基于多維關(guān)聯(lián)分析的物流職業(yè)本科學(xué)生成績影響因素研究

摘" 要：文章聚焦于物流職業(yè)本科學(xué)生成績的影響因素，通過多維關(guān)聯(lián)分析的方法，探討了家庭背景、學(xué)習(xí)環(huán)境、課程設(shè)置等多方面因素對學(xué)生成績的影響。研究結(jié)果表明，家庭背景、學(xué)習(xí)環(huán)境、課程設(shè)置等都是影響學(xué)生成績的重要因素，且各因素之間存在內(nèi)在聯(lián)系。同時，該研究還發(fā)現(xiàn)，物流專業(yè)具有特殊性，需要從多個維度進(jìn)行綜合考慮。該研究為提升物流本科教育質(zhì)量提供了有益的參考，建議學(xué)校關(guān)注學(xué)生的學(xué)習(xí)需求和背景，加強教學(xué)管理和教學(xué)方法的改革，完善課程設(shè)置，提高學(xué)生的學(xué)習(xí)積極性和綜合素質(zhì)。

" 關(guān)鍵詞：物流；職業(yè)本科；多維關(guān)聯(lián)分析；成績

" 中圖分類號：G712" " 文獻(xiàn)標(biāo)志碼：A

DOI：10.13714/j.cnki.1002-3100.2025.05.044

Abstract： This article focuses on the influencing factors of undergraduate logistics students' academic performance， and explores the impact of various factors such as family background， learning environment， and curriculum settings on student academic performance through multidimensional correlation analysis. The research results indicate that family background， learning environment， and curriculum design are important factors that affect student performance， and there is an inherent connection between these factors. Meanwhile， the study also found that the logistics profession has its particularity and requires comprehensive consideration from multiple dimensions. This study provides useful reference for improving the quality of undergraduate logistics education. It is recommended that schools pay attention to the learning needs and backgrounds of students， strengthen the reform of teaching management and methods， improve curriculum design， and enhance students' learning enthusiasm and comprehensive quality.

Key words： logistics; vocational undergraduate degree; multidimensional correlation analysis; achievement

0" 引" 言

" 隨著物流行業(yè)的快速發(fā)展，對物流本科教育的要求也日益提高。而學(xué)生成績是衡量教育質(zhì)量的重要指標(biāo)之一。因此，了解和分析影響物流本科學(xué)生成績的因素，對于提升教育質(zhì)量、改進(jìn)教學(xué)方法具有重要意義。本文旨在通過多維關(guān)聯(lián)分析的方法，探討物流本科學(xué)生成績的影響因素，以期為相關(guān)教育實踐提供參考。

1" 文獻(xiàn)綜述

" 以往的研究多從單一角度探討學(xué)生成績的影響因素，如家庭背景、學(xué)習(xí)環(huán)境等。然而，物流專業(yè)具有其特殊性，涉及多個領(lǐng)域的知識和技能。因此，有必要從多維角度對其進(jìn)行分析。多維關(guān)聯(lián)分析是一種能夠從多個維度同時分析數(shù)據(jù)之間關(guān)系的方法，適用于本研究。通過多維關(guān)聯(lián)分析，可以揭示各因素之間的內(nèi)在聯(lián)系，更全面地理解學(xué)生成績的影響因素。

1.1" 國內(nèi)研究現(xiàn)狀

" 近年來，我國對于學(xué)生成績影響因素的研究逐漸增多。不少學(xué)者嘗試從家庭、學(xué)校、社會和個人等多個層面進(jìn)行探討。例如，有研究指出家庭背景對學(xué)生成績存在顯著影響，家庭經(jīng)濟(jì)條件好的學(xué)生更容易獲得優(yōu)質(zhì)教育資源，進(jìn)而取得較好的成績。另一類研究則關(guān)注學(xué)校環(huán)境和教學(xué)方法對學(xué)生成績的影響，發(fā)現(xiàn)良好的學(xué)習(xí)環(huán)境和互動式教學(xué)方法有助于學(xué)生成績提升。然而，針對物流專業(yè)本科學(xué)生成績影響因素的研究相對較少。物流專業(yè)涉及的知識領(lǐng)域廣泛，技能要求高，因此有必要從多維角度對其進(jìn)行分析。目前，國內(nèi)學(xué)者開始嘗試運用多維關(guān)聯(lián)分析等統(tǒng)計方法，深入研究各因素之間的內(nèi)在聯(lián)系，以期更全面地理解學(xué)生成績的影響因素。

