数学建模——如何正确、合理的评价学生成绩

合集下载

数学建模成绩的评定分析

数学建模成绩的评定分析

数学建模竞赛成绩的评定摘要本文为解决题中所求问题,运用了统计规律及建立了相适应的模型,结合了matlab,excel等软件工具进行分析,补充了题中缺失的数据以及对每个参赛队的成绩进行了分析和排序。

文中还对模型进行了适当的评价。

对于问题一,本文先忽略缺失的分数,运用matlab软件对甲,乙,丙三位老师所评的100个分数进行正态性分布检验,再计算出均值,运用均值填补法,并对其进行置信区间检验,证明正确,得到缺失的数据分别为77,80,80。

针对问题二,本文运用了数理及统计知识进行分析,采用均值作为第一指标,方差作为第二指标进行排序,得出了排名表,但由于评阅老师可能会存在主观原因,为了公平起见,本文算出各阅卷老师的权重并相应计算出每个参赛队的加权平均分进行排序。

针对问题三,本文采用绘图的方法得出各阅卷老师评分的大概范围以及方差比较法得出甲老师打分方差最大,即打分较严格,丙老师打分方差最小,即打分较宽松。

对于问题四,由于题中未给出复评的名额,所以文中假设选出15名,本文先运用excel软件找出平均值在80分以上的参赛队共22名,然后再对这22 名参赛队的加权平均分和方差进行排名,再取前15名,即39,51,47,66,87,91,64,69,100,86,82,77,97,101,98这十五个队。

关键词: 加权平均分权重方差比较法第一指标第二指标一、问题重述某校一年一度的大学生数学建模竞赛,成绩评定的主要标准为:建模的合理性、结果的正确性、书写的规范性和文字表述的清晰程度;成绩评定的流程为:5位评阅老师分别独立地为每份论文打分,最终依据某种方式对各参赛队进行排序、确定所获的奖项。

由于评定标准具有一定的模糊性,加之打分习惯不同,因而各位老师给每个参赛队的分数存在一定的差异。

由于某种原因而造成了三位同学的成绩缺失,因此我们需要建立合适的数学模型,以解决以下几个问题:(1)从表中可以发现队序号为9,25,58的三组队员分别缺失甲,乙,丙三位老师所评定的分数,因此需要将表中缺失的数据补齐,并给出补缺的方法及理由。

数学建模,如何客观合理的评价学生学习状况

数学建模,如何客观合理的评价学生学习状况

如何客观、合理的评价学生学习状况摘要现行的以考试成绩衡量学生学习状况的方法比较主观,且评价方式单一,忽略了不同基础水平的同学的进步程度,为了激励优秀学生努力学习取得更好的成绩,同时鼓励基础相对薄弱的学生树立信心,不断进步,我们需要建立一个客观,合理的评价学生状况的数学模型。

考虑到以上情况,本文通过以下几步来达到目的。

步骤一:通过分析题目所给198名学生的整体成绩情况,包括大一两个学期每个学期的整体平均成绩、及格率、方差、标准差等多项指标有关,通过所给数据,得到图表。

分析数据充分理解学生的学习情况,更有利于以下两个模型的进行,为模型的建立提供参考.步骤二:对于全面、客观、合理的评价学生的学习状况,我们采用了二个模型:模型一:利用黑尔指数法求得的进步分数和层次分析法进行评价:设定适当的权系数,使最终成绩更为合理。

本专业为工科类专业,应更加重视专业学习能力,因此专业课程所占权系数较高,成绩也能更好的选拔专业能力强的学生。

同时为了激励进步学生,进步分也占有部分权限,能够起到很好的鼓励作用。

为此我们设置:最终成绩Y=0。

55*专业课程+0.4*其他课程+0.05*进步分数.模型二:采用成绩标准化模型对成绩进行评价:采用对数变换将负偏态的成绩分布正态化,并用Matlab进行了正态检验。

从而学生成绩的差距分布更为合理,成绩偏低的学生变换后将处于中等位置,得到适当的鼓励,改变了负偏态分布中较多学生成绩集中在高分段或低分段的现象。

然后,将正态分布归一化为标准正态分布,消除每个学期评价考核体系的不稳定性因素,得到每个学生各学期的“有效成绩”。

并基于”有效成绩"提出了等级评定子模型,确定了等级分数线,更清楚的表明了每个学生在整体位置。

关键词:黑尔指数层次分析成绩标准化有效成绩一.问题重述现行的评价方法相对比较局限、主观、有失公允,只能对学习基础好的学生产生激励作用,而不能对所有学生尤其是后进学生起到激励作用,这种评价弊端开始被越来越多的人关注。

