高中考试大规模数据的设计.docVIP

大规模招生考试相关数据分析 总体上数据分析维度有科类、科目（组）、性别、阶层、地区、城乡、中学（星级）、批次、分数（段、等级）、年龄、学历、职业等，视具体招考类型和主题而定。 普高招生考试 可以录取系统数据库为基准，系统中t_库为事实表，td_库为维表。 考生主题（考生库或考籍库）：报名信息（含从基教学籍系统提取的数据）、参加各类考试的信息（含缴费）、诚信考试情况、指纹，考试推荐。 考生数量发展主题:主要用于从各个角度分析考生的发展情况,可用的源数,涉及到的度量值有考生人数,人数比重.考生成绩分析主题:在不同的阶段对考生的成绩进行分析,可用的源数,涉及到的度量值有最高分最低分平均等A率）、各类交叉表（性别/选科、等级/分数、科目组/分数、选科/等级）,以及考生某项考试缺考分析、考生学习能力分析、考生平时成绩、综合素质情况、成绩证明。 院校计划分析主题:用于从不同角度展示院校的计划情况,主要考查的指标有计划人数,计划执行数,计划差额数,志愿分析主题:用于从不同的角度分析考生的志愿数据,可用源数据主要为,主要关注的指标有填报人数,报考热度,录取最低分等报考热度.志愿填报计数:/.计划人数录取分析主题:主题分析的目的在于从各个角度展示录取库中的数据,可用,涉及到的分析指标有录取人数,最低录取分,最高,平均分1)考生志愿分析主题2)考生学习形式分析主题3)考生质量分析主题4)考生生源分析主题5)录取专业分析主题 能够统计全年级的学生的各科分数和总分情况。 能够统计全年级各班级的各科分数和总分情况。 能够对考试各科目的平均分、排名、选择率、正确率、最高分、最低分、标准差、区分度、难度、信度、分数分布、名次分布等进行统计，并以通俗易懂的可视化形式展现。 能够统计试卷客观试题的作答结果情况分布数据。 能够统计试卷主管试题的作答分数情况分布数据。 考试结果诊断评价 系统分析后的结果，对于年级内的班级学习状况具有一定的诊断评价作用。 系统分析后的结果，对于学生个体具有一定的诊断评价作用。 以往成绩对比 系统可以展现本次考试各个班级与以往考试的对比情况或变化曲线。 系统可以展现本次考试学生个体与以往考试的对比情况或变化曲线。 四、命题评价专题（13年初由命题中心提供） (1)对内命题管理 征题系统（定向秘密征题） 无纸化命题系统，与其他系统隔绝，可进行归类归指标。 小型考试网上评卷系统，最好能切割。 自考试卷命题管理系统。目前自考无小题分，难以掌控命题参数。 命题内容的难度估计与控制。 (2)对外评价服务 为地方教育行政部门服务。希望能成为相对柔性的系统，目前只国家教育考试评价研究院有此类系统。可以先买一个现成的评价系统（如教育版Spass）。 面向考生的发展性评价。类似于教育部“云海工程”，为学生专用选择提供参考。评价要兼顾价值导向与能力导向，需要与学生交互；能力与态度相结合。评价指标90%以上是经常性的指标，还有一些领导提出的探索性的指标。 (3)供自身与领导使用的数据分析 希望能够了解考生应试的反应与生源结构（如年龄、学历、职业等）的变化。 希望能拥有市、县、校的模拟考试情况，以了解应届考生的实际情况，同时便于查近期的重题。 统计的数据要依据一定的教学理论与基础。 需要有考生的背景数据，学校的数据，有自定义的、半定制化的报表（由于有些数据比较敏感或需求较个性化） 希望能形成一个学科秘书工作的云平台。 “教育似乎在走下坡路？用标准化测试来检验学生的表现和评定对老师或学校的奖惩是否合理？考试是否能全面展示一个学生的能力？是否能有效检测教学质量？是否能反映出一个有创造力、适应能力强的现代师资队伍所需要的品质？这些都饱受争议。谷歌公司的创始人拉里·佩奇和谢尔盖·布林一直强调要得到每个应聘者申请大学时的SAT成OLAP和数据挖掘技术的高考志愿填报方式分析评估方法。（曾铮） 高考考生志愿数据分析与挖掘研究（殷员分） 效率：是否保护了高分考生。“高分低就”是低效率的。 公平：考生填报志愿与录取的匹配情况 3.大数据时代