анализ факторов, влияющих на успеваемость, методами

“Mūsdienu izglītības problēmas“
АНАЛИЗ ФАКТОРОВ, ВЛИЯЮЩИХ НА УСПЕВАЕМОСТЬ,
МЕТОДАМИ СТАТИСТИЧЕСКОГО АНАЛИЗА
Надежда Филь1, Марина Плисс2
Институт транспорта и связи,
ул. Ломоносова, 1, Рига, LV-1019, Латвия
1
Тел.: + 371 67100596. E-mail: nf@tsi.lv
2
Тел.: +371 67100573. E-mail: Marina.Plise@tsi.lv
В статье рассматривается методика процесса анализа учебного процесса через анализ успеваемости студентов и
выявления значимых факторов, влияющих на успеваемость. Анализ факторов, влияющих на успеваемость, производится с
использованием статистических методов.
На основании выборки из базы данных централизованной информационной системы Института транспорта и связи
проведен анализ факторов, характеризующих организацию процесса обучения. Статистический анализ проводился с помощью
пакета Statistica на выборочной совокупности объема 582 объекта. Для выявления значимости влияния различных факторов на
успеваемость студентов использовался графический анализ – построение графиков Box-Whisker, проверка однородности и
дисперсионный анализ.
Данные исследования могут быть перспективны с целью применения результатов обработки имеющихся в наличии
данных для организации поддержки принятия решений в вузе.
Ключевые слова: процесс обучения, объективные и субъективные факторы, корреляция, теория однородности,
дисперсионный анализ
1. Введение
Поиск путей и средств повышения качества образования в целом и качества обучения в
частности – предмет многих педагогических исследований. Соответствие критерию качества
является также важным принципом проектирования новых технологий обучения. Оценка качества
образования является достаточно сложной задачей вследствие огромного числа влияющих на него
величин с неизвестным характером влияния.
Применение статистических методов для анализа качества обучения позволяет получить
сведения об основных закономерностях процесса обучения в высшем учебном заведении, выявить
связь различных компонентов этого процесса между собой, определить факторы, требующие
первоочередного внимания [1].
Целью данной статьи является описание процесса анализа учебного процесса через анализ
успеваемости студентов и выявление значимых факторов, влияющих на успеваемость. При успешном
решении данной задачи может быть разработана методика анализа успеваемости студентов, которая
станет основой аналитической системы вуза в части анализа учебных процессов и управления
качеством образования.
Разработка такой методики позволяет использовать статистические методы в менеджменте
качества. В статье 2.10 ИСО 9000:2000 говорится: «Использование статистических методов может
помочь в понимании изменчивости и, следовательно, может помочь организациям в решении
проблем и повышении результативности и эффективности. Эти методы также способствуют
лучшему применению имеющихся в наличии данных для организации поддержки принятия
решений» [2].
В настоящее время вся информация об учебном процессе вуза сосредоточена в
централизованной Информационной системе (IS) института. Эта информация в основном
предназначена для анализа выполнения студентами учебного плана, а также для получения
интегральных характеристик их успеваемости: процент успеваемости по предметам, средние оценки
по предметам, курсам, факультетам и т.д.
Наличие такого рода информации также дает возможность использовать различные
статистические модели, основанные на огромных исторических наборах данных. В этой статье
рассматривается методика анализа факторов, влияющих на успеваемость, использующая
статистические методы исследования.
56
Starpaugstskolu zinātniski praktiskās un mācību metodiskās konferences raksti
2. Постановка задачи
На процесс обучения влияет множество объективных и субъективных факторов, которые
можно сгруппировать следующим образом:
1. Экономические факторы,
2. Социальные факторы,
3. Психофизиологические факторы,
4. Факторы, характеризующие организацию процесса обучения.
В данном исследовании как раз и рассматриваются факторы последней группы, которые
являются внутренними для вуза, а значит, являются частично управляемыми.
На основе информации, полученной из базы данных «Учет успеваемости студентов»,
являющейся частью Информационной системы вуза (IS), создана выборочная совокупность оценок
студентов со следующими атрибутами:
• факультет – VEF;
• год набора – 2007;
• предметы: математика, микроэкономика, макроэкономика.
