前言:中文期刊网精心挑选了统计分析软件范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。
统计分析软件范文1
世界上被最广泛应用的专业统计软件之一就是SPSS,应用的领域有医疗、银行、教育科研等等。在教学工作中应用SPSS可以解决许多的实际问题。应用SPSS软件不仅可以轻松算出总体和样本的优秀率、合格率,每个班级的平均分等描述性统计量,而且可以计算每个分数段的人数分布情况,对于广大教学工作者来说,SPSS软件提供了许多便利。
【关键词】SPSS软件 教学 统计分析
1 创建数据文件数据文件的创建
SPSS的数据文件的形成方式有两种,第一种是直接在软件中的数据编辑窗口中录入数据,得到的SPSS类型文件格式是*.sav。第二种是利用EXCEL软件的数据输入技巧,创建的文件类型为*.xls,接着利用SPSS的文件导入功能,来得到相关的数据。本文对导入EXCEL文件的过程进行具体的分析。
例1:利用EXCEL文件创建SPSS数据。
比如,现在有EXCEL数据文件是高三学生的期中考试成绩,数据文件的变量数据中包括学生的班级、学号、姓名、物理、化学、生物,一共六个。各个变量的名称在文件的第一行。把EXCEL文件关闭,把SPSS软件打开,在软件的数据窗口中点击“文件”、“打开”、“数据”菜单,在打开数据的对话框中,将EXCEL作为选择的文件类型,将需要导入的文件单击选中。首先单击“打开”,弹出的对话框是EXCEL数据源,要特别注意一下要将“从第一行数据读取变量名”默认是处于勾选的状态,意思是说SPSS文件的变量名称是EXCEL原文件的第一行,从第二行开始的才是真正的数据,用户可以根据自己的情况来选择,接着单击“确定”,文件就被顺利地导入了,再把文件保存到SPSS的数据文件中。
2 对“率”进行计算
在平时的教学活动中,教师对学生某次考试的合格率和优秀率进行统计是不可避免的,也就是说教师需要统计60分以上和90分以上的学生人数所占比例,在SPSS软件中,以上的两种情况都可以通过其中的频数分析来完成。
2.1 对总体“‘率”进行计算
例2:对学生考试结果的合格率和优秀率进行计算。
在SPSS软件的数据窗口中,点击“分析”、“描述统计”、“频率”菜单,在频率的对话框中,对需要分析的变量“化学”进行选中,点击箭头,使其进入“变量”的空白框中。接着对右侧的“格式”进行单击,进入“频率格式”的对话框,对输出频率表的格式进行定义,在排序方式中,选中第二个“按值的升序排序”,单击“继续”,返回主对话框,再点击“确定”。在SPSS软件的结果窗口就会出现学生化学每种分数的人数和其他需要的百分数。代表该分数及超过该分数的学生人数占总人数的比是最后一列的“累积百分比”,这也是所需要求的“率”。累积百分比是9.0%的是90分所在的累积百分比,也就是考试结果的优秀率,60分以上的累积百分比就是此次考试的合格率。
2.2 对样本“率”进行计算
例3:计算各班学生化学成绩的合格率和优秀率。
计算每个班级的“率”,一般步骤是:利用拆分文件功能将其分为不同的班级,再对其进行频数的分析。具体的流程是:在SPSS的窗口中,选择“数据”、“拆分文件”,在对话框“分割文件”中,点击单选框“按组织输出”,将变量“班级”选入“分组方式”中,再点击确定。在数据窗口的右下角,会出现“拆分条件班级”,这说明文件已经是拆分状态,并且是以班级问单位的。接着,按着例1的方法,就可以得到各个班级化学成绩的合格和优秀情况。
3 样本平均分的计算
例4.对各班的化学平均分进行计算。
有很多方法可以对班级样本的平均分进行计算,这里只介绍其中一种。最常见的方法就是将不同的班级进行拆分,然后按着平时的描述统计功能进行计算。这种方法的缺点是不够方便,在这里,对比较均值法进行介绍。
比较均值法:
在SPSS软件窗口中,点击“分析”、“比较均值”、“均值”菜单,在“均值”的对话框中,将需要计算的化学这一变量选入“因变量列表”对话框中,将班级这一分类变量选入“自变量”列表中,点击右侧的“选项”菜单,会进入“均值”选项的对话框,想要自由选择需要计算的量可以通过中间的箭头来完成。默认的个案数、均值、标准差在“单元格统计量”中可以找到,接着返回需要点击“继续”,在点击“确定”,在窗口中就会出现每个班级的人数、化学平均分数、标准差。
4 统计分数段的人数
例5:统计所有学生在化学各个分数段的人数。
点击“转换”、“可视离散化”菜单,将化学、物理选入要离散的变量对话框。点击“继续”菜单,系统就会对相应的变量进行扫描。进入可视化封装窗口,然后选中化学。学生化学成绩的最小值、最大值和分布直方图就会出现在对画框中。在离散的变量后面对话框中,输入化学分段,在网格“表的值”输入分割点的值,90,80,70,60,分割线就会在直方图中显示出来,变量分段的大致情况就会出现。接着点击菜单“生成标签”,接着单击“确定”。弹出“封装规范将创建一个变量”的提示框。再点击“确定”,数据窗口的最后一列就会出现“化学分段”的新变量。
5 结语
综上所述,SPSS软件有着非常强大的功能,对一些功能进行综合利用,日常教学中遇到的许多实际问题都可以被快速、高效的解决,为广大的教育教学工作者提供便利。
参考文献
[1]杨贵和.SPSS在中小学教学研究数据处理中的应用[J].亚太教育,2016(15).
[2]李冬萍.基于SPSS软件的大学语文试卷分析[J].亚太教育,2016(12).
[3]魏江生,周梅,赵鹏武,景宇鹏,刘星岑.兴安落叶松林型对土壤氮素含量的影响[J].干旱区资源与环境,2014(07).
[4]张瑜,李莉,赵慧娟,柳杰.高校英语四级考试成绩的统计分析――以新疆农业大学为例[J].科教导刊(上旬刊),2014(01).
