成绩统计生物教学

成绩统计生物教学（共4篇）

成绩统计生物教学 篇1

分布拟合检验法是在总体X的分布未知时，根据来自总体的样本，检验总体分布的假设的一种检验方法。假设检验的基本思路实质上是带有某种概率性质的反证法。为了检验一个假设H0是否正确，首先假设该假设H0正确，然后根据抽取到的样本对假设H0做出接受或拒绝的决策。如果样本观察值导致了不合理的现象发生，就拒绝该假设H0，否则接受假设H0。下面运用此方法具体进行检验。

我们的问题是检验假设H0:高考数学成绩X～N (μ, σ2) , 这里检验的显著性水平α=0.01。检验可以按照以下步骤进行:

1.假设H0:X～N (μ, σ2) 。

2.选统计量:

由于H0中含有未知参数, 故需先进行参数假设, μ与σ2的极大似然估计分别为, , 可知σ=23.26328

因为X是连续型随机变量, 为利用非参数x2检验, 首先要将X的取值离散化, 这里最高分为125, 最低分为26, 极差125-26=99。所以, 可将数学成绩分为9组, 每组间距为11, 列表如下:

下面计算概率Pi:

运用此方法进行计算，可得:P2=0.032, P3=0.0685, P4=0.1188, P5=0.1655, P6=0.1897, P7=0.167, P8=0.121, P9=0.121。

通过计算可得:n P1=0.891, n P2=1.7765, n P3=3.7675均小于5。可将前三组合并为一组使n Pi5。那么，各区间变为 (0, 59]， (59, 70]， (70, 81]， (81, 92]， (92, 103]， (103, 114]， (114, 150]。

算得的结果列成下表:

此研究中显著性水平α=0.01，待估参数个数k=2，区间个数r=7，所以x2的自由度为r-k-1=7-2-1=4，那么xα2 (r-k-1) =x20.01 (4) =13.277ㄢ

3.接受域珚W=[0, 13.277]。

5.结论:接受假设H0，即认为X近似服从正态分布。

通过以上对高考数学成绩的数据分析可知，本次数学成绩服从正态分布，考题难度适中，是比较好的题目。

参考文献

[1]上海交通大学数学系.概率论与数理统计 (第二版) [M].北京:科学出版社, 2007:184-190.

[2]魏宗舒, 等.概率论与数理统计教程[M].北京:高等教育出版社, 1982:504-505.

[3]赵选明.概率论基础教程[M].北京:机械工业出版社, 2006:311-322.

[4]茆诗松, 程依明, 濮晓龙.概率论与数理统计教程[M].北京:高等教育出版社, 2004:215-219.

成绩统计生物教学 篇2

关键词：考核成绩 统计分析 模式 评价

中图分类号：G717文献标识码：A 文章编号：1673-9795（2012）10（b）-0058-01

教学过程中，有效的考核是对学生的学业成就作出科学、公正评价的前提条件，也是评价教师教学能力与效果的手段之一。教师对学生课程考核成绩的评价，既是一个结果评价，同时也能反映教与学的效果过程。它不仅可帮助教师了解学生对所授课程知识的掌握程度，还有助于发现自身施教中的不足，分析原因并针对性地改进，从而促进教师教学质量水平的不断提高和教学效果的不断提升。因此，课程考核成绩的评价在教学过程中具有重要的作用。

学生课程考核成绩往往采用完成试卷方式获得。考核试卷一般由多种题型构成，每一题型又有多个小题。教师依据标准答案对学生答题结果评判后给予得分的总和即为考核成绩。当然，试题的难易度也会对成绩造成影响，故这里的考核试卷是指标准参照考卷，即以体现课程教学目标标准作业为基准的试卷。如何全面、科学而公正地评价学生课程考核成绩，每位教师都有自己的见解，现提出一个数理统计分析模式，以求探讨。

该模式设计的主体思想是：描述总体成绩的分布，计算总体均分，比较各题型对成绩的影响，找出得分或失分关键题，分析原因。个体成绩的评价，则先确定其在总体中的排名，再进行比较。

1 总体成绩的统计分析

总体成绩指参与考核的所有学生的整体成绩。它的分析有助于评价不同班级、不同课程和不同时间（年度）的课程教学情况，还可通过各题型和各题之间的比较，评价学生整体对各知识点的掌握情况。

