,贺红勋.加强实验技能训练提高工程实践能力[J].实验技术与管理,1999,16(5):90-93.

[6]张海东.粗糙集理论模型的研究[D].电子科技大学,2006.

[7]杨添平.基于模糊综合评价法的高职院校教师人岗匹配研究[D].广东工业大学,2014.

[8]李华英,梁振东.基于模糊综合评价算法的高校教师评价系统实现[J].中州大学学报,2012,29(3):126-128.

[9]贾彦竹,刘升.基于模糊综合评判的房地产市场发展程度的分析[J].赤峰学院学报,2016,32(6):54-56.

[10]霍健,周广文.现代远程教育质量模糊综合评价探讨[J].技术探讨,2015,36(2):68-70.

成绩计算 篇8

本文的目的及意义是通过引入“系统论”及“多元智能理论”对黑龙江民族职业学院计算机公共课成绩评价体系进行尝试性改革与创新, 以期全方位、多层次、多元化地对学生成绩进行准确综合评价, 并通过本评价来促进、激励学生个人素质、理论知识的全面发展, 从而取得教育教学效果的最优化, 进而达到改变学习风气, 促进学院发展的最终目标。

二、成绩评价体系改革与创新的具体运用

1. 运用多元智能理论改革与创新落后的成绩评价体系

(1) 礼貌分。这是我用来对于学生的思想道德水平进行的评价。具体的做法是要求学生对于任课教师要给以足够的尊重, 见到任课的教师要打招呼。如果能够坚持一学期, 那么在期末进行平时分数评定的时候可以获得相应的分数加成。这个分数虽然在期末总分中所占比例并不多, 大体上在5% 左右, 但是我所教班级大约有80%~90% 的学生完成得较好。因为我所教的是公共课, 学生人数比较多, 所以在校园里走路的时候碰到向我打招呼的学生非常多。事实证明, 这个分数虽然所占比例最少, 但是取得的效果却极为显著。

(2) 出勤分。这与原有学生出勤评分没有区别, 能够坚持上完一学期课程, 并保证出勤率的学生, 在个人意志品质方面是没有问题的, 这个分数大体占总分的10%。

(3) 课上积极表现分。这个是我用来对学生在课堂上进行实践教学时的表现给予的分数。具体的做法是, 给予最先完成实践操作的占全班学生总数的五分之一的学生表现分并记录到成绩册上, 并且每有一名学生完成操作, 我都会在课堂上大声念出这名学生的名字, 直到全部五分之一的学生都完成为止。这一部分的学生会获得累积表现分数, 大体上占期末总分的5% 左右。我通过这种方式来促进与激励学生的学习兴趣, 激发学生的竞争心理。事实证明, 绝大部分学生渴望在课堂上能够进入这五分之一的行列. 由于竞争的存在, 每次课堂练习时, 进入这五分之一的学生名字都有所变动, 从而形成良性的竞争环境。

(4) 阶段测试分。阶段测试是在课程每一个单元学习结束后进行的随堂测试。毕竟课程教学以知识的掌握为主, 这一部分占期末总成绩的分值较多, 大体在30% 左右。阶段测试与期末考试的区别是, 首先它是一个单元学习结束后进行的单元测试, 内容范围约束在本单元及以前单元的内容上, 这样随着多次单元测试, 测试内容也有一个由浅至深的过程;其次, 阶段测试中允许学生相互之间进行小组合作式的分析讨论, 最后, 必须由每一名学生个人来完成测试内容。通过这种单元测试的方式来提升学生多元智能理论中的人际智能。

2.分层教学, 因材施教

在课堂教学上根据学生各自不同的知识基础, 进行差异化、层次化教学。我的具体做法是对教学任务详细拆分, 按照由浅入深的原则, 在课堂实践操作时对学习任务进行分层, 对于原有计算机基础较差的同学只要完成基础操作即可, 而对于原有计算机基础较好的学生则鼓励尽量完成更多的层次 (即学习深度) , 并对在各次练习中完成度良好的同学给予期末申请免试的待遇。