作者简介
邹芬(1979-),女,江西省湖口县人。大学本科学历,现供职于庐山区第一中学(中教一级)。研究方向为中学信息技术。
统计分析软件范文2
本研究用SAS、SPSS、DPS 3种统计软件的两步使用,实现对正交试验结果的完整分析,并对数据输入、输出结果、交互搭配、多项指标、操作难易5方面进行综合评价。
【关键词】 正交试验; 统计软件; 两步分析
1 问题的提出
用正交表安排试验并进行试验结果分析的统计方法,称为正交设计。极差分析可以完成正交试验结果的统计描述,但是因素的极差大或小到何种程度,方能算主要或次要因素,往往需要主观界定。方差分析可以完成正交试验结果的统计推断,但是计算太复杂太困难,往往让统计学教师及医药科研工作者感到苦恼。
SAS(Statistical Analysis System,统计分析系统)和SPSS(Statistical Product and Service Solution,统计产品与服务解决方案)是美国著名统计软件,DPS(Data Processing System,数据处理系统)是国内优秀的统计软件。本研究用这3种统计软件对正交试验结果进行两步使用,实现对正交试验结果的完整分析。
正交试验结果方差分析的条件是:留出空白列或进行重复试验。空白列的平方和及小于空白列的平方和构成第一类误差,重复试验数据构成第二类误差。软件分析的困难,体现在重复试验数据的格式、误差平方和的确定和交互作用的搭配3个地方,其要害是误差平方和的确定。
为此,任何统计软件均需要使用两次。第一次探索分析,排除空白列,确定平方和小于空白列者及各水平优劣。第二次补充分析,排除平方和小于空白列的变量,确定主要因素及重要交互作用。主要因素取好水平,重要交互作用取好搭配,次要因素按实际问题取水平,得到最优试验方案。统计软件的这种两步使用,可以实现对正交试验结果的完整分析。
2 不同软件的两步分析
考虑最复杂的混合水平正交设计,因素A为4水平,因素B、C、D为2水平,交互作用A×B、A×C及B×C。在混合表L16(4×212)安排A、B、C、D于1、2、6、11列,第12、13列空白,2次重复试验结果见表1。
表1 提取麻黄碱正交设计2次重复试验结果(略)
2.1 SAS9.0操作
第一次调用glm过程作试探分析,确定空白列x1、x2的平方和,编辑程序为:
data L1; /*麻黄碱正交设计第一次探索分析*/
input A B AB1 AB2 AB3 C AC1 AC2 AC3 BC D x1 x2@@;
do i=1 to 2; input y@@; output; end;
cards;
1 1 1 1 1 1 1 1 1 1 1 1 1 61 75
1 1 1 1 1 2 2 2 2 2 2 2 2 83 84
...........................
4 2 1 1 2 2 1 1 2 1 2 2 1 80 70
;
proc glm; class A B C D; model y=A B A*B C A*C B*C D x1 x2;
means A B A*B C A*C B*C D/snk; run;
程序运行后,交互作用BC、因素D平方和42.7813、124.0313小于空白列x1、x2平方和相加57.7813+132.0313=189.8125,应当合并到一类误差中。由多重比较,因素C的水平2较好,交互作用A×B的搭配A1B1较好。
第二次调用glm过程作补充分析,修改程序L1.sas最后语句为:
proc glm; class A B C D; model y=A B A*B C A*C; run;
运行得到的程序L2.sas, Model的F=7.89、P
指标为产率,越大越好。由多重比较的输出结果,因素C取2水平,交互作用A×B取搭配A1B1。根据实际,因素D取D2较好。故最佳试验方案为A1B1C2D2,即用4倍量0.1%的盐酸,浸煮1(h,调pH=12。
2.2 SPSS13.0操作[1]
以A、B、AB1、AB2、AB3、C、AC1、AC2、AC3、BC、D、x1、x2为分组变量,y为数据变量,前面13列反复2次输入正交表各列,建立配伍格式数据文件。
第一次试探分析,选择General Linear ModelsUnivariate命令,指定y为Dependent variable变量,A、B、C、D、x1、x2为Fixed Factors变量。
鼠标击Model按钮,指定A、B、A*B、C、A*C、B*C、D、x1、x2为Model变量。
击Options按钮,指定A、B、A*B、C、A*C、B*C、D为Display Means for变量Compare main effectsLSD。
输出结果,交互作用BC、因素D平方和42.781、124.031小于空白列x1、x2平方和相加189.812,应当合并到一类误差中。由多重比较,因素C的水平2较好,交互作用A×B的搭配A1B1较好。
第二次补充分析,选择General Linear ModelsUnivariate命令,把x1、x2从Fixed Factors变量删除。
鼠标击Model按钮,把B*C、D、x1、x2从Model变量删除。
击Options按钮,把A、B、A*B、C、A*C、B*C、D从Display Means for变量删除。
输出结果, Model的F=7.893、P=0.000,当前模型有统计学意义。因素C的F=31.95、P=0.000,为主要因素,应当取好水平。交互作用A×B的F=10.156、P=0.000,为重要交互作用,应当取好搭配。
2.3 DPS7.55操作[2]
在区域A1:O16,前13列输入正交表的各列,第14、15列输入各次试验的结果。
第一次试探分析,选定数据块,选择"试验统计"菜单"正交试验方差分析"命令,指定第12、13列为空白列。
交互作用BC、因素D平方和42.781、124.031小于空白列x1、x2平方和相加189.812,应合并到一类误差中。由极差分析因素C的水平2较好,直接计算得到交互作用A×B的搭配A1B1较好。
第二次补充分析,选定数据块,选择"试验统计"菜单"正交试验方差分析"命令,指定第10、11、12、13列为空白列。
因素C的F=31.95、P=0.000,为主要因素,应当取好水平。交互作用A×B的3列F=10.84、4.81、8.81,P=0.00、0.04、0.00,为重要交互作用,应当取好搭配。
3 综合评判
从数据输入来看,重复试验结果分析,SAS与DPS只需要一次性输入正交表各列,SPSS需要重复输入正交表各列。
从输出结果来看,SAS与SPSS能把多列交互作用合并输出,能把多列一类误差列合并输出,DPS则不能。
从交互搭配来看,SAS与SPSS能输出交互作用的搭配,DPS则不能。
从多项指标来看,DPS需要以各项指标,分别进行多次分析,根据各次输出结果,使用综合平衡法得出结论。SPSS可以选择Multivariate(多变量)命令,SAS可以在程序中直接读入多个数据变量,同时得到多指标的输出结果。
从操作难易来看,DPS两步分析只需修改空白列,而SAS需要需要修改程序,SPSS需要修改各项参数的选择,均比DPS复杂。
综上所述,可以建立参评因素集"输入、输出、搭配、指标、操作"到评判集"SAS、SPSS、DPS"的模糊关系矩阵,即:
R=0.350.300.35
0.350.350.30
0.350.350.30
0.350.350.30
0.300.300.40
再根据参评因素集在检验中的重要程度,建立权重矩阵为:
W=(0.30,0.30,0.20,0.10,0.10)
用先乘后加,计算评价值,即:
W R=(0.3,0.3,0.2,0.1,0.1)0.350.300.35
0.350.350.30
0.350.350.30
0.350.350.30
0.300.300.40
=(0.345,0.330,0.325)
完成正交试验结果分析,SAS、SPSS、DPS的各为0.345,0.330,0.325。
【参考文献】
1 周仁郁,主编.SPSS13.0统计软件.成都:西南交通大学出版社,2005,4,112~117.
2 周仁郁,主编,中医药统计学.北京:中国中医药出版社,2004,9,221~223.
3 方积乾,主编.卫生统计学.第5版.北京:人民卫生出版社,2003,145~147.