1.2" 國外研究現(xiàn)狀

" 在國外，對于學(xué)生成績影響因素的研究起步較早，理論體系相對完善。早期的研究主要集中在家庭背景、社會經(jīng)濟(jì)地位等因素對學(xué)生成績的影響。例如，有研究表明家庭社會經(jīng)濟(jì)地位與學(xué)生成績呈正相關(guān)，家庭背景較好的學(xué)生在學(xué)業(yè)上表現(xiàn)更優(yōu)異。隨著研究的深入，國外學(xué)者開始關(guān)注更多元化的影響因素。學(xué)習(xí)環(huán)境、學(xué)校教育質(zhì)量、學(xué)生心理等因素逐漸被納入研究范疇。多維關(guān)聯(lián)分析等統(tǒng)計方法在國外研究中得到廣泛應(yīng)用，用于揭示各因素之間的復(fù)雜關(guān)系。這些研究不僅豐富了理論成果，也為教育實踐提供了有力支持。

2" 研究方法

2.1" 數(shù)據(jù)收集

2.1.1" 選擇研究對象和樣本。為了確保研究的代表性和可行性，選擇了學(xué)院物流專業(yè)職業(yè)本科學(xué)生作為研究對象。學(xué)校物流專業(yè)在海南省內(nèi)享有一定的聲譽，且學(xué)生人數(shù)眾多，為樣本的抽取提供了充足的基數(shù)。在此基礎(chǔ)上，采用隨機抽樣的方法，從本科生中抽取了一定數(shù)量的學(xué)生樣本，以確保樣本的多樣性和廣泛性。

2.1.2" 成績數(shù)據(jù)收集。針對所抽取的學(xué)生樣本，全面收集了他們的成績數(shù)據(jù)。這些數(shù)據(jù)包括平時成績、期末成績、總成績等多個方面，以期全面反映學(xué)生在學(xué)業(yè)上的表現(xiàn)。平時成績主要來源于課堂表現(xiàn)、作業(yè)完成情況等日常學(xué)習(xí)活動的評價；期末成績則是通過期末考試來評定學(xué)生的學(xué)習(xí)成果。通過對這些成績數(shù)據(jù)的收集，可以對學(xué)生的學(xué)業(yè)水平有一個相對客觀的了解。

2.1.3" 相關(guān)因素數(shù)據(jù)收集。除了成績數(shù)據(jù)外，還收集了一系列可能影響學(xué)生成績的相關(guān)因素數(shù)據(jù)。這些因素包括家庭背景（如家庭經(jīng)濟(jì)條件、父母受教育程度等）、學(xué)習(xí)環(huán)境（如學(xué)校資源、班級氛圍等）和學(xué)習(xí)態(tài)度（如學(xué)習(xí)動力、自律性等）。為了獲取這些數(shù)據(jù)，采用了問卷調(diào)查和訪談相結(jié)合的方法。通過問卷調(diào)查，收集了大量量化數(shù)據(jù)；而通過訪談，則能夠深入了解學(xué)生的真實想法和感受，為后續(xù)的數(shù)據(jù)分析提供更為豐富的信息。

2.2" 數(shù)據(jù)預(yù)處理

" 在數(shù)據(jù)收集完成后，進(jìn)行了一系列的數(shù)據(jù)預(yù)處理工作，以確保數(shù)據(jù)的準(zhǔn)確性和可用性。

2.2.1" 缺失值處理。針對數(shù)據(jù)中可能存在的缺失值問題，采用了插值法進(jìn)行填補。具體而言，對于連續(xù)型變量，使用了均值插值法，即用同一變量其他觀測值的平均值來填補缺失值；對于離散型變量，則采用了眾數(shù)插值法，即用同一變量其他觀測值中出現(xiàn)次數(shù)最多的值來填補缺失值。通過這種方法，能夠有效地減少數(shù)據(jù)缺失對后續(xù)分析的影響。

2.2.2" 數(shù)據(jù)清洗。在數(shù)據(jù)清洗階段，主要去除了異常值和重復(fù)值。對于異常值的處理，采用了Tukey's Fences方法（也稱為Tukey's Boxplot Rule），該方法通過計算四分位數(shù)（Q1和Q3）和四分位距（IQR）來確定異常值的范圍，并將超出此范圍的值視為異常值進(jìn)行剔除。對于重復(fù)值的處理，使用Python中的pandas庫進(jìn)行數(shù)據(jù)去重操作，確保數(shù)據(jù)集中不存在重復(fù)的記錄。