В ходе исследования анализировались и решались следующие задачи:
• существуют ли значительные различия успеваемости студентов между разными формами
обучения по одним и тем же предметам;
• зависит ли успеваемость по одному и тому же предмету от программы обучения,
преподавателя, номера группы и т.п.;
• есть ли корреляции между успеваемостью по предметам специальности и базовым
предметам, таким как, например, математика, микро- и макроэкономика.
3. Выбор инструмента для анализа и определение совокупности выборки
Статистический анализ проводился с помощью пакета Statistica – это специализированный
пакет для обработки статистической информации, в котором имеются удобные средства для работы с
данными разных типов [3]. Для данного исследования определена выборочная совокупность объема
582 объекта, фрагмент которой показан на рис. 1.
Рис. 1.Фрагмент выборочной совокупности базы данных информационной системы института
Внутри этой совокупности исследовались выборки: отдельно по каждой из программ, а также
по потокам или типам обучения.
В табл. 1 и 2 представлены введенные обозначения и объем каждой выборки.
57
“Mūsdienu izglītības problēmas“
Tаблица 1. Обозначения и объем выборки по программам
Обозначение
Код программы
Новый/предыдущий
Название программы
E:
43310 03 /44311
«Бакалавр социальных наук в экономике»
M:
43345 08 /443412
L:
T:
42345 07 /453412 01
42840 04 /453412 02
«Бакалавр социальных наук в области
наук управления»
«Логистика на транспорте и в бизнесе»
«Коммерческая эксплуатация
транспорта»
Объем выборки:
(количество оценок
студентов)
оценки 80 студентов
оценки 172 студентов
оценки 265 студентов
оценки 65 студентов
Tаблица 2. Обозначения и объем выборки по типам обучения
Обозначение
D
V
N
Тип обучения
дневное
вечернее
заочное
Объем выборки: оценки студентов
230
184
168
Для выявления значимости влияния различных факторов на успеваемость студентов
использовался графический анализ – построение графиков Box-Whisker (Box-and-Whisker plot или
«Ящик с усами»). Данный тип графика подходит для интервальных шкал, в том числе таких как
шкала оценок за успеваемость. Этот метод представления информации часто используют ввиду его
наглядности.
График Box-Whisker строится следующим образом: по горизонтальной оси откладываются
категории второй переменной, которая делит выборку на группы, такие как программа, тип обучения,
предмет. Для каждой из групп строится «ящик с усами», представляющий собой прямоугольник. Верхняя
и нижняя границы прямоугольника соответствуют 75-му и 25-му процентилям соответственно, таким
образом «внутрь» прямоугольника попадает 50% наблюдений, т.е. внутри ящика располагается 50%
оценок. Точка внутри ящика – медиана значений оценок. Из ящика вверх и вниз «торчат» усы, которые
заканчиваются в наибольшем и наименьшем значениях, не являющихся выбросами: ниже ящика менее
25%, выше графика – более 25% оценок, нижний и верхний квартили. Выбросами считаются значения,
лежащие в диапазонах, больших чем в 1.5 раза, чем высота ящика от его верхней и нижней границы
соответственно. Выбросы на графике обозначаются кружочками и звездочками.
На рис. 2 – фрагмент (пример) графика Box-Whisker.
Рис. 2 .Фрагмент (пример) графика Box-Whisker (зависимость оценок по математике у студентов дневного (D), вечернего (V)
и заочного (N) типов обучения)
58
Starpaugstskolu zinātniski praktiskās un mācību metodiskās konferences raksti
Также в исследовании проводится проверка однородности и дисперсионный анализ и
анализируются полученные гистограммы распределения оценок по разным предметам для разных
исследуемых критериев.
Histogram: Mat
K-S d=,20384, p<,01 ; Lilliefors p<,01
Expected Normal
160
140
120
No. of obs.
100
80
60
40
20
0
0
2
4
6
8
10
X <= Category Boundary
Histogram: MikroE
K-S d=,19980, p<,01 ; Lilliefors p<,01
Expected Normal
100
90
80
No. of obs.