4 金丕焕,主编.医用SAS统计分析.上海:上海医科大学出版社,2000,135~142.
统计分析软件范文3
关键词:SPSS;统计;难度;区分度;信度;效度
中图分类号:G642文献标识码:A文章编号:1009-3044(2017)17-0121-03
试卷作为考试的一个重要载体,是测评学生学习成绩的工具,是教学质量检验的重要手段,因而教学质量评估管理中越来越重视试卷分析,试卷质量的分析结果客观地向教与学双方提供了反馈信息,进而实现评价教育目的的实现、教学效果的好坏等一系列质量要素,今后,应该成为教学工作中重要的常规环节之一。
1SPSS软件简介
SPSS软件是StatisticalPackagefortheSocialsciences英文名称的首字母缩写,即“社会科学统计软件包”,它是目前世界上常用的三大统计分析软件(SAS、SPSS及SYSTAT)之一,是世界上最早采用图形菜单驱动界面的统计软件,其界面友好、功能强大和操作简便,能方便地从其他数据库中读入数据。
SPSS是一款功能强大的教育统计软件,既可以进行基本数据的统计分析,还可以进行各种推断和检验统计。
2试卷质量分析应用实例
下面数据以安徽大学公共基础课程—《程序设计基础VB》的期末考试成绩为样本,利用SPSS软件分析说明考试质量分析的模式和各项指标。
2.1试卷基本结构
本试卷(满分100分),由两部分组成:客观性试题与主观性试题,其中客观性试题共A分,占X%,主观性试题共B分,占Y%。具体情况见表1。
填写试卷基本结构可以发现,题量尚可,试卷题型不够丰富,填空题可以细化为一般填空和程序计算填空,客观性试题一般强调知识点考察,常见类型为:单项选择题、多项选择题、判断题和简单填空题,而主观性试题则根据学科的不同,一般设有复杂填空题、简答题、问答题、论述题和计算题等题型。
2.2考试分析指标的定量分析
2.2.1成绩数据的录入与处理
1)定义变量并输入数据
这是直接方法。启动SPSS软件后会启动Statistics数据编辑器界面,通过單击VariableView标签进人变量名编辑窗口,在Name(名称)下注明学号、姓名、各题型、总分、平时成绩和班级代码。其中,各题型、总分、平时成绩和班级代码均设置为:Numeric(数值)类型,Decimals(小数点长度)定义为0,其余各项使用默认。
第二步,选择数据视图,开始输入数据:从第一行第一列起直接输入相关数据,这样,每行输入一个学生的记录,各列输入数据为一个某种题型的成绩,最后一列是班级代码等。
最后保存扩展名为sav格式的数据文件。
2)直接导人外部数据,更改数据类型
为了更好地对数据进行共享,SPSS还可以快速打开和编辑其他格式的文件,可直接导入操作的数据文件包括:MicrosoftExcel文件(*.xls)、SAS、dBase、Stata等格式。
具体的操作步骤为:依次单击FileOpenData,此时要在文件类型下拉菜单中选择AllFiles,在出现的全部文件列表中找到关联文件双击,在弹出对话框内选中其中的Read复选框(此项设置为把表格中的第一行作为变量名导人,否则第一行将作为数据导入),单击OK按钮后会打开DataEditor界面,就能显示出刚才导人的Excel文件内容。随后,也可依次单击FileOpenSave(Saveas),将当前数据存为其他格式的文件,比如sav格式,方便下次使用。
本文实例数据先对考试系统自动生成的xls文件格式进行数据导入,然后对变量属性作了适当修改,如图1、2所示。
2.2.2成绩统计的基本描述性分析指标
成绩统计分析的基本描述性指标主要有:学生总数、实考人数、最高分、最低分、各等级的人数分布及百分比、均值与标准差、成绩分布图等,相应的描述性统计量包括最小值(Mini-mllm)、最大值(Maximum)、频数(Frequency)、均值(Mean)、标准差(Std.)、偏度(Skewness)和峰度(Kurtosis)等。这些指标均要求按班级对试卷成绩及总评成绩进行分析。其中,均值用来描述数据集中趋势,标准差强调数据的变异性,即数据的差异量数,进而反映数据全貌。而对称、偏斜及分布陡缓程度等数据分布的结构形态及特征则由频数、偏度和峰度用来描述。
1)卷面成绩的集中和离散数据统计
打开录入后的数据表,依次单击AnalyzeDescriptiveSta-tisticsFrequencies,出现频数对话框,导入要建立频数分布表和直方图的项目,同时选上Minimum、Maximum、Mean、Std.devi-ation、Skewness和Kurtosis等参数,得到表1。
依次单击菜单AnalyzeDescriptiveStatisficsFre-quenciesChartsHisto-gramsWithnormalcurve,显示出分数段分布图和直方图。直方图如图3所示。
一般而言,学生成绩标准差在满分的5%-10%以内属于正常。从图表中得到的统计值可以发现:①本次考试的两个班的离散程度均较大,表明学生成绩离散度太大,可能是试题的问题,也有可能是学生水平的两极分化比较严重;②学生成绩基本呈正态分布;③考生总分偏度值为-0.138和-0.648,依据偏度在数据分析中的意义,本次测试数据显示:考生所得总分相对集中于平均分左侧,即大部分考生成绩小于平均分值;④在峰度的计算中,计算结果σ<0,可知在学生成绩的正态分布图有比正态分布更长的尾部,不过盯为较小负值说明,考生成绩在平均分附近的集中度虽低于标准正态曲线,但也差别不大;⑤标准差1≥10,差异较大。但是结合对总分的直方图的观察,可以发现:低分段考生的成绩与平均分的差距较大,这是造成即使大多数考生的总分集中于平均分附近,最后标准差数值仍较大的主要原因。
2)难度指标分析P
对于课程考试来讲,保持合适难度是保证试卷质量的前提。
观测得出:总试题难度大概在0.6-0.8之间,难度值中等偏低,试题适中,相对较难。
3)区分度指标分析D
区分度(Discrimination)是指测验题目对学业水平不同的学生的区分程度或鉴别能力。区分度作为评价试题质量、筛选试题的主要指标与依据,是测验是否有效的“指示器”。该指标对于选拔性考试如高考,竞赛尤为重要。具有良好区分度的测验,实际水平高的被试应得高分,水平低的被试应得低分。区分度与难度有一定关系。
在工具软件环境下,我们一般求出总分与每个试题得分间的积差相关系数作为试题的区分度,可以采用皮尔逊(Pearson)相关分析来对试题进行分析,步骤为:AnalyzeCorrelateBi-variate,在弹出的BivariateCorrelations对话框中选择各种题型和总分进人Variables,然后在CorrelationCoefficients中点击Spearman,完成后得到了各个题目的区分度。如表5所示:
从表中数据看出,由于三种题型的Sig.(2-tailed):p=0.000<α=0.01,相关系数值达到了0.01显著性水平,表示试题的区分功能显著。
4)信度指标分析
信度(Reliabilitv)用来反映考生稳定水平可靠性,即测验能否真实反映学生水平程度的数量化指标,是测验的必要条件。常用的有重测信度、复本信度、同质性信度、荷伊特信度和评分者信度等。
因为影响测验水平的因素有很多,导致信度的计算方法也不同,实际使用何种信度要依据考试目的和性质而定,从而选择其中一种或几种。
由于高等教育测验中绝大多数混合了客观题和主观题,所以SPSS软件中一般采用克隆巴赫(Cronbach)α系数计算信度,取值0.5左右即可达标。这种计算方法是由Cronbach于1951年提出的,不要求測验题目必须是记分型也能计算任何测验的内部一致性系数。
在工具软件环境下,依次运行:AnalysisScaleReli-abilityAnalysis,出现对话框,从中选择所有题型和总分,在Items框的Model项目中单击选择Alpha模型,并选中Scaleifitemdeleted复选框,计算出该试卷的信度系数Alpha=0.757。如表6所示:
通常Cronbach仅系数的值在0和l之间。如果Alpha系数不超过0.6,一般认为内部一致信度不足;达到0.7-0.8时表示量表具有相当的信度,达0.8-0.9时说明量表信度非常好。对上机测试来说,信度Alpha=0.757相对信度较高;一般来说,增加试题的数量;保持所有试题的难度接近正态分布;努力提高试题的区分度;严格监考和按评分标准给分均可以提高信度。
5)效度分析
效度(Validity)是指试卷准确地测量了考试目的的欲测内容的多少,多大程度上效检了所要测定的功能或达到其测量目的。
具体地讲,就是覆盖面和权重在教学大纲范围内的完成情况,体现考试能力水平和反映教学大纲完成的情况有效程度。
公认的效度分类方法是将效度分为内容效度、结构效度、构想效度和效标关联效度。确定使用何种效度要根据测验目的而定。常用的效度检验方法是:效标关联效度法,这种方法首先是寻求一种可靠的效标,然后求出测试结果与效标的相关系数,该相关系数则为效标关联效度。
在工具软件环境下,依次单击:AnalyzeCorrelateBi-variate,选择总分和平时成绩字段,随后在相关系数(Correla-tionCoefficients)中选择Pearson,计算数据如表7所示。
2.3试卷质量控制的定性综合分析
1)结合统计数据,进行定性评价
对试卷质量分析时的定性评价应有如下几个方面内容:一是题量和题型;二是试卷语言的表述是否明确和准确(如参考答案是否正确,试卷内容是否有重复或是对后继题目有提示等,专有名词表述是否准确,选择答案设计是否均衡、排列是否科学,);三是试卷内容的难易度;四是试卷的内容效度—覆盖面问题;五是教学重点的突出程度。
2)结合教学实践,进行教学反思
建立一个长久稳定的指标体系。通过长期分析这些指标,可以更好地客观地指导我们的教学改革。
检验课程设置的合理性。这些可以通过多因素变量的综合横向和纵向比较。比如同一课程不同专业的学生的成绩是否有差异,进而分专业更合理地优化我们的课程安排。再比如通过长期比较同一课程不同授课教师的成绩数据,可以分析出教师之间的差异,进而去了解他们授课方法的不同之处,取长补短,促进教师的经验交流和快速成长。
统计分析软件范文4
关键词: SPSS13.0统计软件 大学英语考试成绩 应用
1.引言
社会科学统计大型软件包SPSS13.0具有操作简单、灵活、功能性强等特点。作为一种有效的统计工具,在教育统计中所发挥的作用越来越大。在教学中,教师常需要进行诸如考试成绩等的统计分析,以评估学生的学习,及时调整教学。SPSS13.0统计软件能够代替传统的手工计算方法,方便快捷,可以轻松地进行多种数据统计和分析。
我通过运用SPSS13.0统计软件对我校2010级某班级按照学号选取的前30名学生的大学英语A(1)课程期末考试成绩进行了统计分析。在此之前,我已把选取的30名学生考试成绩的各项数据分为性别、听力、听写、阅读、词汇、写作和总成绩7项,输入SPSS13.0统计软件。
本研究主要是用SPSS13.0统计分析软件从二元变量相关分析、双因素混合实验设计方差分析与多组配对检验等角度对本次大学英语A(1)成绩进行分析,以期从分析数据中发现问题并在今后的大学英语教学中进行教学方法或策略的改进或调整,从而有效地增强大学英语教学效果。
2.二元变量相关分析(Bivariate)
相关分析(Correlation)是研究一个变量与另一个变量间的相互关系,研究变量间相互关系的性质和紧密程度。换句话讲,相关分析的任务就是对相关关系给予定量的描述。相关系数(correlation coefficient)又叫积差相关系数(product moment coefficient of correlation),用符号“r”表示,一般按“r”的绝对值大小,规定统计学中低于0.40以下的相关系数为低相关;0.40―0.70为较显著相关;0.70―0.90为显著相关;0.90―1则为最高相关(胡健颖、冯泰,2002)。
而二元变量相关分析方法可以研究两个观测量之间的单相关关系。如果在实际运用中,研究的是多个自变量与一个因变量的复相关关系,则应该抓住其中的主要因素,把复相关转化为单相关来进行研究。调用Bivariate过程命令可以允许同时输入两个或者两个以上的变量,但是输出的是变量间两两相关的相关系数。
在双变量相关分析中,对于正态分布资料,可选择积矩相关系数(Pearson相关系数);对于非正态分布资料,可选择等级相关系数(Spearman相关系数)或Kendall相关系数等非参数方法,在本次统计分析中,我首先检验性别、听力、听写、阅读、词汇、写作和总成绩7个变量之间两两相关情况。
步骤一:读取数据(score analysis.sav),打开analyze-correlate-bivariate;
步骤二:将变量性别、听力、听写、阅读、词汇、写作和总成绩选入到variables,在correlation coefficients中选pearson,在test of significance 中选two-tailed;
步骤三:单击option,在statistics中选means and standard deviations,在单击continue;
步骤四:单击OK。
表1数据表明,在本次考试中,所选取30名学生的听写成绩的标准差(standard deviation)是2.61868为最大,而写作成绩的标准差是1.35782,为最小。
分析:标准差越大,说明离散程度越大,数据就越不均匀,这表明所选取30名学生的听写成绩在各分项成绩中相差最大,也说明学生的听写技能相差最大,有一部分学生在听写技能方面还需加以强化训练,这就为今后的大学英语教学中调整教学策略提供了数据支持。而标准差越小,说明离散程度越小,数据就越均匀,这表明所选取30名学生的写作成绩在各分项成绩中相差最小,也说明学生的写作水平相差不是非常显著。
表2数据表明,在此次考试中,学生的听写和总成绩之间双尾检验的概率值为0,小于0.01,阅读与词汇、听写与总成绩和词汇与听力之间的Pearson相关系数分别为0.87,0.743和0.449。
分析:学生的听写和总成绩之间双尾检验的概率值为0,这说明它们之间的相关程度是最显著的,听写能力的高低显著影响英语总成绩。而阅读与词汇、听写与总成绩和词汇与听力之间的Pearson相关系数大,这说明学生的词汇能力对他们在听力和阅读部分的得分起到了显著影响。
3.双因素混合实验设计方差分析
双因素混合实验设计方差分析就是包含两个因素的重复测量设计。我们用该实验设计来检验3位英语老师分别为所选取的30名学生所给出的作文评分是否存在显著差异,作文评分与学生性别之间是否存在显著差异。
步骤一:打开Analyze-General Linear Model-Repeated Measures
步骤二:定义被试内因素名及其水平数。我们要检验老师所给作文评分与男女学生性别是否存在显著差异,在Within-Subject Factor Name 中可键入“grading”。有3位老师参与了打分,因此在Number of Levels中输入水平数3,然后点击Add。
步骤三:定义被试内变量。点击Define,将变量teacher 1、teacher 2、teacher 3移入Within-Subjects中。同时将性别变量移入Between Subject Factors。
步骤四:选择被试内变量的对比方法。点击contrast,在contrast的下拉菜单中,选择repeated作为变量间的对比方法,再点击change。
步骤五:点击options,把几个变量都移入display mean for中,表示对变量的平均值进行比较。在confidence interval adjustment下拉菜单中选bonferroni,表示进行事后检验。选择descriptive statistics,最后单击OK。
Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix.