1.1 总体成绩分布

意义：评价学生成绩的整体水平，确定一定比例人数的分数范围，即学生的成绩在多少分数段范围内所占的百分比。如60～69分数段内的学生占21%。方法：按分数段编制频数表，统计各组的人数，计算构成比，直接反映各分数段人数所占的比重，也可用表格和图形方式显示。图形有构成比直条图、圆形图等。

1.2 总体平均成绩

意义：反映学生课程考核成绩的集中趋势及总体水平。有时还可依此确定合格标准，决定个体成绩能否通过，以消除试题难易程度造成的影响。方法：可选用算术均数和中位数两指标求得总体均分，再根据标准计算合格率。应用时总体均分偏高或偏低，都要从教师和学生双方寻找原因。

1.3 各题型得分情况的比较

意义：判断题型因素对得分的影响，分析主要得分（或失分）题型，推断课程学习中存在的问题。方法：步骤一：求出转化系数，将各种题型的得分进行标准化处理（转化成100分）。步骤二：将每位学生该题型所得分数乘以转化系数，得该题型标准化得分。如：填空题总分为20分，某考生得12分，求得的转换系数为100/20=5，该考生填空题标准化得分为12×5=60分。依此类推，求出各题型的转化系数和标准化得分。步骤三：分别求出各题型标准化得分的总体均分；步骤四：运用单因素分组的多样本均数比较的方法进行统计学检验，判断各题型得分的差异。若结果具有显著性，即可确定学生的主要得分（或失分）题型，由此进一步分析得分（或失分）的原因。

1.4 主观题与客观题得分情况的比较

意义：确定主观题和客觀题对学生成绩的影响，以推断学生分析、判断、概括、描述问题的能力和解决问题的思路方法是否妥当。方法：同前，只是将题型分为两类，把主观题和客观题的总得分进行标准化处理后，分别求出主观题和客观题的标准化总体均分，再进行两均数间差别的显著性检验。

1.5 主观题各题型得分情况的比较

意义：在各题型成绩差别有显著性的前提下，比较主观题内部各题型的得分情况，能更具体地分析出各主观题型对学生成绩的影响，同时还为进一步确定影响学生成绩的具体小题提供依据。方法：将属于主观题的各题型的标准化得分进行比较，判断均分差别的显著性。

1.6 客观题各题型得分情况的比较

意义及方法同主观题，对象为客观题内部各题型。

1.7 同题型内部各小题得分情况的比较

意义：确定学生总体得分最多或最少的具体题目，从而推断学生总体对知识点掌握的情况，并分析其原因。方法：在同一题型中对各小题的得分人数统计比较。

1.8 多班级同课程成绩的比较

意义：分纵、横两方向比较。纵向比较指按时间先后进行不同年度同课程间的比较，可评价同一或不同教师间教学水平随年度变化提高的程度，也可评价采用同一或不同教学方法后的教学效果及不同年度学生的学习能力与水平。横向比较指同年级、同时间内各班级的比较，可评价不同教师的教学水平及不同教学方法的效果，也可反映不同班级学生的学习能力与水平。方法：计算各年度各班课程成绩的均分，并进行差别的显著性检验，描述各班成绩分布情况。

1.9 不同课程之间的比较

意义：评价不同课程教师的教学效果和学生对各课程的学习能力和兴趣。方法：比较各课程间的总体均分及成绩分布情况，判断差别的显著性。

2 个体成绩的分析

意义：评价其知识点的掌握程度，分析原因，为提升个体成绩提供数据依据。方法：用均数±标准差的方法，确定个体成绩在总体中的地位，统计主、客观题及各题型得分情况，找出主要失分题。

成绩统计生物教学 篇3

关于使用Excel进行学生成绩处理，已经是老话题了，但在实际工作中还是会有很多新问题，例如，现在很多学校都是全年级各班混在一起考试，以防考试改卷中的不正当竞争。而统计成绩时，则是将已判分但未拆封的考卷统一交到教务处，先按座位号顺序（每本考卷的自然顺序）录入各科分数，再分析统计出全年级各科成绩。举例说明，如图1（记录11至830隐藏了），要统计二（1）班优秀人数，传统做法就是先按考试号排序，再通过公式“=COUNTIF（分数！D2：D69，“>=96”）”求出。它的弊端是要手工逐个修改 “D2：D69”这个参数中的两个行号（2和69），这可是一项工作量很大的工作。当然，简单的方法还是有的，往下看吧。