70
60
50
40
30
20
10
0
1
2
3
4
5
6
7
8
9
8
9
10
X <= Category Boundary
Histogram: MakroE
K-S d=,16068, p<,01 ; Lilliefors p<,01
Expected Normal
80
70
60
No. of obs.
50
40
30
20
10
0
2
3
4
5
6
7
X <= Category Boundary
Рис. 3. Гистограммы распределения оценок по предметам для исследуемого критерия
Близким к нормальному распределению оказались оценки по макроэкономике по всей
выборке.
Исследования проводились в следующем порядке: сначала исследовалось влияние одного
фактора, а затем влияние двух факторов одновременно.
59
“Mūsdienu izglītības problēmas“
4. Два этапа исследования
4.1. Исследование влияния двух факторов
На первом этапе исследовалась значимость влияния на успеваемость студентов одного
фактора, такого как:
А. Программа;
В. Тип обучения (отделение или поток);
С. Предмет.
A.
Влияние программы на оценки по предметам.
На рис. 4 графики Box-Whisker, которые показывают распределение оценок по предметам
математика, микроэкономика и макроэкономика по программам без учета типа обучения.
Анализ графиков Box-Whisker по математике:
ƒ размер ящика по всем программам показывает, что 50% оценок – это интервал от 4 до 6
баллов;
ƒ медиана или значение, которое делит ряд значений на две части, равные по числу значений,
по всем программам составляет 5 баллов;
ƒ менее 25% студентов по программам «Бакалавр социальных наук в экономике» и
«Бакалавр социальных наук в области наук управления» получили неудовлетворительные
оценки от 2 до 4 баллов и более 25% по этим же программам получили оценки от 6 до 9
баллов;
ƒ максимальные оценки 9 баллов по трем программам, по программе «Коммерческая
эксплуатация транспорта» максимальная оценка 8 баллов;
ƒ по двум программам есть выбросы (отмечены кружочками): по программе «Коммерческая
эксплуатация транспорта» нет оценок ниже 4 баллов, а по программе «Логистика на
транспорте и в бизнесе» минимальная оценка – 1 балл;
ƒ для двух программ «Бакалавр социальных наук в экономике» и «Бакалавр социальных наук
в области наук управления» получились одинаковые графики и по размерам ящиков, и по
длине усов.
Анализ графиков Box-Whisker по микроэкономике:
ƒ размер ящика по двум программам: «Бакалавр социальных наук в экономике» и «Логистика
на транспорте и в бизнесе» показывает, что 50% оценок – это интервал в четыре балла от
минимальной до максимальной оценки: от 5 до 8 баллов и интервал от 4 до 7 баллов
соответственно, а по программам «Бакалавр социальных наук в области наук управления» и
«Коммерческая эксплуатация транспорта» 50% оценок – это интервал в три балла от
минимальной до максимальной оценки: от 5 до 7 баллов и интервал от 4 до 6 баллов
соответственно;
ƒ медианы для программ «Бакалавр социальных наук в экономике» и «Бакалавр социальных
наук в области наук управления» получились одинаковые – 6 баллов, и это выше на один
балл, чем по программам «Логистика на транспорте и в бизнесе» и «Коммерческая
эксплуатация транспорта»;
ƒ большее количество максимальных оценок в 8 баллов из четырех программ получили
студенты по программе «Бакалавр социальных наук в экономике»;
ƒ менее 25% студентов по программам «Бакалавр социальных наук в экономике» и «Бакалавр
социальных наук в области наук управления» получили положительные оценки в 4 балла;
ƒ менее 25% студентов по программе «Логистика на транспорте и в бизнесе» получили
неудовлетворительные оценки от 2 до 3 баллов и более 25% по этой же программе
получили оценки от 8 до 9 баллов;
ƒ только по программе «Логистика на транспорте и в бизнесе» есть неположительные оценки,
и минимальная составляет 2 балла.
Анализ графиков Box-Whisker по макроэкономике:
ƒ размер ящика по трем программам показывает, что 50% студентов получили оценки от 5 до
8 баллов, кроме «Бакалавр социальных наук в экономике», результат выше – от 6 до 8
баллов;
ƒ медианы для трех программ составляют 7 баллов, кроме программы «Бакалавр социальных
наук в области наук управления» – значение меньше – 6 баллов;
60
Starpaugstskolu zinātniski praktiskās un mācību metodiskās konferences raksti
ƒ неположительных оценок нет по программам «Бакалавр социальных наук в экономике» и
по программе «Коммерческая эксплуатация транспорта»;
ƒ усы одинаковой длины по программе «Логистика на транспорте и в бизнесе».