2.2.3" 數(shù)據(jù)轉(zhuǎn)換。為了滿足多維關(guān)聯(lián)分析的要求，還對數(shù)據(jù)進(jìn)行了一系列的轉(zhuǎn)換工作。首先，將部分定性變量轉(zhuǎn)化為定量變量，以便于后續(xù)的數(shù)值計算和分析。例如，將學(xué)習(xí)態(tài)度等級從文字描述（如“積極”、“一般”、“消極”）轉(zhuǎn)換為相應(yīng)的數(shù)值評分（如5分、3分、1分）。其次，對于某些非線性關(guān)系的變量，進(jìn)行了適當(dāng)?shù)淖儞Q以改善其線性關(guān)系，如對數(shù)變換、平方根變換等。這些轉(zhuǎn)換操作有助于提升數(shù)據(jù)分析的準(zhǔn)確性和有效性。

2.3" 多維關(guān)聯(lián)分析方法

" 本文采用了多維關(guān)聯(lián)分析方法來探索各因素與學(xué)生成績之間的內(nèi)在聯(lián)系。具體而言，選用了Apriori算法進(jìn)行多維關(guān)聯(lián)規(guī)則挖掘。Apriori算法是一種經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法，適用于處理大型數(shù)據(jù)集并從中發(fā)現(xiàn)有趣的關(guān)聯(lián)模式。通過設(shè)定合適的支持度和置信度閾值，可以從數(shù)據(jù)中挖掘出具有統(tǒng)計學(xué)意義的關(guān)聯(lián)規(guī)則。這些規(guī)則揭示了不同因素之間的相互作用及其對學(xué)生成績的影響程度。

" 在運用Apriori算法時，首先對數(shù)據(jù)進(jìn)行了離散化處理以適應(yīng)算法的要求。接著，通過調(diào)整支持度和置信度的閾值來篩選出有意義的關(guān)聯(lián)規(guī)則。此外，還計算了提升度（Lift）指標(biāo)以評估規(guī)則的有趣性。提升度大于1的規(guī)則表示兩個事件之間存在正關(guān)聯(lián)；提升度小于1的規(guī)則表示存在負(fù)關(guān)聯(lián)；而提升度等于1的規(guī)則則表示兩個事件相互獨立。通過這些指標(biāo)的綜合考量，能夠更加全面地了解各因素與學(xué)生成績之間的關(guān)聯(lián)關(guān)系。

2.4" 統(tǒng)計分析和模型構(gòu)建

" 在完成多維關(guān)聯(lián)分析后，進(jìn)一步進(jìn)行了統(tǒng)計分析和模型構(gòu)建工作。

2.4.1" 描述性統(tǒng)計分析。對收集的數(shù)據(jù)進(jìn)行了描述性統(tǒng)計分析以了解其基本特征。這包括計算各變量的均值、標(biāo)準(zhǔn)差、最大值、最小值等統(tǒng)計量。通過這些描述性統(tǒng)計結(jié)果可以初步了解數(shù)據(jù)的分布情況、異常值的識別以及變量之間的關(guān)系等信息為后續(xù)深入分析提供基礎(chǔ)。