a.May be used to adjust the degrees of freedom for the averaged tests of significance.Corrected tests are displayed in the Tests of Within-Subjects Effects table.
b. Design: Intercept+gender
Within Subjects Design: grades
a. Adjustment for multiple comparisons: Bonferroni.
数据描述:由表3数据来看,3位老师所给作文平均分分别为11.5333,11.2667和11.7333,标准差分别为0.35782,1.61743和1.20153。再由表4 Mauchly球形检验数据结果看,Mauchly检验值为0.848,明显大于0.05。而表6被试内效应检验结果看,由于表4中的Mauchly检验结果0.848大于0.05,我们就只看sphericity assumed的结果就可以了。由表5数据可见,对评分变量进行的sphericity assumed检测结果为0.310,显著水平明显大于0.05。而对评分变量和性别因素变量进行的sphericity assumed检测结果为0.545,也明显大于0.05。由表6数据可见,教师1和教师2所给作文评分相对教师1和教师3所给作文评分检验P值均为1.000,而教师2和教师3之间的评分检验P值为0.432,而性别和作文得分的检验P值为0.545。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文
分析:上述评分检验P值数据说明,3位老师对所选30位学生的作文评分差异不具有显著性,同时还看到,教师在评分时受学生性别因素的影响也不具有显著性。这说明阅卷老师在作文评分中,对作文评分标准地把握还是比较科学、合理且比较一致的,比较客观、公正地反映出了学生作文的真实成绩。
4.多组配对检验(Friedman Test)
我们还可以通过多组配对检验(Friedman Test)来检验3位英语老师分别为所选取的30名学生所给出的作文评分是否存在显著差异。
步骤一:打开Analyze - Nonparametric Test - K Related Samples(多列相关样本);
步骤二:选择检验变量。将教师1、2、3对学生作文的评分分别移入Test Variables,并在检验类型中选Friedman。
步骤三:选定输出统计量。点击Statistics,选择Descriptive。点击OK。
由表9数据可得出,多组配对检验显著水平为0.177,大于一般可接受的0.05的显著值,表明三个变量之间不存在显著差异。也就是说,三位老师对30名学生作文的评分是比较一致的。
5.结语
大学英语A(1)考试是2010级A班学生在完成了大学英语第一学期的教学任务后进行的终结性评估(summative test)(金艳,2005),但是数据分析表明此种形式的评估只能从一定程度上反映教学的结果,还不具备对整个教学过程或教学全貌进行评估的能力。
其次,本次考试的效度、信度和可操作性之间也会存在问题,尚需对试卷进行全面的统计分析。另外,针对主观题部分的批改,为保证批卷老师的阅卷信度(包括批卷老师的评分一致性、批卷老师之间的评分一致性),应该采取系列措施,包括制定明确的评分标准、确定评分参照卷、严格的阅卷前培训、阅卷过程随机抽查等(杨惠中、金艳,2001)。
总之,测试既是教育系统的有机组成部分,又是教育系统中不可缺少的环节。对测试结果的分析测量和评价应当是每一位语言教师必备的能力。本研究侧重于如何使用SPSS13.0工具的二元变量相关分析与双因素混合实验设计方差分析来分析本次大学英语测试成绩,从中发现学生在大学英语学习中哪些技能相差最大,这就为今后的大学英语教学中调整教学策略提供了数据支持,并能更加有效地增强大学英语教学效果。
参考文献:
[1]胡健颖,冯泰.实用统计学[M].北京:北京大学出版社,2002:236-237.
[2]皇甫伟.SPSS相关分析与线性回归分析在英语考试成绩分析中的应用[J].中国电力教育,2007,(10):52-53.
[3]金艳.大学英语四、六级考试改革思路与未来展望-解读《全国大学英语四、六级考试改革方案(试行)》[J].中国大学教学,2005,(5):49-53.