Box Plot Mat (Spreadsheet2 in Workbook23.stw 10v*582c)
12
10
8
6
M at
4
2
0
E
M
L
T
Median
25%-75%
Non-Outlier Range
Outliers
Pr
Box Plot MikroE (Spreadsheet2 in Workbook23.stw 10v*582c)
11
10
9
8
7
6
M ik r o E
5
4
3
2
1
E
M
L
T
Median
25%-75%
Non-Outlier Range
Pr
Box Plot MakroE (Spreadsheet2 in Workbook23.stw 10v*582c)
11
10
9
8
7
M a k ro E
6
5
4
3
2
E
M
L
T
Median
25%-75%
Non-Outlier Range
Pr
Рис. 4. Графики Box-Whisker: распределение оценок по предметам
«Математика», «Микроэкономика», «Макроэкономика» по программам (все типы обучения)
61
“Mūsdienu izglītības problēmas“
Итоги наблюдений по трем предметам показывают следующее:
1. Явно влияние программы на оценки по математике не прослеживается. Средняя оценка
независимо от программы – всего 5 баллов. 50% студентов сдали экзамен на 4–6 баллов.
По трем программам, кроме программы «Коммерческая эксплуатация транспорта», есть
неуспевающие с оценками ниже 4 баллов.
2. Средний балл по микроэкономике ниже, чем по макроэкономике, и ближе к среднему
результату по математике, 5–6 баллов по всем четырем программам. В экзаменационных
задачах по микроэкономике больше расчетных задач, направленных на поиск и
применение математических зависимостей.
3. Более высокие средние баллы по всем программам по макроэкономике.
4. Самый большой разброс оценок по всем трем предметам – по программе «Логистика на
транспорте и в бизнесе», также можно отметить усы одинаковой длины по всем трем
предметам. Медиана значений оценок располагается не по центру ящика по двум
предметам и смещена к нижней его части по микроэкономике и к верхней по
макроэкономике.
5. Оценки ниже 4 баллов по всем трем предметам только у студентов по программе
«Логистика на транспорте и в бизнесе».
6. По программе «Коммерческая эксплуатация транспорта» нет оценок ниже 4 баллов ни по
одному предмету.
7. Студенты программы «Бакалавр социальных наук в экономике» по предметам
специальности микро- и макроэкономика получили оценки выше 4 баллов (либо
неудовлетворительные оценки были исправлены к дате совершения выборки), а также
средний балл более высокий, чем у студентов других программ. Это можно объяснить
более высокой мотивацией, так как предмет связан с выбранной профессиональной
специализацией.
B.
Влияние отделения обучения на оценки по предметам
На рис. 5 а, б, в графики Box-Whisker, которые показывают распределение оценок по тем же
предметам математика, микроэкономика и макроэкономика в зависимости от типа обучения –
дневного, заочного или вечернего, но без учета программы.
Box Plot Mat (Spreadsheet2 in Workbook23.stw 10v*582c)
12
10
8
6
Mat
4
2
0
D
N
V
Median
25%-75%
Non-Outlier Range
Type
Рис. 5 a. График Box-Whisker: по типу обучения (D, N, V) и одному предмету «Математика»
62
Starpaugstskolu zinātniski praktiskās un mācību metodiskās konferences raksti
Box Plot MikroE (Spreadsheet2 in Workbook23.stw 10v*582c)
11
10
9
8
7
6
M ik r o E
5
4
3
2
Median
25%-75%
Non-Outlier Range
1
D
N
V
Type
Рис. 5 б. График Box-Whisker: по типу обучения (D, N, V) и одному предмету «Микроэкономика»
Box Plot MakroEk (Spreadsheet2 in Workbook23.stw 10v*582c)
11
10
9
8
7
M a k ro E
6
5
4
3
Median
25%-75%
Non-Outlier Range
2
D
N
V
Type
Рис. 5 в. График Box-Whisker: по типу обучения (D, N, V) и одному предмету «Макроэкономика»
Hi st o gram : M a t
K -S d=, 21 352 , p < ,0 1 ; L illi ef ors p< ,0 1
Ex pe c ted N orma l
90
80
70
60
50
40
No. of obs.
