學(xué)生成績綜合評價模型

百度寸庫-讓每個人平等地提升自我百度寸庫-讓每個人平等地提升自我#在做出其浮動圖和直方圖得:成績浮動圖 1——2—3——4 5 6—7——8 910通過上圖我們發(fā)現(xiàn)：在這個模型中，學(xué)生成績的波動性得到了很好的體現(xiàn)，如波動圖所示，成績有著季節(jié)性的變化，觀察第8名學(xué)生的成績，我們發(fā)現(xiàn)，在第四學(xué)期，其成績?yōu)?，但是預(yù)測中我們發(fā)現(xiàn)其成績在第五學(xué)期并沒有出現(xiàn)異常的情況，表明這個模型在一定程度上可以屏蔽原始數(shù)據(jù)奇異值的情況。通過直方圖我們發(fā)現(xiàn)，在這個模型中很好的吻合了負(fù)偏態(tài)分布，而且和前四個學(xué)期的分布曲線相一致。6模型的比較與應(yīng)用下面我們對所給出的模型進(jìn)行比較：在評估過程中我們運(yùn)用了如下幾個模型：(1)模糊分類綜合評價模型首先利用已得到的標(biāo)準(zhǔn)化數(shù)據(jù)，求得所有學(xué)生的成績平均值，學(xué)生的平均進(jìn)步度，學(xué)生的波動度這三個影響學(xué)生學(xué)習(xí)狀況的值。并對于這些數(shù)據(jù)進(jìn)行優(yōu)良中差的分類，接著人為的規(guī)定每個部分的權(quán)值，利用這個權(quán)值對于學(xué)生的學(xué)習(xí)狀況進(jìn)行模糊分類評估。優(yōu)點(diǎn)：能夠較精確的對學(xué)生的學(xué)習(xí)狀況進(jìn)行分類缺點(diǎn)：在權(quán)值的分配上是人為進(jìn)行的，這是不科學(xué)的一種分配方法。得到的總評價分由于數(shù)據(jù)在一開始就已經(jīng)進(jìn)行了分類處理，所以所得到的總評價分是一個量子化的值，這樣就不能精確的對兩兩學(xué)生的學(xué)習(xí)狀況進(jìn)行比較。(2)基于層次化分析的模糊評價的改進(jìn)模型對于1中的缺點(diǎn)我們提出了基于層次化分析的模糊評價的改進(jìn)模型。優(yōu)點(diǎn)：在權(quán)值問題上，利用了層次化分析的原理，得到了每個層次所包含的權(quán)值。利用每個學(xué)生每個學(xué)期的成績和每個學(xué)期的進(jìn)步情況進(jìn)行分析，這樣就得到了精確的總評價分?jǐn)?shù)，可以對所有學(xué)生的學(xué)習(xí)狀況進(jìn)行排名。在此模型中，充分考慮了學(xué)生的進(jìn)步情況，在賦予權(quán)值的時候認(rèn)為近期學(xué)生的成績和進(jìn)步度對于學(xué)生學(xué)習(xí)狀況的影響大于以前的成績和進(jìn)步度。(3)DEA方法評價模型DEA評價模型是數(shù)據(jù)包絡(luò)分析方法，它的功能是“評價”，特別是進(jìn)行多個同類樣本的“相對優(yōu)劣性”的評價，它根據(jù)一組關(guān)于多輸入多輸出的觀察值來評估有效性。利用每個學(xué)生的有效值對于學(xué)生的學(xué)習(xí)狀況進(jìn)行分類。優(yōu)點(diǎn)：這個模型的注重點(diǎn)不在于學(xué)生這個學(xué)期的進(jìn)步情況，而在于學(xué)生是否能夠在滿足其波動曲線的情況下穩(wěn)定的進(jìn)步。也就是說如果一個學(xué)生本學(xué)期的成績突然進(jìn)步很多，他的有效值并不會很高，相反如果他能夠在前面進(jìn)步的基礎(chǔ)上緩慢進(jìn)步，則說明他學(xué)習(xí)是有效的。