数学建模,如何客观、合理的评价学生学习状况介绍

数学建模,如何客观、合理的评价学生学习状况介绍

如何客观、合理的评价学生学习状况摘要现行的以考试成绩衡量学生学习状况的方法比较主观,且评价方式单一,忽略了不同基础水平的同学的进步程度,为了激励优秀学生努力学习取得更好的成绩,同时鼓励基础相对薄弱的学生树立信心,不断进步,我们需要建立一个客观,合理的评价学生状况的数学模型。

考虑到以上情况,本文通过以下几步来达到目的。

步骤一:通过分析题目所给198名学生的整体成绩情况,包括大一两个学期每个学期的整体平均成绩、及格率、方差、标准差等多项指标有关,通过所给数据,得到图表。

分析数据充分理解学生的学习情况,更有利于以下两个模型的进行,为模型的建立提供参考。

步骤二:对于全面、客观、合理的评价学生的学习状况,我们采用了二个模型:模型一:利用黑尔指数法求得的进步分数和层次分析法进行评价:设定适当的权系数,使最终成绩更为合理。

本专业为工科类专业,应更加重视专业学习能力,因此专业课程所占权系数较高,成绩也能更好的选拔专业能力强的学生。

同时为了激励进步学生,进步分也占有部分权限,能够起到很好的鼓励作用。

为此我们设置:最终成绩Y=0.55*专业课程+0.4*其他课程+0.05*进步分数。

模型二:采用成绩标准化模型对成绩进行评价:采用对数变换将负偏态的成绩分布正态化,并用Matlab进行了正态检验。

从而学生成绩的差距分布更为合理,成绩偏低的学生变换后将处于中等位置,得到适当的鼓励,改变了负偏态分布中较多学生成绩集中在高分段或低分段的现象。

然后,将正态分布归一化为标准正态分布,消除每个学期评价考核体系的不稳定性因素,得到每个学生各学期的“有效成绩”。

并基于"有效成绩"提出了等级评定子模型,确定了等级分数线,更清楚的表明了每个学生在整体位置。

关键词:黑尔指数层次分析成绩标准化有效成绩一.问题重述现行的评价方法相对比较局限、主观、有失公允,只能对学习基础好的学生产生激励作用,而不能对所有学生尤其是后进学生起到激励作用,这种评价弊端开始被越来越多的人关注。

学生成绩综合评价模型(数学建模)

学生成绩综合评价模型(数学建模)
那么下面我们构造一种方法使得每个学期学生转化后的成绩符合相同的正态分布曲线。
定义: (i=1,2…n)为n个学生的某一学期的原始成绩。
,这样就可以将一个偏正态分布转变成了 满足的正态分布,由于该函数单调递减函数,原始成绩高的反而变得成绩低了,为和传统保证一致,进行以下变换 。这样就能得到一个满足标准正态分布的数据了。下面通过坐标的偏移拉伸使得其满足相同分布的正态分布。
其次对原始数据进行SK检验得:
第一学期
第二学期
第三学期
第四学期
Sk
-1.236
-1.919
-1.944
-2.928
Ku
2.5
7.043
8,142
14.479
这样通过以上的分析,我们可以发现,直方图在标准正态分布曲线的右边,且Sk<0,则都属于负偏态分布,说明试题的总体难度是偏低的。而且根据Ku值渐渐变大可以发现试题中中等难度的题目越来越多了。根据其平均值和方差可知:学生在第四学期的平均成绩最高,其次是第二学期,第一学期和第三学期的平均成绩略低一些;但是从方差来看,第一、三学期低于第二、四学期,这从上图中也可以明显看出,第一、三学期学生的成绩分布要比第二四学期学生的成绩分布要集中。
(1)分析学生成绩平均值和稳定度的关系
根据已经标准化的成立,利用平均成绩与方差所联合做成的散点图,我们可以看出,大体的情况是,多数同学的成绩还是比较稳定的,就是个别同学,成绩起伏很大,并且大致趋势为,成绩越好的同学波动越小,相反,成绩不好的同学波动就很大。
(2)学生成绩段人数分析
由于这里要进行学生成绩段的分析,就不能使用已经标准化的成绩了,显然如果使用标准化后的数据,则数据基本满足标准正态分布,这样进行成绩的分段研究也就失去了意义。对原始数据进行成绩的分段分析得:

学生成绩分析数学建模

学生成绩分析数学建模

2012年暑期培训数学建模第二次模拟承诺书我们仔细阅读了数学建模联赛的竞赛规则。

我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与本队以外的任何人(包括指导教师)研究、讨论与赛题有关的问题。

我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其它公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。

如有违反竞赛规则的行为,我们愿意承担由此引起的一切后果。

我们的参赛报名号为:参赛队员(签名) :队员1:队员2:队员3:2012年暑期培训数学建模第二次模拟编号专用页参赛队伍的参赛号码:(请各个参赛队提前填写好):竞赛统一编号(由竞赛组委会送至评委团前编号):竞赛评阅编号(由竞赛评委团评阅前进行编号):2012年暑期培训数学建模第二次模拟题目学生成绩的分析问题摘要本文针对大学高数和线代,概率论成绩进行建模分析,主要用到统计分析的知识及SPSS软件,建立了方差分析、单因素分析、相关性分析等相关模型,从而分析两个专业、四门课程成绩的显著性,以及课程之间的相关性。

最后利用分析结论表明了我们对大学数学学习的看法。

问题一:每门课程两个专业的差异性需要进行多个平均数间的差异显著性检验,首先应该对数据进行正态分布检验,结论是各个专业的分数都服从正态分布,之后可以根据Kolmogorov-Smirnov 检验(K-S检验)原理,利用SPSS软件进行单因素方差分析,得出方差分析表,进行显著性检验,最后得出的结论是高数1、高数2、线代和概率这四科成绩在两个专业中没有显著性差异。

问题二:对于甲乙两个专业分别分析,应用问题一的模型,以每个专业不同班级的高数一、高数二、线代和概率平均数为自变量,同第一问相同的做法,得到两个专业中不同学科之间没有显著差异。

问题三:我们通过对样本数据进行Spss的“双变量相关检验”得出相关系数值r、影响程度的P值,从而来分析出高数1、高数2与概率论、现代的相关性。

数学建模成绩评价

数学建模成绩评价

E题数学建模竞赛成绩评价与预测摘要本体是关于评价比较与预测问题,是对数学建模开展以来各高校建模水平的评价和比较以及预测。

第一,分析给出的各高校的获奖数据,统计,进行综合量化评价,运用的方法是层次分析法,综合评判和线性分析。

最后,以学校的建模水平进评比。

对于四个问题,对各高校建模获奖数据进行了统计分析。

在建立数学模型时,首先从建模理念的应用意识、数学建模、创新意识出发利用模糊评判的一级评判模型把所给学校的国家一等奖、国家二等奖,省一等奖、省二等奖,省三等奖,成功参赛奖作为因素集。

在用模糊综合评判方法时,确定评判矩阵和权重分配是两项关键性的工作,求权重分配时,通过往年评分标准确定数据后用层次分析法计算权重;对于评判矩阵,通过对整理的各高校每个等级奖项数目对各高校获奖总数的比重建立评价矩阵。

通过C语言编程处理得出的各高校建模水平,通过线性回归,预测十二五期间的建模水平,从而解决问题。

关键字:综合评判;层次分析法;统计分析;线性回归;C语言编程;画图软件;一、问题的重述近20年来,CUMCM的规模平均每年以20%以上的增长速度健康发展,是目前全国高校中规模最大的课外科技活动之一。

2011 年,来自全国33个省/市/自治区(包括香港和澳门特区)及新加坡、美国的1251所院校、19490个队(其中本科组16008队、专科组3482队)、58000多名大学生报名参加本项竞赛。

在数学建模活动开展20周年之际,有必要对以往的数学建模工作进行总结及对未来的发展进行预测。

通过某高校2006-2011年数学建模成绩,建立合理的评价模型,对该校十一五期间数学建模工作进行评价,并对该校十二五期间的数学建模成绩进行预测;试建立评价模型,给出吉林赛区十一五期间各校建模成绩的科学、合理的排序;并给出吉林赛区各院校十二五期间的建模成绩进行预测;给出全国各院校的自建模竞赛活动开展以来建模成绩的科学、合理的排序;并对全国各院校十二五期间的建模成绩进行预测;你认为如果科学、合理地进行评价和预测,除全国竞赛成绩、赛区成绩外,还需要考虑那些因素?二、模型假设1、假设附表中的信息基本准确没有异常值并且数据是真实合理的。

