客观评价学生学习状况数学建模.doc

PAGE6

东华理工大学

数学建模一周论文

论文题目：客观、合理评价学生学习状况的数学模型

姓名1：****学号：1******

姓名2：****学号：1*****

姓名1：******学号：1*****

专业：软件工程（电子商务）

班级：指导教师：乐励华

2012年6月12日

客观、合理评价学生学习状况的数学模型

摘要

现行的评价方式单纯根据绝对分数评价学生的学习状况,仅凭一次考试结果对学生定级是不合理的,忽视了不同基础水平学生的进步程度,本文更注重学生学习过程,把学生进步幅度成绩作为成绩评价的标准,运用黑尔指数转换法,并运用线性回归分析,matlab等手段求解模型中的相关量,使不同基础水平学生进步幅度成绩得以比较,客观地反映出了每个学生学习的进步幅度,起到激发学生努力学习和增强自信的作用。通过以上考虑，本文试图通过回答以下3个问题来达到目的：

一：题目给出学生成绩数据，通过分析和通过所给数据，得到图表。整体情况为：及格率均在90%以上，并逐年增长，平均分在70分以上，整体成绩良好。

二：为了体现学生成绩进步在整体评价中的作用，采用学生每个学期的成绩和进步情况作为指标, 我们采用了模糊层次分析和灰色关联分析两种方法。综合考虑到每次考试的难易度不同等诸多因素，我们将进步度=进步率×学生的成绩平均分。通过糊层次分析方法得出最后求出各个因素的权重向量为：，再利用模糊层次分析方法得出学生学习状况的综合评定指标如下：

再则利用标准分和由黑尔指数法求得的进步分数进行评价，根据灰色关联度分析法得到各指标的关联度，又由于灰色关联分析法是等权划分，不能显示出各指标的重要性差异，所以我们运用模糊层次分析法中得到的权重。由此可以得到较为客观的综合评价模型：总和评价结果=各个指标的权重与取值的乘积之和。

三：根据不同的评价方法预测这些学生后两个学期的学习情况，我们用到多元线性回归预测和灰色预测。

1、多元线性回归预测模型：分析了四个学期数据的相关性，证明可以运用多元线性回归模型预测，并得到有较好精度的数据。

2、灰色预测模型：用matlab编程实现了GM(1,1)预测过程，并得到了有很好精度的预测数据，灰色预测模型利用matlab编辑预测函数==

算出第i个学生第j学期的预测成绩再利用这个函数来分别算出已知学期学生的成绩与原始的数据进行残差检验，分别求出他们的绝对误差与相对误差判断得知该模型型建立是合理、客观和全面的。

关键字：黑尔指数转换模糊层次分析有效成绩多元线性回归预测权重

GM（1,1)的改进

由上表可以得出：一、二、三学期的偏度为负，说明呈负偏态分布，即分数小于平均分的学生比大于平均分的学生多；第四学期的偏度为正，说明呈正偏态分布，即分数大于平均分的学生比小于平均分的学生多。由此说明学生的整体成绩提高了。同时我们还可以得到以下结论：

（1）、四个学期的及格率均在89%以上，可以肯定大部分学生的学习能力；

（2）、第一、二学期的标准差较第三、四学期的大，说明前两个学期的分数较为分散，学生的差距较大；

（3）、四个学期中，分数大于90分的学生比较少，所以该学校应该加强尖子生这块的培养；

（4）、四个学期的总平均成绩在73分左右，学生的总体学习情况良好。

由表可得，四个学期的平均成绩分别为：，，，。

协方差：。相关性系数：。

由附件数据可得，，因此第二学期成绩与第一学期成绩存在正非线性相关关系，同理可得第三、四学期成绩与第一学期成绩也存在正非线性相关关系。

二.评价学生的学习情况

1）数据处理

黑尔指数转换：用指数方差确定进步幅度和难度，并根据高低分着的进步幅度，一不同的难度权重，最后根据两粗测验获得的“进步分”的多少来进行评价。

(1).根据原始的黑尔指数表格（表1）回归分析出T分与进步分公式，

根据黑尔指数换算表回归分析出T分与相应的进步分y的关系:,得到了进步分。

先是利用公式，其中是第个学生第个学期的成绩，，分别是每个学期的学生总体的平均分与标准差。利用这个公式将成绩装换为T分，

可将两学期两次额成绩分别转换成T分，然后将T分转换为进步分，见附录。

以下表是取序号排列1~10的学生为例所求的进步分

学生序号

T分

进步分

T

进步分

T

进步分

T

1

56.79

13.75

50.43

10.25

51.24

10.64

49.24

2

53.24

11.67

49.08

9.63

58.24

14.71

55.40

3

39.