這個模型可以說是上述兩個模糊分類模型中盲點(diǎn)的補(bǔ)充。在預(yù)測過程中我們運(yùn)用了如下幾個模型：（1）線性回歸預(yù)測模型這個模型十分簡單，這里不做贅述。優(yōu)點(diǎn)：簡單易行，對于粗略估計學(xué)生的成績有著一定的應(yīng)用價值。缺點(diǎn)：簡單的線性模型帶來的是較大的預(yù)測的誤差。（2）模糊分析預(yù)測模型利用評估值中的模糊分類的方法，認(rèn)為學(xué)生的學(xué)習(xí)狀況不變，對學(xué)生的成績進(jìn)行預(yù)測。在模糊評估模型中，我們設(shè)定權(quán)值時認(rèn)為每個學(xué)期成績和進(jìn)步度的重要性是逐漸增加的，這樣也就是說在這個模型的評估中學(xué)生成績的變化會沿襲前一學(xué)期成績的變化。優(yōu)點(diǎn)：認(rèn)為學(xué)生學(xué)習(xí)狀況不變，可以動態(tài)的對學(xué)生的成績進(jìn)行預(yù)測。權(quán)值方面有可行性，預(yù)測中包含了上學(xué)期的學(xué)習(xí)狀況這一變量，使預(yù)測更加準(zhǔn)確。缺點(diǎn)：實(shí)際中學(xué)生的學(xué)習(xí)狀況并不是不變的，而是波動性變化的。觀察原始數(shù)據(jù)可以看出學(xué)生的成績在一三學(xué)期較低，有著季節(jié)性的波動，這個模型在波動性上解決的不好。（3）GM（1,1）成績預(yù)測模型假設(shè)學(xué)生成績的和數(shù)列滿足指數(shù)型微分方程，利用前四個學(xué)期的數(shù)據(jù)，利用最小二乘法進(jìn)行求解微分方程系數(shù)，利用微分方程進(jìn)行預(yù)測。缺點(diǎn)：這個模型從剛開始的假設(shè)中就不是準(zhǔn)確的。如果認(rèn)為學(xué)生的成績和是呈指數(shù)型的話，也就是說，成績應(yīng)該是按照學(xué)習(xí)狀況進(jìn)行上升和下降的，這樣也就不滿足學(xué)生成績波動性的預(yù)測。其次在本模型求解中，利用最小二乘法求解微分方程的系數(shù)，如果一個學(xué)生的成績出現(xiàn)很大的波動，這樣就會產(chǎn)生奇異矩陣，也就是說這個學(xué)生的預(yù)測會是很不準(zhǔn)確的。所以此模型不能對成績很差或者波動很大的學(xué)生成績進(jìn)行預(yù)測。(4)ARIMA(0,1,1)成績預(yù)測模型這是一個求和自回歸-移動平均模型，是一個可以進(jìn)行時序研究的模型，從這個模型的結(jié)果來看，這個模型有很多的優(yōu)點(diǎn)。優(yōu)點(diǎn)：在這個模型中，學(xué)生成績的波動性得到了很好的體現(xiàn)，滿足一三學(xué)期成績較差這一個觀測的預(yù)測條件，有著良好的季節(jié)性，并在一定程度上可以屏蔽原始數(shù)據(jù)奇異值的情況。這個模型中很好的吻合了負(fù)偏態(tài)分布，而且和前四個學(xué)期的分布曲線相一致。這個模型所得到的數(shù)據(jù)和前四個學(xué)期的原始數(shù)據(jù)的吻合度最佳。7參考文獻(xiàn)［1］李潔明，祁新娥，統(tǒng)計學(xué)原理［M］，復(fù)旦大學(xué)出版社，2007年1月第四版［2］張丹剛，試卷成績分布的正態(tài)性檢驗(yàn)方法［J］，考試周刊，第48期：P5—P6,2008年［3］唐秋晶，運(yùn)用數(shù)理統(tǒng)計方法評價學(xué)生的學(xué)習(xí)狀況［J］，濟(jì)寧師專學(xué)報，第19卷第6期：P10