统计分析软件范文5
R是一个有着统计分析功能及强大作图功能的软件系统,由Ross Ihaka和Robert Gentleman1共同创立。R语言可以看作是由AT&T贝尔实验室所创的S语言发展出的一种方言。因此R既是一种软件也可以说是一种语言。首先,R是完全免费的自由软件,使用者可以在上面随意进行二次开发。它开放源代码,具有很多功能强大的第三方开发的模块。其次,R是一种可编程的语言,使用者可以在R中很容易的写出自己希望执行的程序,不会受固定模块的限制。再次,R具有很强的互动性,输入和输出都是在同一个窗口进行(除了图形输出),这点和SAS有很大的区别。最后,R具有强大的图形输出功能,输出的图形输出的图形不但可以存成JPG、BMP、PNG等主流图片格式,还可以保存为PDF文件。它善于输出各种常用的统计图形,如饼图、直方图、散点图、箱图、QQ图等。
相比于大家熟悉的统计软件SPSS和SAS,R软件以其高度的灵活自由性正受到越来越多统计学者的青睐。以易用性著称的SPSS和功能强大的SAS软件都包括了很多功能强大的统计分析模块,分析人员必须在它们既定的模块上进行各种分析。但是,随着信息技术的飞速发展,越来越多的统计分析新方法被提出来,尤其是在证券分析领域,使用既定模块分析的统计软件已经不能及时地跟上发展的速度。这个时候就需要人们自己用编程来实现这些新方法,R就提供了这样一个很好的平台。
二、理论基础
1.Markowitz投资组合模型
假设ri是投资在第i种证券上的收益率,它是随机变量,ui是第i种证券的预期收益率,σij是ri和rj的协方差(σii是ri的方差),wi是投资在第i种证券上的投资比例,则投资组合的收益率∑ri×wi是随机变量,wi是由投资者确定下来的非随机变量,显见∑wi=1,并且根据假设(8)有:wi≥0。则可得到投资组合的预期收益率为E=∑Ni=1wiui,方差为V=∑Ni=1∑Ni=1σijwiwj,或者用相关系数表示为V=∑Ni=1w2iσ2i+2∑1≤i<j≤Nwiwjρijσiσj。
Markowitz投资组合模型为:
min∑Ni=1∑Ni=1σijwiwj
s.t.E=∑Ni=1wiui
∑wi=1
wi≥0,i=1,2,…,N
Markowitz证券投资模型所基于的的重要假设之一是:证券的收益率ui可以视为随机变量且服从正态分布,其性质由均值和方差来描述。
2.证券预期收益率的预测方法
在证券收益率服从正态分布的假设下,我们必须对模型中的一个重要参数――证券的预期收益率做出合理预测。在此,我们介绍预测证券预期收益率常用的两种方法:计算证券收益率的期望值和加权期望值。
计算证券收益率的期望值,这是Markowitz在其著名的论文《投资组合选择》中所使用的方法。他通过计算最近N周内收益率的期望值作为第N+1周收益率的预测值。而计算加权期望值的方法则有很多,如果投资者认为据目标期时间越近则关系越密切,那么就可以将历史数据中的各时期的收益率进行加权平均,使得据目标期时间越近的收益率的权重越大。这类方法中最常见的当属指数平滑法。指数平滑法的基本公式是:St=αYt+(1-α)St-1,其中St表示时间t的平滑值,Yt表示时间t的实际值,St-1表示时间t-1的平滑值;α表示平滑常数,其取值范围为[0,1]。St是Yt和St-1的加权算数平均数,α的取值大小决定了Yt和St-1对St的影响程度。St具有逐期追溯性质,可探源至S1为止,包括全部数据。在此过程中,平滑常数以指数形式递减,故称之为指数平滑法。平滑常数的取值至关重要,它决定了平滑水平以及对预测值与实际结果之间差异的响应速度。平滑常数α越接近于1,远期实际值对本期平滑值的下降越迅速;平滑常数α越接近于0,远期实际值对本期平滑值影响程度的下降越缓慢。由此,当时间数列相对平稳时,可取较大的α;当时间数列波动较大时,应取较小的α,以不忽略远期实际值的影响。
三、R软件在证券收益率的分析与预测中的应用实例
1.验证Markowitz模型的重要假设:证券收益率服从正态分布
(1)数据读取
对于存储在文本文件(ASCII)中的数据,R可以用函数read.table来创建一个数据框,这也是读取表格形式数据的主要方法。例如若包含某证券共100周开盘和收盘指数信息的数据文件“data.txt”存放在D盘上,我们可通过以下命令格式来读取:
mydatas<-read.table(“d:/data.txt”,col.names(“p0”,“p1”))
其中数据框名为mydatas,数据框中每个变量被依次命名为:p0,p1,(缺省值为V1,V2……)。
(2)计算证券的周收益率
假设某种证券在最近N周内的收益率分别为r1,r2,…,rN,则ri=p1i-p0ip0i×100%,其中p0i表示第i周第一天的开盘价,p1i表示第i周最后一天的收盘价。R中通过对数据框mydatas的变量p1和p0进行运算操作,可计算出用数据框wp存储的周收益率。命令格式为:
wp=(mydatas[“p1”]-mydatas[“p0”])/mydatas[“p0”]
通过使用fix(wp)函数,可以对wp的变量名进行修改,使其具有直观的名字,如weekprofit。
输出结果:
〉wp
weekprofit
11.66087551
2-0.61299388
3-0.85826857
…………
98 -1.13587649
99 -0.95793858
100 -1.51198618
(3)对周收益率数据进行初步分析
运用R中的summary和fivenum函数可以得到数据组的汇总信息,并对数据组的数据结构获得初步了解。命令格式:
summary(wp$weekprofit)
输出结果为:
Min. 1st Qu. Median Mean 3rd Qu. Max.
-1.6070 -0.3188 0.3479 0.3854 1.0790 2.8640
命令格式:
fivenum(wp$weekprofit)
输出结果为:
[1]-1.6066727 -0.3195476 0.3479232 1.0935828 2.8636463
(4)作出周收益率的直方图
为了更加直观的分析周收益率这组单变量数据的分布,我们首先作出柱形图,命令格式为:
hist(wp$weekprofit)
(5)绘制密度图
为了更加清晰地分析该数据组的分布特征,我们在柱形图基础上绘制密度图,命令格式为:
lines(density(wp$weekprofit))。
(6)求周收益率的经验分布函数
命令格式为:
ecdf(wp$weekprofit)
输出结果为:
〉 ecdf(wp$weekprofit)
Empirical CDF
Call: ecdf(wp$weekprofit)
x[1:100] = -1.6067, -1.5275, -1.512, …, 2.6041, 2.8636
(7)作出经验分布函数图
命令格式为:
plot(ecdf(wp$weekprofit),verticals=TRUE)
(8) 拟合正态分布
从以上的分析可以看出这个数据组的分布还是与正态分布比较相似的,因此我们拟合一个正态分布,并且使拟合后的图与经验分布函数图相重叠。命令格式为:
〉plot(ecdf(wp$weekprofit),verticals=TRUE)
