基于R語言的學生成績分析

楊 超

(遼寧民族師范高等?？茖W校 民族文化與職業(yè)教育系，遼寧 沈陽 110032)

0 引言

學生成績作為檢驗教師教學效果的產物，直接反映學生對知識的掌握情況及教師的教學水平.近些年，有關教學的探索更多關注于新的教學手段，針對教學效果的分析，尤其是有關分析方法的研究較少.隨著人工智能和大數(shù)據(jù)時代的到來，為教師利用數(shù)據(jù)統(tǒng)計分析手段，從大量的學生成績中提取重要數(shù)據(jù)，發(fā)現(xiàn)成績中隱藏的問題，提高學生成績，提供了新的思路.本文中嘗試引入R語言對學生成績進行統(tǒng)計分析[1-3]，為教學人員探索新的統(tǒng)計方法提供參考.

1 R語言特點

數(shù)據(jù)分析是指采用合適方法對從海量數(shù)據(jù)中收集的大量數(shù)據(jù)進行分析、整理、歸納，抽取有價值的信息的過程.R語言作為一種強大的編程語言，不僅可提供大量多樣的數(shù)據(jù)統(tǒng)計分析方式，還可生成圖例，其主要特點有：

(1)開源免費的軟件可從官網下載，安裝簡單快捷，而且其強大的R語言包均可根據(jù)需要從網上下載，支持多操作系統(tǒng)環(huán)境；

(2)具有強大可自定義樣式的繪圖功能，可利用函數(shù)將統(tǒng)計分析的計算數(shù)據(jù)生成想要的圖，并根據(jù)修改函數(shù)中的參數(shù)，自定義圖樣式；

(3)操作流程簡單，無需編寫大量代碼，用戶只要了解所需函數(shù)的參數(shù)意義，即可生成對應圖例.

2 R語言數(shù)據(jù)處理

數(shù)據(jù)源是R語言進行統(tǒng)計分析的核心資源.考慮到大學課程成績存在一定主觀性，相比之下小學期末考試更嚴格、更真實，成績趨于客觀，因此本研究選擇沈陽市某小學四年級期末考試成績作為數(shù)據(jù)源進行統(tǒng)計分析.

2.1 數(shù)據(jù)收集

根據(jù)教學人員的需要，從眾多列成績中選取主要數(shù)據(jù)信息，包括序號(num)、姓名(name)、班級(class)、數(shù)學(math)、語文(chn)、英語(eng)，將收集的數(shù)據(jù)存為.xls文件或.csv文件.收集數(shù)據(jù)時，出現(xiàn)的缺失值可刪除或按空缺值等方式處理.

2.2 數(shù)據(jù)讀入

R語言支持.xls、.csv和.txt等多種文件類型導入.導入文件前需要加載對應的R語言包，編寫代碼時需將導入文件賦值給變量，導入的變量類型以數(shù)據(jù)框形式存在.本文以導入.xls文件為例，利用R語言read_excel()函數(shù)實現(xiàn)導入代碼如下：

library(read_excel)

scores<- read_excel(scoresdata.xlsx)

導入后查看數(shù)據(jù)，見圖1.

數(shù)據(jù)共105行，查看變量內容時R語言僅顯示10行，隱藏95行.每列除顯示導入數(shù)據(jù)時填寫的列名外，還顯示屬性類型，其中name為字符型，其余均為數(shù)據(jù)框.

2.3 數(shù)據(jù)提取

讀入數(shù)據(jù)后，需對有用數(shù)據(jù)進行提取運算.例如，在統(tǒng)計分析成績時，姓名、序號、班級等屬性不應參加統(tǒng)計分析，但無這些屬性就無法進行歸類統(tǒng)計分析，在眾多數(shù)據(jù)中提取所要數(shù)據(jù)，可應用R語言中c()函數(shù)將所需數(shù)據(jù)連接在一起，通過如下代碼提取數(shù)據(jù)：

> scores.data <- scores[c(4:6)]

> scores.data

“scores[c(4:6)]”表示提取scores變量中4～6列的數(shù)據(jù)賦值給變量scores.data.

3 R語言成績分析與圖形繪制

學生成績是反映教學成果的客觀數(shù)據(jù).目前，大多數(shù)學校采取Excel錄入、匯總、計算的方式管理與分析學生成績，雖能計算出需要的最終數(shù)據(jù)，但是缺乏對成績的客觀分析與直觀反映.針對這一問題，本文提出了基于R語言的統(tǒng)計分析方法以提高教學效果[4-6].

3.1 各科成績描述性分析

3.1.1 統(tǒng)計成績信息

傳統(tǒng)數(shù)據(jù)計算一般通過Excel表格分列對各科進行求和、求平均值、求最大值和最小值的分類計算，工作略顯繁瑣.這里以沈陽某小學四年級成績?yōu)槔?，?3名學生成績導入R語言環(huán)境中，導入的數(shù)據(jù)變量以數(shù)據(jù)框的形式存在.R語言可通過summary()函數(shù)完成各科成績的初步計算，實現(xiàn)代碼如下：

summary(scores[c(4:6)])

生成的計算數(shù)據(jù)見圖2.