2.初步准备——考试号里提班级

如图1，从B列的考试号中取出前三位（班级编号）放在S列，即在单元格S2输入公式“=LEFT（B2，3）”，然后双击（或拖动）S2单元格右下角的填充柄即可。

3.再做辅表——班级等级二合一

在图1所示的工作簿中再新建一工作表，并将其命名为“等级”，在单元格A1中输入公式“=分数！A1”，回车，选定A1，按住A1右下角的填充柄向右下拖至C840单元格，将“分数”工作表中的姓名、考号、座位号引用到“等级”工作表中（注意，千万不能复制粘贴过来，这样不能保持两表数据的一致性）。再选定C1，按住C1右下角的填充柄向右拖至L1单元格，将语文、数学等9个学科科目引用过来。接着，在D2单元格中输入IF嵌套公式“=IF（分数！D2>=96，分数！$S2&&“a”，IF（分数！D2>=72，分数！$S2&&“b”，IF（分数！D2<48，分数！$S2&&“d”，分数！$S2&&“c”）））”。D2单元格中公式的含义是：看“分数！D2”单元格中的分数（即“分数”工作表中李悦的语文分数）是否大于等于96.如果是，则在D2单元格中填入“201a”——“分数”工作表中S2单元格中的字符“201”加上“a”（“201”表示二（1）班，“a”表示成绩等级为“优秀”）；如果不是（即小于96），再看是否大于等于72.如果是，则在D2单元格中填入“201b”；如果不是（即小于72），再看是否小于48.如果是，则在D2单元格中填入“201d”；如果不是（即小于72大于48），则在D2单元格中填入“201c”，

最后按住D2单元格右下角的填充柄向右下拖至L840单元格，就可以将每个学生各科成绩的等级及所属班级都填好了

4.最终统计——所需数据瞬间齐

辅表制好之后，言归正传回到“统计”工作表（如图2）中，在A17到E28单元格区域中利用自动填充功能再制作一小块辅助数据（如图2）。

万事俱备，下面开始班级总人数及优秀率、及格率等的统计了。仍以二（1）班优秀率为例，现在就改用这样的公式了“COUNTIF（等级！$D：$D，$B17）”，即对“等级”工作表中D列所有单元格进行统计（等级！$D：$D），找出值为“201a”（本工作表即“统计”工作表的$B17的值，代表二（1）班优秀率）的单元格数目。 具体做法如下：

（1）班级总人数（在B4单元格中输入）：“=COUNTIF（分数！$S：$S，A17）”；

（2）优秀人数（在C4单元格中输入）：“=COUNTIF（等级！$D：$D，$B17）”；

（3）优秀率（在D4单元格中输入）：“=C4/$B4 100”；

（4）及格人数（在E4单元格中输入）：“=COUNTIF（等级！$D：$D，$B17）+COUNTIF（等级！$D：$D，$C17）”；

（5）及格率（在F4单元格中输入）：“=E4/$B4 100”；

（6）低分人数（在G4单元格中输入）：“=COUNTIF（等级！$D：$D，$E17）”；

（7）低分率（在H4单元格中输入）：“=G4/$B4 100”；

到此为止，其余数据通过自动填充功能，瞬间即可完成。

5.方法点评——一表成，终年用，一劳而永逸

（1）不同年级成绩统计的简单套用：比如，首先制作好了一年级的统计表，通过复制粘贴将第一个工作表（“分数”工作表）的内容更改为二年级的数据表，则二年级的成绩统计便自然而成。

（2）多次考试成绩统计的简单套用：这次考试的统计表，到下次考试成绩统计时，照用不误，只将第一个工作表换成新生的成绩记载就可以了。

★ 五年级学生成绩评语

★ 学生成绩不好检讨书

★ 学生用英语进行自我介绍

★ 统计专业学生实习计划

★ 八年级差生学生成绩评语

★ 初三学生成绩差生评语

★ 帮我妈妈洗脚作文

★ 老师帮我补课作文

★ 学生如何才能更好的进行学习

成绩统计生物教学 篇4

关键词：高等数学；学习成绩；t检验；方差分析

中图分类号：G642 文献标识码：B 文章编号：1002-7661（2015）16-003-01

一、问题背景和文献综述

高等数学课是理工专业学生必修的基础课程之一，是学习专业基础课、专业课的基础，但由于各种原因的客观存在，例如高校扩大招生，生源质量下降，学生学习兴趣不高、学习态度消极，学生管理难度加大等，包括高等数学在内的基础课程学习状态越来越差。解决该问题的关键在于，对大学生学习现状的准确把握，包括学生学习兴趣、听课状况、学习目标、学习计划、学习习惯、学习时间以及学习的主动性、自觉性等方面，只有准确掌握上述细节信息，才能有针对性的提出对策，相关研究整理如下：