通過對期末成績、平時成績和綜合成績的平行對比，可以更全面地了解學(xué)生在不同評價維度下的表現(xiàn)，并據(jù)此提出針對性的教學(xué)建議：（1）成績水平對比，期末成績平均分67.57分，表明學(xué)生的期末考試成績整體處于中等水平。這可能與考試的難度、復(fù)習(xí)時間不足或?qū)W生對知識點的掌握程度有關(guān)。平時成績平均分78.07分，明顯高于期末成績。這表明學(xué)生在日常學(xué)習(xí)中的表現(xiàn)較好，能夠按時完成作業(yè)和參與課堂討論。平時成績的優(yōu)異可能與學(xué)生的學(xué)習(xí)興趣、學(xué)習(xí)習(xí)慣以及教師的平時教學(xué)要求有關(guān)。綜合成績平均分73.87分，介于期末成績和平時成績之間。綜合成績通常是期末成績和平時成績的加權(quán)平均，它反映了學(xué)生在整個學(xué)期內(nèi)的總體表現(xiàn)。綜合成績的相對提升表明，平時成績的優(yōu)異在一定程度上彌補了期末成績的不足。（2）分?jǐn)?shù)分布對比，期末成績中位數(shù)68分，眾數(shù)72分，分?jǐn)?shù)分布相對集中，且高分段學(xué)生較少。這可能與期末考試的難度和區(qū)分度有關(guān)。平時成績中位數(shù)85.6分，眾數(shù)88分，分?jǐn)?shù)分布偏向高分段。這表明大多數(shù)學(xué)生在平時學(xué)習(xí)中能夠取得較好的成績，且高分學(xué)生較多。綜合成績中位數(shù)78.8分（根據(jù)四舍五入處理），由于眾數(shù)數(shù)據(jù)可能存在異常，故此處暫不討論。從中位數(shù)來看，綜合成績的分布相對均衡，既反映了學(xué)生的平時表現(xiàn)，也體現(xiàn)了期末考試的影響。（3）離散程度對比，期末成績標(biāo)準(zhǔn)差10.49分，方差110.00分，離散程度相對較低。這表明學(xué)生的期末考試成績相對集中，差異不大。平時成績標(biāo)準(zhǔn)差16.07分，方差258.39分，離散程度較高。這意味著學(xué)生的平時成績存在較大差異，可能與學(xué)生的學(xué)習(xí)興趣、努力程度和教師的教學(xué)方法有關(guān)。綜合成績標(biāo)準(zhǔn)差12.22分，方差149.29分，離散程度適中。綜合成績的離散程度介于期末成績和平時成績之間，既體現(xiàn)了學(xué)生的個體差異，也反映了不同評價維度的綜合影響。（4）形態(tài)與對稱性對比，期末成績峰度1.34，偏度0.30，呈輕微尖峰狀且略微右偏。這表明高分段學(xué)生相對較多，但整體分布仍相對均衡。平時成績峰度1.88，偏度-1.40，呈明顯尖峰狀且左偏。這表明低分段學(xué)生較少，高分段學(xué)生較多，分布不均衡。綜合成績峰度1.35，偏度-0.998，呈輕微尖峰狀且略微左偏。綜合成績的分布形態(tài)介于期末成績和平時成績之間，既體現(xiàn)了學(xué)生的個體差異，也反映了不同評價維度的綜合影響。

" 通過平行對比期末成績、平時成績和綜合成績的分析結(jié)果可以發(fā)現(xiàn)：學(xué)生在平時學(xué)習(xí)中的表現(xiàn)較好于期末考試表現(xiàn)。平時成績的優(yōu)異在一定程度上彌補了期末成績的不足提升了綜合成績。學(xué)生的平時成績存在較大的差異需要關(guān)注個體差異并提供針對性的教學(xué)支持。綜合成績的分布相對均衡既反映了學(xué)生的平時表現(xiàn)也體現(xiàn)了期末考試的影響。教師可以根據(jù)學(xué)生的不同表現(xiàn)和需求制定個性化的教學(xué)計劃和輔導(dǎo)策略以提高學(xué)生的整體學(xué)業(yè)水平并縮小成績差異。

2.4.2" 多維關(guān)聯(lián)分析結(jié)果解讀與討論?；贏priori算法挖掘出的多維關(guān)聯(lián)規(guī)則，對各因素與學(xué)生成績之間的關(guān)聯(lián)程度進(jìn)行了深入解讀和討論。通過分析不同規(guī)則的支持度、置信度和提升度等指標(biāo)可以明確哪些因素對學(xué)生成績具有顯著影響，以及它們之間的相互作用方式如何。這些結(jié)果為理解學(xué)生成績的形成機制提供了重要依據(jù)并為教育實踐提供了有針對性的改進(jìn)建議。

" 在多維關(guān)聯(lián)分析結(jié)果的基礎(chǔ)上進(jìn)一步構(gòu)建了學(xué)生成績影響因素模型。該模型綜合考慮了家庭背景、學(xué)習(xí)環(huán)境、學(xué)習(xí)態(tài)度等多方面因素對學(xué)生成績的影響并通過量化的方式揭示了它們之間的內(nèi)在聯(lián)系。通過該模型可以更加直觀地了解各因素對學(xué)生成績的貢獻(xiàn)程度從而為教育決策提供更加科學(xué)的依據(jù)。同時該模型還具有一定的預(yù)測功能，能夠為教育工作者提供有針對性的干預(yù)措施以提高學(xué)生的學(xué)業(yè)成績。

