基于学生特性成绩影响因素聚类研究.docVIP

基于学生特性成绩影响因素聚类研究 　　[摘要]为探索针对不同类型学生成绩提升的主要策略,本文在对可能影响学生成绩的因素进行因子约简的基础上对学生样本进行了聚类分析,根据分析结果将学生分为三类,并提出了提升每类学生成绩的具体策略,目的使学生能在短时间内找到最高效的进步方法,以提高效率,达到在一定程度上减负的效果。 　　[关键词]学生成绩;因子分析;聚类分析 　　 　　随着社会竞争的日趋激烈,升学压力使广大中学生的课业负担越来越重,因此如何能找到提升成绩的关键突破口是有效缓解学生负担的重要手段。 　　本文首先参考教育理论与经验,提出可能影响学生成绩的一系列因素,由于因素间可能有大量信息重复或者对成绩有较大影响,需要使用因子分析对这些因素进行因子约简,然后以因子分析后提取的因子为指标,通过进行聚类分析将学生分为几类,通过对各类学生进行特点分析,提出符合他们实际情况的成绩提升建议,希望能找到提升成绩的突破口,达到减负的效果。 　　 　　一、数据处理 　　 　　1、变量选取及其赋值 　　美国教育家心理学家本杰明布#8226;S#8226;卢姆(Benjamin #8226;S#8226;Bloom,1913-)曾提出过著名的影响学生学业成绩的五大变量理论,分别是认知前提、情感前提、教学前提、主动学习时间和家庭教育环境 　　。依据其相关理论和现实生活经验,认为影响学生学习成绩的因素主要从学生自身因素和外部环境因素两方面考虑。其中学生自身因素包括其学习能力、学习动机、心理素质以及身体素质等;外部环境因素包括学校因素、教师因素、家庭因素,甚至包括当次考试的试卷等。 　　考虑到有些数据获取的困难性和模型分析的需要,进行变量量化。如对自己学习成绩的自信心:调查中考察的是在出现考试成绩不理想的情况下学生的反应。分为失误而已=4、该好好补习了=3、习惯了=2,我总是考不好=1;再如与任课老师交流情况:主要考察师生的交流频繁程度,分为经常=4,一般=3,很少=2,几乎没有=1。由于篇幅有限,这里不罗列所有24个变量的具体量化方法。 　　2、数据来源 　　本文的数据来源于对杭州市某中学的同学调查问卷。调查抽样的是高三毕业班的168名同学,由于高三升学压力重、对学业的重视度高、学生也相对低年级成熟,问卷调查数据相对更能反映情况。问卷中涉及的仅是数学学科问题,包含课题需要的全部研究变量。课题数据本着便于采集、便于量化处理、能反应大部分情况的原则。 　　 　　二、因子分析 　　 　　因子分析是研究从变量群中提取共性因子的统计技术,主要目的是用来描述隐藏在一组测量到的变量中的一些更基本的,但又无法直接测量到的隐性变量。最早由英国心理学家C.E.斯皮尔曼提出。 　　本人的研究中借鉴著名教育家和教育从业者的经验和理论成果,得到的变量较多,其中的多重共线性问题比较严重,提炼出本质相似的变量,减少变量数目,同时为了消除自变量间的多重共线性问题为后面建立多元线性回归模型做准备,这部分使用因子分析法分析变量。 　　1、因子分析适合性判断 　　KMO样本测度是所有变量的简单相关系数的平方和与这些变量之间的偏相关系数的平方和之差,它用来检验当前因子分析的样本量是否足够。本研究选取的变量样本充分性的KMO测试系数为0.756(0.70-0.80被认为是还好的) 　　,样本分布的球形Bartlett卡方检验值为1049.806,sig值为0.000,这说明可以对数据进行因素分析。 　　2、因子分析结果 　　用SPSS 13.0软件对24个学生成绩的潜在影响因素进行因子分析。每一个变量在某一个因子上的的载重越大,说明这一个变量越应该归入该因子。因子载重代表了原始变量与派生因子相关性强弱的一种系数,特定变量在某因子上的荷重越高说明变量与因子间有较强的相关性,并对该因子具有较强的解释力, 　　本实验中对于因子1,学习深度变量载荷为0.773,学习基础0.750,学习效率0.731,数学课自信心0.706,学习能力0.665,上学期综合排名的载荷为0.627,这六个变量在因子1上相对具有较高荷重,理论上认为这些变量组合起来代表因子1,命名为基础能力因子。同理学习计划、学习目标、学习动力组成学习自控因子;考卷题量计算量评价、考卷难度评价、家庭施加压力组合成学业压力因子;错题集、预习习惯、复习习惯组成学习方法因子;师生关系和师生交流组成教师影响因子;作息规律、身体素质和综合心理素质组成身心素质因子;家长对学习的指导帮助和家庭环境影响组成家庭环境因子;家教情况和自主学习时间组成精力投入因子。 　　这样,我们得到了8个新的因子变量。这8个新变量既包含了24个原始变量的绝大部分信息,同时又避免了原始变量间的多重共线性问题,为后面的聚类分析工作打下