数学建模竞赛成绩的评定

数学建模竞赛成绩的评定

数学建模竞赛成绩的评定摘要本文主要采用统计学方法,结合EXCEL MATLAB、等数学统计工具解决了数学建模中成绩的评定等一系列问题。

关于问题一,如何补缺缺失数据,我们将各个老师对数学建模队的评分视为随机事件,算出各分数发生的概率,最后用其数学期望代替缺失的分数,得出结果为:9号队缺失的分数是77;25号队缺失的分数是80;58号队缺失的分数是80。

关于问题二,考虑到各个老师的打分方式有异,根据加权平均分给出了101个队列的排名,结果详见表5.2.1。

关于问题三,利用统计学方法,通过比较每位老师评分的方差大小,得出各老师打分严格程度的差异,最后得出老师甲最严格,老师丙最宽松,其余三位老师的严格程度相差不大。

关于问题四,先将参加队的平均分数从大到小排序,然后其中有48个队参加复评。

关键词:成绩评定成绩排名数学期望统计学MATLAB加权平均一、问题重述在某高校一次数学建模竞赛中,5位评阅老师分别独立地为101个参赛队打分,最终依据某种方式对各参赛队进行排序、确定所获的奖项。

(见附表),请你运用数学建模方法解决下列问题:(1)补齐表中缺失的数据。

(2)给出101个参赛队的排名顺序。

(3)建立模型对5位老师进行分类,评价5位老师中哪位老师打分比较严格,哪位老师打分比较宽松(4)通常还会对一部分平均分在80分以上的参赛队进行复评,你认为应该对哪些队进行复评?二、问题分析此问题是关于五位老师对101个参加队进行评分的问题。

根据问题要求首先我们采用数学的方法对该题进行分析,补全附表中缺失的三个分数。

再根据已补全的数据排列出参赛队的排名。

然后确定哪位老师打分比较严格,哪位打分比较松,并给出可以给予复评机会的参赛队的序号。

三、问题假设1、假设所有老师的评分都是客观、公平公正的。

2、假设所提供的数据都是真实可靠的。

3、假设参赛队是否有复评机会对其所打的分有关和其他因素无关。

四、变量说明五、模型的建立与求解5.1 问题一 5.1.1 问题分析该问题要求我们根据已有的数据,利用数学知识分析并补全缺失的数据。

综合评价预测学生学习成绩的数学模型

综合评价预测学生学习成绩的数学模型

纲要对学生学习状况剖析的目的是激励优异学生努力学习获得更好的成绩,同时鼓舞基础相对单薄的学生建立信心,不停进步。

但是,现行的评论方式纯真的依据“绝对分数”评论学生的学习状况,忽视了基础条件的差异;只对基础条件较好的学生起到促使作用,对基础条件相对单薄的学生很难起到鼓舞作用。

所以,一种能够全面、客观、公正的新式综合评论模式急需成立与应用。

来改变传统的评论方式以更好地促使全体同学学习的进步与发展。

本文经过对附件所给的数据进行全面的整合与剖析,考虑各样可能要素对学习成绩的影响,并在此基础上成立了对学生学习状况的综合评论模型。

从解决以下几个问题来为学校供给更好的评论模型:1.针对问题一:对612名学生四个学期的综合成绩进行整体剖析,经过对数据的初步办理和计算,绘制表格做出扇形图,更为直观的对计算结果(均匀分、及格率、优异率、优异率、极差等)的分析客观整体的评论学生学习的状况。

运用matlab对其进行直方图的统计以及正态曲线的拟合,经过结果客观去全面公正的对整体学生的学习状况做出评论。

2.针对问题二:对详细到个人的学习状况的剖析和评论以及模型的成立。

m.考虑到每位同学的其实分数的差异即基础不同的同学学习成绩进步空间的难易是有差其余。

每位同学在不同难度的试卷测试中的发挥是不同样的,我们在成立模型的过程中引进了奖罚因子(a)并用多种微分方差和指数方程来变换测试成绩,使较低水平学生大幅增添的成绩与较高水平的选手小幅增添的成绩能够进行比较。

n.其次考虑到原始分一般不可以直接反应出考生间差异状况,不可以刻划出考生互相比较后所处的地位,也不可以说明考生在其余等值测试上应获取什么样的分值。

我们采纳了标准分计算法——将原始分数与均匀分数之差除以标准差所得的商数,来评定对象之间的差异,它是以标准差为单位胸怀原始分数走开均匀数的胸怀,标准分是一个抽象值,不受原始单位的影响,而且接受代数方法的办理。