〉x〈-seq(-1.7,3,0.1)
〉lines(x,pnorm(x,mean=mean(wp$weekprofit),sd=sqrt(var(wp$weekprofit))))
图中的实线便是正态分布的拟和线,由上图可以清晰地看到,拟和后的曲线与原经验分布函数基本吻合。但要具体考察二者的吻合程度,R软件为我们提供了更精确的工具。
(9) 做出分位比较图(Q-Q图)
为研究(8)中正态拟和线与经验分布函数的吻合程度,R软件提供了分位比较图(Q-Q图)来完成这个任务。命令格式为:
qqnorm(wp$weekprofit)
qqline(wp$weekprofit)
由上图可见,二者具有优良的吻合度,未出现明显的偏离正态期望的长尾区域。
(10) 正态性检验
R中提供了Shapiro-Wilk检验和Kolmogorov-Smirnov检验两种正规的正态性检验方法。命令格式分别为:
shapiro.test(wp$weekprofit)
ks.test(wp$weekprofit,“pnorm”,mean=mean(wp$weekprofit),sd=sqrt(var(wp$weekprofit)))。
我们应用Kolmogorov-Smirnov检验可以得到以下输出结果为:
One-sample Kolmogorov-Smirnov test
data:wp$weekprofit
D = 0.0451, p-value = 0.987
alternative hypothesis: two-sided
由于检验所得p值非常接近1,由上述分析可以验证证券收益率近似服从正态分布。
2. 预测证券的预期收益率
方法一:计算这支股票的期望收益率。以最近时期内的样本期望值来估计得到第N+1周的预期收益率为rN+1=1N∑Ni=1ri,这也是Markowitz在《投资组合选择》中所采用的方法。命令格式为:
mean(wp$weekprofit)
输出结果为:
[1] 0.385416
方法二:用指数平滑法计算加权期望收益率。如果投资者认为据目标期时间越近则关系越密切,这样就可以将历史数据中的各时期的收益率进行加权平均,据目标期时间越近则权重越大。本文以指数平滑法为例阐述期望收益率的这种估计方法。[2]假设某种证券在最近N周内的收益率分别为r1,r2,…,rN,则在估计该证券的预期收益率时,可以得到这些收益率的追溯预测值1,2,…,N
i+1=αri+(1-α)i
1,=r1+r22
R=N+1
其中,R表示预期收益率;α表示加权系数,介于0和1之间,由投资者决定。
注1:一般情况下如果收益率序列{ri}波动不大,则α应取小一点,比如:0.1-0.3;如果收益率序列{ri}波动较大,则α应取大一点,比如:0.6-0.8。
注2:在实际操作中,可取多个值进行试算,比较它们的MAE=1N∑Ni=1|ri-i|,取较小者为准估计预期收益率。
在此,我们若取α=0.1,运用R软件提供的自由、灵活的编程环境,作者对指数平滑法预测证券收益率的方法进行了编程,命令格式为:
〉 r=NULL
〉 r[1]=(wp[1,1]+wp[2,1])/2
〉 for(i in 2:100){
r[i]=0.1*wp[i-1,1]+(1-0.1)*r[i-1]}
〉 R=NULL
〉 R=0.1*wp[100,1]+(1-0.1)*r[100]
输出结果为:
〉 R
[1] -0.3395193
四、小结
本文简要介绍了R统计软件的特点,以及如何应用R软件检验Markowitz模型的重要假设:证券收益率近似服从正态分布。我们先后求出了证券的周收益率,做出了柱形图,求出了密度函数,经验分布函数,进行了正态分布拟合,用分位比较图验证了吻合程度,最后应用Kolmogorov-Smirnov法进行了正态检验。接下来又运用R软件,通过自由编程,结合期望值法和指数平滑法分别对证券的预期收益率进行了预测。通过分析我们看到 R软件在证券分析中的应用非常自由、方便、有效,在进行证券分析与预测时具有广泛的应用空间。但R并不局限于解决某一类问题,在证券的数据分析中,还可以应用于各类概率分布的拟和,如logistic分布、Poisson分布等,并进行相关的假设检验。此外,R除了具有可以与其他商业软件相媲美的统计分析功能,还为广大的用户提供了一个强大灵活的编程平台,这无疑为证券分析学者提供了一个灵活而自由的创新空间。
统计分析软件范文6
关键词:电路分析;Delphi;多媒体教学
作者简介:王勇(1984-),男,河南驻马店人,军械工程学院电气工程系,讲师;刘正春(1982-),女,四川内江人,军械工程学院电气工程系,讲师。(河北石家庄050003)
中图分类号:G642 文献标识码:A 文章编号:1007-0079(2012)14-0059-02
“电路分析”是研究电路的基本理论和分析方法的课程,[1]是军械工程学院(以下简称“我院”)专业人才培养方案中的一门专业教育类学科专业基础必修先导课程,该课程被评为2010年度总装备部院校优质课程。教师同时也认识到教学过程中存在一些问题,比如课程资源虽然比较丰富,但较为分散,利用起来不方便;出于安全保密的需要,多媒体教室里的计算机安装的应用软件如MATLAB再次启动时会自动卸载,而且MATLAB非常庞大,安装携带都不方便,利用虚拟仿真技术促进授课质量受到限制;新形势下第16次全军院校会议精神对课程教学改革又提出了新的任务和要求。因此,进行“电路分析”课程多媒体教学资源整合与优化研究,开发出界面友好、功能强大、免安装、使用方便的多媒体教学软件系统是非常有必要的,必将为打造军队级优质课奠定良好的基础。
一、“电路分析”课程多媒体教学软件体系结构设计
“电路分析”课程多媒体教学软件体系结构设计如图1所示,由课程标准、知识杂烩、课程内容、测试考核、成果展示五大部分构成。
1.课程标准
针对生长干部学历教育电类专业培养对象,制订了“电路分析课程标准”,为教员开展课堂教学提供了重要参考依据。课程标准概述了课程的地位、性质、基本理念和设计思路,提出了课程总体目标与具体分目标,详细规定了教学实施的内容、学时、难度等级、具体要求、教学建议等内容标准,对开设时间、考核评价、教学要求、保障条件、选编教材了提出了实施建议。根据人才培养方案的具体变化和要求,“电路分析”课程标准必须适应新的培养任务,不断修订和完善。
2.知识杂烩
为了培养学员独立获取知识的能力,增强“电路分析”课程学习过程中的知识性、趣味性,拟构建的多媒体教学软件系统除了包含教学大纲、电子课件与教案等基本课程内容资源外,还应当提供这样一个信息平台:
(1)电学名人轶事与发展历史。本部分给出了与电学相关的名人简介,包括他们的肖像、国籍、生卒年月和主要贡献,以及电学发展典型历史事迹。制作本部分的目的是为了让学员在学习理论知识的同时,也了解为本门课程的发展做出贡献的科学家,使学生增长知识,激发学习兴趣。
(2)学科发展动态。该信息模块为用户准备了内容丰富的公共信息,如有关电路分析课程的各种科技动态或相关热门新闻,一些反映当前的最新成果及相关知识和相关技术,使师生能及时了解电路分析教学的最新走向和科学技术的最新发展,增强感性认识,扩大知识面,节省了浏览者查找信息的时间。