舒苏（2011）认为学习目的不明确，学习方式转变认识不足等是影响大学生学习高等数学的原因，并据此提出了一些提高学习高等数学效率的对策。袁芳（2011）对理工科大学生高等数学学习困难的成因解释为：学生数学认知结构缺陷、心理表象错误、知识联系错误、思维定势负面影响、认知水平限制以及元认知能力缺陷等。郑艳玲（2010）以济南大学文科专业100名学生和86名理科学生为研究对象，通过调查问卷，结合访谈、观察和比较等方法，对高校文科学生数学学习过程中的非智力因素进行了调查研究，并认为数学学习态度不明确，学习兴趣、学习动机不高是学习困难的主要原因。徐勇、黄思翔（1997）认为高校新生入学后会存在各种不适，并以某学院59名新生高等数学学习情况为研究样本，主要结论在于，入学数学成绩与高等数学学习相关不显著，但学习适应性存在性别差异，女生能够较快适应高校学习。上述研究从教学过程的特定环节出发，分析了可能影响学生学习成绩的因素，参考上述研究，本文对我校学生高等数学学习成绩的影响因素进行了一些分析，并相应的提出了一些建议。

二、样本选择和数据分析

此次共统计了3个学院9个班级共378名同学的性别、高考分数、生源所在地以及高等数学A2期末考试分数几个指标，其中3名同学生源所在地不清楚，4名同学缺考，剔除后样本量为371个，并利用SPSS17.0软件进行相关数据分析，相关结果如下。

1、性别与学习成绩

所统计学生中男、女生分别为245和126个，平均成绩分别为65.2367和74.8524，差异较大，t检验结果也显示平均成绩显著不同（显著性水平0.05和0.01）。同时，方差是否相等的检验显示男女生之间存在差异，女生间成绩较平均，男生成绩离散程度较大。

2、专业（学院）与学习成绩

所统计3个学院的学生数分别为75、114和182个，平均成绩分别为62.09、70.61和69.80分，以学院作为因素的单因素方差分析结果显示，不同学院的学生成绩有显著差异（显著性水平0.05）。不同学院学生成绩的方差间无显著差异。

3、高考成绩与学习成绩

所统计371个学生高考成绩与高等数学成绩之间的相关系数为0.1026，考虑到不同省份的高考试卷难易程度、总分不同，又计算了吉林省内同学（共213名，占所统计同学的57.41%）的高考成绩与高等数学成绩之间的相关系数，为0.1071。由于其余各省的同学数均较少，无统计意义，所以未计算。从上述计算结果上看，高考成绩与大学学习成绩之间的相关程度不高。

4、生源与学习成绩

所统计371个学生中，东北三省共228名学生为第一组，山东、江苏、天津、江西等省共45名学生为第二组，海南、云南、贵州、新疆、内蒙等省（自治区）共19名学生为第三组，按照不同组别，分析其对学生成绩的影响。第一、二、三组的成绩分别为66.56、77.44和55.68分，成绩差异较大，方差分析结果也显示，不同组别的学生成绩有显著差异（显著性水平0.05），也就是说，生源所在地对学生成绩具有显著影响。而且，分数较高组成绩的方差也较小，但在统计上无显著差异。

三、主要结论和相关建议

本文分析结果显示，学生入学成绩与高等数学学习成绩之间关联程度不大；女生成绩显著高于男生；不同专业、生源所在地学生的学习成绩具有显著差异。

女生较男生适应性更强，所以我们认为，让学生更快适应大学学习生活，完成从高中较大压力下、被督促的被动学习，向学习动机明确、较少督促下的主动学习转变，是提高学生学习成绩的关键因素。同时，专业和生源对学习成绩具有显著影响，说明良好的学风是提高学习成绩的关键因素，大到学校、学院，小到班级、宿舍，都要建立好的学习风气，高考成绩反倒影响不大。

参考文献：

[1] 舒苏.大学生学习高等数学的影响因素及对策[J].江苏教育学院学报（自然科学），2011，27（6），29-30.

[2] 袁芳.理工科大学生高等数学学习困难成因及教学对策[J].菏泽学院学报，2011，33（2），132-135.

[3] 郑艳玲.影响高校文科学生数学学习的非智力因素的调查[J].高等函授学报（自然科学版），2010，23（3），52-54，64.