30
20
10
0
1
2
3
4
5
6
7
8
9
X <= C ate go ry B ou nda ry
Рис. 6 а. Гистограмма распределения по типу обучения V и одному предмету «Математика»
63
“Mūsdienu izglītības problēmas“
H is togr am : M ik roE
K-S d=, 14665, p< ,01 ; Lilliefors p<, 01
E xpec ted Nor mal
60
50
40
30
No. of obs .
20
10
0
1
2
3
4
5
6
7
8
9
X < = C ategory B oundary
Рис. 6 б. Гистограмма распределения по типу обучения V и одному предмету «Микроэкономика»
H is to gr am: M ak ro E
K -S d =, 16 51 2, p < ,01 ; Lilli ef ors p< ,0 1
Ex p ec te d N orma l
50
45
40
35
30
25
No. of obs.
20
15
10
5
0
2
3
4
5
6
7
8
9
X <= C a teg o ry B ou nd ar y
Рис. 6 в. Гистограмма распределения по типу обучения V и одному предмету «Макроэкономика»
Hi s togram: Mak roE
K-S d= ,13984, p<, 01 ; Lill iefors p<, 01
Ex pec t ed N orm al
80
70
60
50
40
No. of obs .
30
20
10
0
2
3
4
5
6
7
8
9
10
X <= C ategory B oundary
Рис. 6 г. Гистограмма распределения по типу обучения D и одному предмету «Макроэкономика»
64
Starpaugstskolu zinātniski praktiskās un mācību metodiskās konferences raksti
Итоги наблюдений по трем предметам показывают следующее:
1. Самый высокий средний балл по всем трем предметам у студентов заочного отделения.
Такие результаты можно объяснить, как правило, высокой мотивацией и ответственностью.
2. Самый большой разброс оценок по всем трем предметам – у студентов дневного
отделения. У них самый низкий средний балл по микроэкономике. Возможно, они меньше
знакомы с практическими основами предпринимательства, поэтому им труднее даются
экономические расчеты, необходимые для выбора оптимального положения фирмы в
условиях конкуренции или для выбора необходимого и достаточного количества ресурсов.
3. У вечерников медиана значений оценок по макроэкономике располагается не по центру
ящика и смещена к нижней его части. Такое расположение означает, что ранжированная
совокупность 50% «нижних» единиц ряда данных или студентов имеют оценки от 5 до 6
баллов, а «верхние» 50% – значения признака не меньше, чем медиана, или 6 баллов, но
разрыв уже в два балла: от 6 до 8.
4. Для исследования корреляции между оценками по разным предметам строились
матричные диаграммы рассеивания и рассчитывались коэффициенты корреляции.
Построенные на рис. 6 а, б, в, г гистограммы показывают распределение оценок по предметам
для разных отделений. Ближе всего к нормальному распределению оценки вечерников по
микроэкономике и дневников по макроэкономике. Коэффициенты корреляции p-value < 0,1.
.
C. Влияние предмета на оценки по предметам
На рис. 7 а, б, в графики Box-Whisker, которые показывают распределение оценок по трем
предметам по типам обучения (все программы вместе).
Box Plot D (Spreadsheet2 in Workbook23.stw 10v*582c)
12
10
8
6
4
2
Median
25%-75%
Non-Outlier Range
0
Mat
MakroE
MikroE
Рис.7 а. График Box-Whisker: три предмета «Математика», «Микроэкономика», «Макроэкономика» по типу обучения D
Box Plot V (Spreadsheet2 in Workbook23.stw 10v*582c)
10
9
8
7
6
5
4
3
2
Median
25%-75%
Non-Outlier Range
1
Mat
MakroE
MikroE
Рис.7 б График Box-Whisker: три предмета «Математика», «Микроэкономика», «Макроэкономика» по типу обучения V
65
“Mūsdienu izglītības problēmas“
Box Plot N (Spreadsheet2 in Workbook23.stw 10v*582c)
11
10
9
8
7
6
5
4
3
Median
25%-75%
Non-Outlier Range
2
Mat
MakroE
MikroE
Рис.7 в График Box-Whisker: три предмета «Математика», «Микроэкономика», «Макроэкономика» по типу обучения N
Итоги наблюдений по трем предметам показывают следующее:
1. Медианы или средние оценки по предметам для всех трех типов обучения 5 баллов и
выше. Для дневного и вечернего средние оценки по предметам выше – до 6 баллов, а для
заочного отделения – до 7 баллов. Заочники, в отличие от дневников и вечерников, имеют
академические задолженности только по математике.
