面向多主体的大学课程成绩相关性可视探索与分析

深入分析学生成绩及其影响因素对于优化大学课程安排和提升教学质量具有重要意义.由于学生成绩数据涉及多个相互关联的分析主体,具有多元多属性和时序相关等特征,传统的分析工具和展示手段功能有限,难以有效探索影响课程成绩的多种关联因素,对异常现象也难以做出深入分析和解释.为此,文中根据成绩数据的特点设计了多视图协同交互的学生成绩可视分析系统——SPVAS.首先通过支持多维属性集成展示的矩阵热力图揭示学生成绩在年级和学期上的时序分布,其次为展示学生成绩中的多元统计特征以及相关联的课程和教师等主体特征,对平行坐标的交互展示能力进行扩充,最后为揭示课程成绩的影响因素以及课程间的相关性,设计弧长链接图与平行坐标和节点链接树相结合的创新布局,并应用多视图交叉筛选和动态关联等交互技术,实现从课程、学生和教师任意主体角度出发的交叉分析与连贯推理.为了验证原型系统的有效性和实用性,利用真实课程数据进行了案例研究,并邀请了相关的专业人员对本系统进行了试用与评价.

高考成绩与大学成绩相关性分析

课程课堂教学是大学教育的主要载体,评价老师课堂教学效果和学生学习效果的主要方式是考试成绩.研究高中阶段学习与大学阶段成绩之间的相关性,对于了解高中教育和大学教育连续性现状,发现不足,促进改革,特别是在大学低年级阶段有针对性地对学生进行学业指导,有着重要的价值和意义.以云南民族大学电气信息工程学院工科专业2019届学生高考成绩和同知识领域的大学课程成绩为基础数据,在校验成绩分布符合正态分布的基础上,采用Pearson积矩相关系数算法,计算出高考成绩与同知识领域的大学课程成绩两两之间相关系数的值,并对其进行整理和分析.结果表明,高考课程成绩与同知识领域大学课程成绩相关性普遍不高,且相关性高低与生源地、性别等因素有关.并对这一现象的成因进行了分析,提出了改进对策与建议.

基于BP神经网络的学生成绩预测方法研究

利用已有成绩对未来成绩进行准确预测,对提高教学质量有重大意义。文章提出了基于BP神经网络的学生成绩预测方法,并将其应用于南京邮电大学C语言课程的期末成绩预测,以及某高中高考成绩预测。通过对比分析,说明该方法的应用条件,验证该方法的有效性。最后分析该方法应用于教学的具体方式。