3. 采取个体内差异评价方法

对于教学效果的评价不仅仅以学生期末绝对分数来定, 而是以每名同学在课程学习上的增长度来定。具体做法是在开课之前对所教学生进行课程知识基础测试 (即诊断性评价) , 在期中时进行第二次课程知识基础测试 (阶段性评价) , 再结合期末测试成绩 (即总结性评价) , 系统分析每名学生在计算机课程上的分数变化。例如, 某两名同学的分析比较数据及图表, 从表中我们只可见到张三同学和李四同学在开课前、期中与期末成绩的分数, 但是在对比图中我们可以清楚地看到张三同学的成绩增长度是超过了李四同学的增长度的。当然我们也知道原有成绩越高, 增长相应也就越难, 但是对于张三同学来说, 教学效果就可评定为良好。如果所教班级绝大多数的学生成绩曲线是倾斜向上的, 那么就可以说取得了较好的教学效果。最后以成绩曲线的总体趋势来判定教学效果的优劣。

成绩计算 篇9

1 数据挖掘技术概述

数据挖掘技术简单来说就是从大量的、不完全的、有噪声并且模糊的数据当中提取隐含在当中的未知的知识的一个过程。如何对这些不完整的数据进行分析, 积极进行数据统计, 并且提取当中所包含的有用的模式, 在当前是关键所在, 也是数据挖掘的首要任务。

在数据挖掘的分类上, 根据数据挖掘的任务可以分为几种不同的类型, 主要包含:分类或者预测模型数据挖掘、数据总结、数据聚类分析、关联规则分析、序列模式发现和异常趋势发现等多种类型。如果从数据的挖掘对象上来进行分析, 有以下几种数据源:关系数据库、面向对象数据库、空间数据库、时态数据库和文本数据库等[1]。

在进行数据挖掘的过程中主要包含了数据的清理、数据收集、数据选择、数据变换和模式评估等几个过程, 这些过程并不是一次就能完全完成的, 当中有一些步骤需要进行重复性的分析和反复的操作才能完成。当前阶段常见的数据挖掘主要有关联规则分析、分类分析和预测分析等几种类型。

2 数据挖掘技术在计算机等级考试成绩分析中的应用

计算机等级考试中每次都会产生大量考试数据, 长时间以来会导致数据存储在教务系统中, 却不能及时的得到利用。怎样更好利用这些数据, 为以后的教学提供可靠的服务是数据挖掘技术应用的主要目的。在进行数据挖掘之前需要对数据进行进一步清理, 例如对于一些缺考的学生, 还有一些因为漏答等问题所造成的记录不完整现象等都需要及时进行清理。

2.1 应用关联规则分析教师教龄、职称、评教情况在计算机等级考试中的影响

所谓关联分析患者要指的是在进行正式的实施教学活动之前使用的频繁的有效的方式。主要应用在数据库中数值之间的关联性, 从中找到一些相关的潜在的有用性的信息, 并实际的应用到教学指导当中去[2]。当前来说比较平常的关联分析方式中主要有关联规则和序列模式两种例如:大量的超市购物数据当中如果发现了比较有趣的关联关系, 那么则能帮助商家进行营销策略的改革, 促使销售效率得到提升。对高职的计算机教学来说很多时候会将学生的计算机等级考试作为计算机学习的评价主要依据。通过使用关联规则来对学生的考试成绩进行分析, 能在最大限度上发现学生通过率低的主要因素, 并及时的做出调整, 从而为日后的教学提供可靠的保障。

在本次研究中以吉林省经济管理干部学院的计算机等级考试成绩分析为主要案例。随机将本校教师的信息和学生的等级老师成绩信息进行连接, 构成教师教学综合信息表格。然后对教师的年龄、职称和学生的成绩分别录入到数据库当中, 对其他的一些信息忽略, 以便于日后进行分析。及格的成绩对应的是1, 不及格对应的是0。年龄分为四个阶段, 分别为A1[22—30]、A2[31—35]、A3[36—49.]、A4[50—60]、代替。职称用B1初级、B2中级、B3副高、B4正高来进行代替。C1[0, 1]则代表的是等级考试的成绩, 详细预处理后的综合信息图如图1所示:

使用关联规则算法, 事先预设最小支持度和最小可信度, 能够得到初步的关联规则, 然后公共关联规则就能够得到最终的教师结构与考级通过率之间的关联关系。当了解到了教师的结构对于考试等级通过率的影响以后, 能够及时的进行教师的结构调整, 从而促使整个教学结构趋于科学化, 为教学的未来发展提供可靠的保障。

2.2 使用分类算法分析影响计算机等级考试成绩的因素

分类就是对事物或者对象根据规则进行划分和归类。在这个过程中可以选择分类模型进行已有的数据进行分析, 同时还可以使用分类模型进行预测分析。分类和预测作为两种主要的预测问题, 分类算法主要通过对已知的分类信息进行计算从而得到预测模型[3]。在具体的实施中可以采取以下几种实施步骤:首先, 进行数据的采集。对学生计算机等级考试中出现的一些问题进行分析, 当中主要包含学生的个人信息, 例如姓名、学号和班级等基本信息。然后对学生进行基本的信息调查, 例如学生的兴趣爱好和对计算机的掌握能力等[4]。这些信息主要通过调查的方式来进行收集, 然后由学生进行填写。为了能更好的解决在数据上的统计问题, 可以通过网络在线调查的方式来实现信息调查。而在成绩方面, 成绩数据中主要包含了学生学号和平时的考试成绩等内容, 这部分的数据内容主要需要教师根据学生的实际情况和成绩进行填写。

第二部是对数据进行预处理。首先要将数据收集到的内容进行数据库分类, 利用数据库技术生成相应的学生分析基本数据库。然后进行数据的清理工作。数据清理主要是为了进行一些遗漏的数据补充[5]。在学生成绩的分析基本数据库当中, 难免会出现一些缺少的内容, 对于这部分缺少的内容, 需要及时的进行补充。接下来要进行数据的转换。数据转换主要是对数据进行离散化的操作。将上述的成绩属性的所有值划分为两个不同的部分, 成绩在60分之下的属于较差的范围分类当中, 成绩在60分以上的则为通过[6]。此外就是数据削减工作。这部分的主要目的就在于缩小所挖掘信息数据的规模, 但这并不会影响到最终的挖掘结果。由于学生的信息表当中的属性字段很多, 为了对学生进行基本的学习情况分析, 需要将学生的班级和籍贯等信息进行删除, 从而形成一个成绩上的综合分析数据表。

2.3 分析学生的家庭情况和学习成绩的关系

对学生成绩所造成影响的因素有很多, 可以从对计算机成绩考试数据库当中进行分析, 从而进一步的了解到数据分析活动与学生等级考试之间存在的关系。首先, 可以根据聚类分析的方式来对学生进行分类, 然后根据分类情况进行进一步的关联性预测分析。这种分析方式有利于学生的等级考试成绩提升, 对学生的整体风貌提升也具有积极意义。

3 结语

在计算机等级考试成绩中数据挖掘技术的应用将对学生的学习和教师的工作起到一定的意义, 因此在当前需要加以重视。通过分析可以找到影响学生学习的一些因素, 从而帮助学生提升考试的通过率, 对于教学的整体改进也将产生重要的作用和影响。

参考文献

[1]刘妍.数据挖掘技术及其在医学信息领域的应用[J].科技传播, 2016, 5 (19) :45-51.

[2]曾丽, 岳佳欣.试论数据挖掘技术在客户关系管理中的应用[J].科技创新与应用, 2016, 12 (30) :60-64.

[3]刘西清.数据挖掘技术应用于经济统计中的研究[J].人力资源管理, 2016, 10 (10) :12-16.

[4]作者不祥.“数据挖掘技术交流研讨会”顺利召开[J].信息网络安全, 2016, 8 (9) :56-58.

[5]孙晓迎.数据挖掘技术在软件工程中的应用[J].数字技术与应, 2016, 20 (10) :33-35.