通過生成數(shù)據(jù)可直觀看到，在整個四年級數(shù)學、語文和英語三科考試成績中，除最大值、最小值和平均值外，還計算出科目成績的中間值(Median)、1/4位數(shù)(1st Qu.)和3/4位數(shù)(3st Qu.)，為分析、了解學生整體情況提供了便捷的數(shù)據(jù)計算服務，提高了教學決策的準確性.

3.1.2 繪制成績箱形圖

為更加直觀地向決策者提供數(shù)據(jù)依據(jù)，R語言boxplot()函數(shù)可根據(jù)導入的成績數(shù)據(jù)生成箱形圖，即根據(jù)數(shù)據(jù)的分布情況生成統(tǒng)計圖.上述通過summary()函數(shù)計算出各科成績的重要屬性值，生成的箱形圖如圖3所示，實現(xiàn)運行代碼如下：

boxplot(math～ class, data=scores)

boxplot(chn ～ class, data=scores)

boxplot(eng～ class, data=scores)

箱形圖將計算得到的描述性統(tǒng)計量進行更直觀地展示.圖3中分別顯示各班級數(shù)學、語文、英語成績與班級的信息：長方形外部的上下兩條橫線分別表示該班級的最高分和最低分，長方形的上下邊框分別表示該班級成績的1/4位數(shù)(1st Qu.)和3/4位數(shù)(3st Qu.)，長方形內部黑橫線表示該班級成績的中間數(shù)，圖形中的空心白圓點表示異常數(shù)據(jù).除箱形圖規(guī)定的線形和圖形含義外，還可從圖形中看到隱藏的信息，例如長方形的面積大小決定該班級本科目成績是否在某成績段集中，如果面積過大表示成績涉及范圍較大.

3.1.3 繪制成績直方圖

R語言的強大不僅體現(xiàn)在便捷的數(shù)據(jù)計算，還體現(xiàn)在可依據(jù)頻數(shù)生成可視的直方圖[7].根據(jù)導入的數(shù)學、語文和英語成績，利用R語言的hist()函數(shù)、lines()函數(shù)和rug()函數(shù)生成整體成績直方圖，如圖4所示，運行代碼如下：

hist(math, freq=FALSE)

lines(density(math), col='blue')

rug(jitter(math))

通過成績直方圖可直觀看出，橫坐標為成績段，縱坐標為密度，各科成績圖形及密度曲線由分數(shù)段人數(shù)決定.數(shù)學成績除個別學生，大部分均已及格，并且在及格人數(shù)中很多學生的成績集中在85分以上，90分以上偏多；語文成績雖呈正態(tài)分布趨勢，但是存在一些成績不及格的學生，大部分學生在65～90分之間，80分以上偏多；英語成績分布呈現(xiàn)兩極化，成績不及格和90分以上的均偏多，60～80分之間學生較少.

3.2 成績相關性分析

成績是檢驗教學成果的重要指標.有效利用技術手段從大量的成績中發(fā)現(xiàn)科目之間的關聯(lián)，挖掘隱藏信息，是提升成績、提高教學效果的重要方式.利用R語言cor()函數(shù)，可從導入的數(shù)據(jù)中發(fā)現(xiàn)科目之間的相關性，為決策者提供分析依據(jù).運行代碼如下：

cor(scores[,subjects])

生成的相關性數(shù)據(jù)見圖5.

通常認為，數(shù)學成績好的小學生語文和英語的成績都不會很差.通過R語言各科成績的相關性分析看出，數(shù)學與語文、數(shù)學與英語的相關系數(shù)均超過了0.6，根據(jù)統(tǒng)計學的規(guī)定，相關系數(shù)區(qū)域0.6～0.8屬于有很強的相關性，說明在該年級中數(shù)學學得好的學生，其數(shù)學成績與語文成績、英語成績存在一定的相關性.通過R語言生成的成績相關性如圖6所示，運行代碼如下：

pairs(scores[,subjects])

3.3 成績差異分析

利用starts()函數(shù)可根據(jù)學生的成績生成星圖，教學人員通過星圖可直觀了解學生是否偏科、是否優(yōu)秀.本文中生成的星圖如圖7所示，運行代碼如下：

stars(scores)

星圖一般表示多個相互獨立的變量個體，每個連接角與中心點的軸線越長，數(shù)值就越大，生成的星圖就越大，各科成績分別對著數(shù)據(jù)的維度.圖7中，第一排第二個學生、第二排第二個學生，以及第八排第二個到第七個學生，這些學生成績相對優(yōu)異；第三排第五個和最后一排第一個學生存在偏科問題.

4 結語

R語言是對數(shù)據(jù)進行統(tǒng)計分析的技術手段，從文中小學四年級成績統(tǒng)計分析結果來看，軟件的應用既可滿足教學人員對數(shù)據(jù)的計算需求，也可生成直觀視圖為教學人員提供參考依據(jù)，同時所生成的視圖還顯示了數(shù)據(jù)中的隱藏信息.從應用與實際需求的角度來看，采用R語言統(tǒng)計分析學生成績的應用策略可行，對教學未來發(fā)展方向起到一定指導作用.