通過多維關(guān)聯(lián)分析，發(fā)現(xiàn)家庭背景、學(xué)習(xí)環(huán)境、學(xué)習(xí)態(tài)度等因素與學(xué)生成績存在顯著關(guān)聯(lián)。具體表現(xiàn)為：使用助學(xué)貸款的學(xué)生，成績普遍較高；學(xué)習(xí)環(huán)境良好的學(xué)生，成績也相對較好；學(xué)習(xí)態(tài)度積極的學(xué)生，成績表現(xiàn)較為優(yōu)異。年齡相對較大的學(xué)生，平時成績的分?jǐn)?shù)越高，但相反年齡越小的學(xué)生，期末成績表現(xiàn)更加優(yōu)異。學(xué)生籍貫對成績有一定影響，因職業(yè)本科學(xué)生均為海南省戶籍，因此按地域分布劃分東西南北中五個部分，其中來自海南西部（如儋州、東方）的學(xué)生綜合成績更高，來自海南南部（三亞）、北部（?？冢┑某煽兿鄬ζ毡檩^低。政治面貌、性別對學(xué)生成績的差異影響不大。

" 此外，還發(fā)現(xiàn)不同因素之間存在相互影響，共同作用于學(xué)生成績。根據(jù)關(guān)聯(lián)程度對相關(guān)因素進(jìn)行重要性排序，結(jié)果顯示：學(xué)習(xí)態(tài)度gt;學(xué)習(xí)環(huán)境gt;家庭背景。這說明在影響物流本科學(xué)生成績的諸多因素中，學(xué)習(xí)態(tài)度的作用最為顯著。因此，教育者和學(xué)生應(yīng)更加重視學(xué)習(xí)態(tài)度的培養(yǎng)。將本文研究結(jié)果與已有理論進(jìn)行對比和討論，發(fā)現(xiàn)多維關(guān)聯(lián)分析方法能夠更全面地揭示學(xué)生成績的影響因素及其相互關(guān)系。同時，本文研究結(jié)果也為物流本科教育實踐提供了有針對性的改進(jìn)建議。

3" 結(jié)論與展望

本文通過多維關(guān)聯(lián)分析方法，對物流本科學(xué)生成績的影響因素進(jìn)行了深入研究。結(jié)果表明：學(xué)習(xí)態(tài)度、學(xué)習(xí)環(huán)境和家庭背景是影響學(xué)生成績的主要因素，且各因素之間存在相互作用。這一發(fā)現(xiàn)對于提升物流本科教育質(zhì)量具有指導(dǎo)意義。本文研究結(jié)果的實際應(yīng)用意義在于：教育者可針對影響因素制定相應(yīng)的干預(yù)措施，如加強學(xué)生學(xué)習(xí)態(tài)度培養(yǎng)、改善學(xué)習(xí)環(huán)境等；學(xué)?？舍槍Σ煌后w的學(xué)生提供個性化輔導(dǎo)和支持服務(wù)；學(xué)生和家長可了解成績差異的原因并有針對性地進(jìn)行改進(jìn)和調(diào)整。盡管本文取得了一定的成果但仍存在一些局限性如樣本量較小、數(shù)據(jù)來源單一等。未來研究可進(jìn)一步擴(kuò)大樣本量、拓展數(shù)據(jù)來源以提高研究的普適性和可靠性；同時可進(jìn)一步探討其他潛在影響因素如教學(xué)方法、課程設(shè)置等對物流本科學(xué)生成績的影響以期為教育實踐提供更全面的參考。

參考文獻(xiàn)：

[1] 易陽，楊國超，吳穎潔，等. 新文科視域下“以學(xué)生為中心”的數(shù)字化教學(xué)考核評價體系研究——基于在線教學(xué)期間某高校學(xué)生自主性考核的實證分析[J]. 新文科教育研究，2023（4）：125-140，144.

[2] 吳曉霞，陳梓依，熊飛，等. 我國高校在線教學(xué)發(fā)展與未來趨勢研究——基于CiteSpace的可視化分析[J]. 繼續(xù)教育研究，2024（2）：65-70.

[3]" ZHANG Q. The influence of school climate on reading literacy： A cross-cultural comparative study based on pisa 2018 database[C] // Proceedings of the 3rd International Conference on Educational Innovation and Philosophical Inquiries， 2022.

[4] 孟魁. 物流管理專業(yè)產(chǎn)教融合人才培養(yǎng)模式探索[J]. 物流科技，2023，46（22）：166-169.