2. Самые низкие средние оценки у студентов дневного отделения. Хотя контактных часов с
преподавателями больше, но мотивация учиться слабее – для части студентов главное –
сдать экзамен на положительную оценку. Однако только у студентов дневного отделения
самыми высокими являются оценки в 10 баллов по двум предметам: математике и
макроэкономике. У заочников 10 баллов есть только по одному предмету – микроэкономике, а у вечерников нет вообще.
3. Больше всего неуспевающих из трех предметов – по математике по всем типам обучения.
Следующим этапом работы было исследование влияния двух факторов.
4.2. Исследование влияния двух факторов на оценки по предметам
На втором этапе исследовалась значимость влияния на успеваемость одновременно двух
факторов из трех:
D. Программа;
F. Тип обучения;
G. Предмет.
D. Влияние программы на оценки по предметам.
Для каждого из трех предметов исследовалось влияние программы и типа обучения.
Например, на рис. 8 результаты исследования оценок студентов разных типов обучения
(дневного, вечернего и заочного) всего факультета по выборке в зависимости от программы
обучения.
66
Starpaugstskolu zinātniski praktiskās un mācību metodiskās konferences raksti
Type*Pr; Unweighted Means
Current effect: F(6, 570)=4,1589, p=,00042
Effective hypothesis decomposition
Vertical bars denote 0,95 confidence intervals
8,5
8,0
7,5
7,0
6,5
MakroE
6,0
5,5
5,0
4,5
E
M
L
T
Pr
Type
D
Type
N
Type
V
Type*Pr; Unweighted Means
Current effect: F(6, 570)=8,2354, p=,00000
Effective hypothesis decomposition
Vertical bars denote 0,95 confidence intervals
8,5
8,0
7,5
7,0
MikroE
6,5
6,0
5,5
5,0
4,5
4,0
3,5
E
M
L
T
Pr
Type
D
Type
N
Type
V
Рис. 8. Оценки студентов разных программы обучения (Pr)
и типов обучения по «Микроэкономике» и «Макроэкономике»
Итоги наблюдений
1. Еще раз подтверждается гипотеза о низкой мотивации студентов дневного отделения –
самый низкий балл по всем четырем программам. p-value имеет значение < 0,1, что ниже
уровня значимости.
2. Самый высокий средний балл по микроэкономике у студентов заочного отделения
программы «Бакалавр социальных наук в экономике» – 7,3.
67
“Mūsdienu izglītības problēmas“
3. Более ровные результаты по средним оценкам показали студенты программы «Бакалавр
социальных наук в области наук управления» и «Логистика на транспорте и в бизнесе».
4. Самые низкие средние баллы у студентов всех типов обучения по программе
«Коммерческая эксплуатация транспорта» – от 4,7 до 5,5 балла.
Type*Pr; Unweighted Means
Current effect: F(6, 570)=8,2354, p=,00000
Effective hypothesis decomposition
Vertical bars denote 0,95 confidence intervals
8,5
8,0
7,5
7,0
6,5
6,0
M ik r o E
5,5
5,0
4,5
4,0
3,5
D
N
V
Type
Pr
E
Pr
M
Pr
L
Pr
T
Type*Pr; Unweighted Means
Current effect: F(6, 570)=4,1589, p=,00042
Effective hypothesis decomposition
Vertical bars denote 0,95 confidence intervals
8,5
8,0
7,5
7,0
6,5
MakroE
6,0
5,5
5,0
4,5
D
N
V
Type
Pr
E
Pr
M
Pr
L
Pr
T
Рис. 9. Оценки студентов разных типов обучения и программ обучения (Pr)
по предметам «Микроэкономика» и «Макроэкономика»
Если у студентов заочного отделения по всем программам по микроэкономике самый большой
разброс средних оценок, то по макроэкономике – самый маленький (рис. 9). И средний балл по
макроэкономике выше, чем по микроэкономике, по всем типам обучения и программам. Возможно,
вопросы, изучаемые в макроэкономике, больше вызывали интерес с практической стороны жизни.