(3)计算机辅助分析工具。介绍常用的EWB、MATLAB、PSpice、Multisim等电路仿真软件及其应用,为开展课程内容教学相关的虚拟仿真实验打下良好的基础。
(4)电路实验纵览。包含课程所涉及的实际电子元器件――电阻、电容、电感、二极管、运算放大器等相关的种类、型号、系列标称值等内容介绍。此外,还对几种常用的实验仪器仪表进行了简单说明,叙述了误差分析理论与实验数据处理。其目的在于使学员在实验前对常用的电子器件和电子仪表有一个大致的了解。
3.课程内容
课程选用教材为邱关源主编的《电路》,高等教育出版社2006年第五版,该教材是国家、军队推荐使用的教材。如图1所示,将课程内容划分为电路基本模型、定律与定理,直流电阻电路,动态电路,正弦稳态电路等五部分,[1,2]使学员对“电路分析”课程的知识体系有一个宏观的认识。每一章内容又具体包含以下几部分:
(1)重点难点分析。该课程的概念多、定理多,开展教学过程中教员要引导学员掌握教学重点、突破教学难点,学员才能学好这门课程。此部分明确了本章教学的重点和难点,并进行了系统地总结和归纳,达到提纲挈领的目的,具有较高的概括性、全面性,易于理解及应用。
(2)学习方法指导。概括了本章分析求解电路问题的基本思路和方法,为学员利用本章知识点分析电路提供有力的指导。
(3)网络课堂教学。由教学视频、电子课件、电子教案三部分组成。教学视频录制了教员实施教学的情况;电子课件是教员课堂使用的多媒体课件PPT,其内容精简而系统,融入例题和习题,突出了本讲内容的重点和难点;电子教案本着精选经典、联系前沿和突出应用的原则取舍教材内容,融入了教员多年的教学经验,并进行了重新排版和总结,使之在结构上更有条理性、更清晰。以电子教案为指导,每一讲教学视频与其自播放电子课件实时对应,授课过程能实现图、文、声、像实时同步播放,授课内容可自行控制,能够让学员在课后真实体验课堂教学。
(4)虚拟仿真实验。在某些章节的教学过程中适时地利用计算机软件进行教学及模拟实验仿真,为学员提供了一个虚拟的实验环境,可以提高学员的学习兴趣,让学员更直观地掌握电路分析的基本理论,更有利于培养学员的实践技能和创新能力。
EWB(电子学工作平台)软件不但提供了各种丰富的元器件,还提供了各种调试测量的虚拟仪器,如万用表、电压表、电流表等,给教学提供了一个实验器具完备的综合性电子实验室,可以在任意组合的实验环境中进行仿真实验;MATLAB是一个异常庞大的软件系统,它的矩阵计算功能强大,并且运用其Simulink工具中的PSB(Power Systems Blockset)模块进行仿真分析,不用编写程序,只需要绘制出电路图,然后运行仿真,即可得出结果(包括幅值和相位甚至波形图)。因此,选用EWB仿真软件作为电路仿真工具,以MATLAB作为辅助电路计算工具。[3]
(5)典型例题剖析。这个单元里面收集了许多典型的例题及其详细的解题过程。
(6)同步练习题集。大量的习题,让学员自己检测对本章内容的掌握情况,并加深对内容的理解。
(7)课后作业解答。对教材提供的练习题精筛细选,通过典型的习题让学员巩固掌握分析电路问题的基本方法,并给出详细的解题过程以及多种灵活的求解电路问题的途径。
4.测试考核
该课程的测试考核可由构建的“测试考核自动命题系统”来完成,主要由交互测试模块、自动命题模块以及试题库管理模块组成,能够实现交互自我测试、试卷的自动生成以及题库的维护功能。该系统既能使学生检测自己的学习情况,又能辅助教师出具试卷,减轻教师的工作量。
在精选试题库习题时采用分层次递进的结构,按章节将习题分为3个层次:基本练习题,这是大多数学员必须会做的习题,这种层次的习题应在考试中占百分之七十左右;复习提高题,这种题应难做些,不必要求人人会做,是给学有余力的学员提供的,特别是要考研的同学;用计算机分析和仿真练习题,是供学员选用的,一般不要求。
5.成果展示
该栏目展示了有关电路课程的各种教学科研学术成果,如教学研究与教学改革课题成果、教学研究论文、科技创新小制作、学员学习体会与总结等。
二、基于Delphi的“电路分析”课程多媒体教学软件系统开发
Delphi是强大而灵活且可视化的面向对象的编程语言,作为一种高效率的应用程序开发工具,在数据库处理上的优越性使其成为开发者的首选工具。[4,5]
本着切实加强教学建设、提高教学质量的目的,利用现代化信息技术手段实现优质的教学资源共享为目的,遵循“全面、优质、改革”的原则对课程内容进行全面建设。由于“电路分析”课程内容多,所以在功能操作上力求简单、层次分明。在这里就以软件系统部分实际效果图2和图3为例,来说明拟开发“电路分析”课程多媒体教学软件系统。
运行基于Delphi开发生成后的.exe可执行文件,首先播放前言滚动字幕,简要介绍课程及软件系统,然后进入到“电路分析”课程多媒体教学软件系统主界面,如图2所示;点击“进入”,就来到如图3所示的一级界面,其基本内容可参考图1,有“课程标准”、“知识杂烩”、“课程内容”、“测试考核”、“成果展示”五大部分。每一部分当中的内容主要通过多级菜单界面形式来实现对所有内容的访问,此外还设有导航按钮,既可用来返回到主菜单,又可实现按主题对各知识点的直接检索。
在“课程内容”部分以章节的形式来编排教学内容,点击目录就可进入各章节,每章都有“重点难点分析”、“学习方法指导”、“网络课堂教学”、“典型例题剖析”、“同步练习题集”、“课后作业解答”6个模块,部分章节还设有“虚拟仿真实验”,如图1所示。另外,除了开始界面外,任何一页都设有超链接按钮,能够前进、后退、链接到各级目录,以方便使用。
三、结论
基于Delphi开发“电路分析”课程多媒体教学软件系统,充分发挥多媒体的优势,把文本、图形、图像、声音、动画等多媒体手段有机地结合起来,既能完整地展现“电路分析”这门课程的方方面面,又能用动态、立体、全方位变化的视屏效果来弥补传统教学的不足;把课程内容尽量表达得简捷明了,而且又能适应网络远程教学的需要。同时,通过大量的信息储备,多媒体教学系统可以为学员学习提供多种选择的可能,打破了传统教育的单一课堂教学模式,突出了多媒体辅助教学的多样化和个性化。
Delphi在编好程序后自动转换成.exe可执行文件,它运行速度非常快,编译后不需要其他的支持库就能运行,而且采用已有的Delphi与MATLAB的混合编程新方法,[6]使多媒体教学软件系统能充分利用MATLAB的强大运算功能并脱离MATLAB环境独立运行。因此,基于Delphi开发的多媒体教学软件系统对计算机的运行环境要求比较低,使用更加方便。同时依托我院校园网电气工程学科专业网站,在精品课程中增加该教学软件系统,充分开发网络资源,使用开放的教学手段,增设教学讨论区,为教员组织网上教学和讨论、课外辅导和答疑提供了快速、便捷的手段,为教员开展教学研究、课程改革提供了第一手资料,还为课程的可持续发展奠定了基础。
参考文献:
[1]邱关源,罗先觉.电路(第五版)[M].北京:高等教育出版社,2006.
[2]刘崇新,罗先觉.电路学习指导与习题分析(第五版)[M].北京:高等教育出版社,2006.
[3]胡建萍,王宛苹,马金龙.电路分析基础CAI系统[J].杭州电子工业学院学报,2001,(4).
[4]Borland International,Inc.Delphi使用指南[M].北京:石油工业出版社,
1996.