Только у студентов программы «Бакалавр социальных наук в экономике» средний балл по
обоим предметам одинаковый и самый высокий из всех типов и программ обучения и составляет
7,3 балла.
68
Starpaugstskolu zinātniski praktiskās un mācību metodiskās konferences raksti
Заключение
Общие выводы по исследованию:
ƒ наличие базы данных оценок в ИС Института транспорта и связи позволяет получать
новую качественно более значимую информацию (новые знания) из этих данных;
ƒ алгоритмы анализа должны базироваться на статистических методах;
ƒ огромное значение имеет визуализация результатов, которая сегодня рассматривается как
самостоятельный метод Data Mining, активно использующийся для поддержки
управленческих решений;
ƒ продемонстрированные примеры иллюстрируют возможности Data mining методов;
ƒ следующим этапом является внедрение этих методов в интеллектуальные модули –
надстройки ИС и использование их на постоянной основе для анализа учебных процессов.
Литература
1.
2.
3.
Сергушичева, А. П., Жаров, Д. В. Анализ факторов, влияющих на качество обучения, с. 275-286
– http://ags-vologda.ru/download/old/pdf/112010/Segushcheva-Zharov.pdf
Стандарт ISO 9000:2000 – http://standartization.com/ISO9000
Вуколов, Э. А. Основы статистического анализа. Практикум по статистическим методам и
исследованию операций с использованием пакетов STATISTICA И EXCEL. Москва: ФорумИнфра-М, 2004. 464 с.
Nadežda Fiļa, Marina Plise. FAKTORU, KAS IETEKMĒ STUDIJU PROGRESU, ANALĪZE AR
STATISTISKĀS ANALĪZES METODĒM
Rakstā aplūkota studiju procesa analīzes procesa metodika, izmantojot studējošo sekmības analīzi un noskaidrojot studējošo
sekmību ietekmējošos būtiskos faktorus. Sekmību ietekmējošo faktoru analīze tiek veikta, izmantojot pētījuma statistiskā metodes.
Uz augstskolas centralizētās informācijas sistēmas datu bāzes izlases datu pamata tiek veikta studiju procesa organizēšanas
raksturojošo faktoru analīze.
Statistiskā analīze tika veikta ar paketes Statitica palīdzību 582 izlases objektu kopumam.
Dažādu faktoru ietekmes uz sekmību noskaidrošanai tika izmantota grafiskā analīze – Box-Whisker grafiku konstruēšana,
homogenitātes pārbaude un dispersijas analīze.
Pētījuma dati var būt perspektīvi ar mērķi izmantot datu apstrādes rezultātus augstskolas lēmumatbalsta sistēmas organizēšanai.
Atslēgvārdi: studiju process, objektīvi un subjektīvi faktori, korelācija, homogenitātes teorija, dispersijas analīze
Nadezda Fila, Marina Pliss. ANALYSIS OF FACTORS INFLUENCING PROGRESS IN STUDIES
BY MEANS OF STATISTICAL ANALYSIS
The article discusses the method of analysis of the educational process through the analysis of students’ progress and identifies
important factors that affect performance. Analysis of factors affecting performance is made using statistical methods.
Based on a sample from a centralized database of information system of the Institute analysed the factors that characterize the
organization of the learning process.
Statistical analysis was performed using the package Statistica on a sample population of 582 objects.
To reveal the significance of various factors on the performance we used a graphical analysis – charting Box-Whisker, verification
of homogeneity and analysis of variance.
These studies may be promising to apply the results of processing the available data for the organization to support decisionmaking in the university.
Keywords: studying process, objective and subjective factors, correlation, theory of homogeneity, analysis of variance
69