综合上述要素,我们成立了标准分与进步度联合的综合评论数学模型。

数学建模竞赛成绩评价与预测

数学建模竞赛成绩评价与预测

承诺书我们仔细阅读了数学建模竞赛选拔的规则.我们完全明白,在做题期间不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人研究、讨论与选拔题有关的问题。

我们知道,抄袭别人的成果是违反选拔规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺,严格遵守选拔规则,以保证选拔的公正、公平性。

如有违反选拔规则的行为,我们将受到严肃处理。

我们选择的题号是(从A/B/C中选择一项填写): C队员签名:2.3.日期: 2012 年 8月 18 日编号专用页评阅编号(评阅前进行编号):评阅记录(评阅时使用):评阅人评分备注数学建模竞赛成绩评价与预测摘要近年来,数学建模比赛快速发展,成为了目前全国高校中规模最大的课外科技活动之一。

因此,在本文中我们建立一种更合理、科学的评定系统对全国各高校以及广东省各高校在近些年数学建模的成绩进行科学合理的综合评价,以及对广东省各高校在2012年省赛成绩的预测,同时进一步分析影响数学建模成绩的其他因素。

求解问题一,要求对广东省各高校2008-2011年数学建模成绩进行评价,进而对广东省各高校在2012年获得总奖个数进行预测。

根据统计的各高校每年获得总奖数目,用神经网络和线性加权模型进行各高校的综合评价,由于获奖总人数是逐年增加的,所以用灰色预测模型进行预测。

本文使用MATLAB拟合方法,拟合出各高校在2012年获得广东省省级赛的总奖数目,从预测结果来看,广东省大部分院校的数学建模成绩在将来的几年中还将保持稳定上升的趋势。

求解问题二,要求对全国各高校的全国性获奖成绩进行综合评定。

本文用人工神经网络图把获奖数目和全国一二等奖的权重之间的关系形象直观的表示出来,然后用线性加权模型求出各年的评定成绩,进行平均求值就可以得到各高校的综合评定。

由于统计的年数越多,数据就越精确,得到的各院校的综合评定就越科学合理,因此我们统计四年的数据,然后按照综合评定成绩进行排序。

数学建模竞赛成绩的评定

数学建模竞赛成绩的评定

数学建模竞赛成绩的评定摘要本文主要采用统计学方法,结合EXCEL MATLAB、等数学统计工具解决了数学建模中成绩的评定等一系列问题。

关于问题一,如何补缺缺失数据,我们将各个老师对数学建模队的评分视为随机事件,算出各分数发生的概率,最后用其数学期望代替缺失的分数,得出结果为:9号队缺失的分数是77;25号队缺失的分数是80;58号队缺失的分数是80。

关于问题二,考虑到各个老师的打分方式有异,根据加权平均分给出了101个队列的排名,结果详见表5.2.1。

关于问题三,利用统计学方法,通过比较每位老师评分的方差大小,得出各老师打分严格程度的差异,最后得出老师甲最严格,老师丙最宽松,其余三位老师的严格程度相差不大。

关于问题四,先将参加队的平均分数从大到小排序,然后其中有48个队参加复评。

关键词:成绩评定成绩排名数学期望统计学MATLAB加权平均一、问题重述在某高校一次数学建模竞赛中,5位评阅老师分别独立地为101个参赛队打分,最终依据某种方式对各参赛队进行排序、确定所获的奖项。

(见附表),请你运用数学建模方法解决下列问题:(1)补齐表中缺失的数据。

(2)给出101个参赛队的排名顺序。

(3)建立模型对5位老师进行分类,评价5位老师中哪位老师打分比较严格,哪位老师打分比较宽松(4)通常还会对一部分平均分在80分以上的参赛队进行复评,你认为应该对哪些队进行复评?二、问题分析此问题是关于五位老师对101个参加队进行评分的问题。

根据问题要求首先我们采用数学的方法对该题进行分析,补全附表中缺失的三个分数。

再根据已补全的数据排列出参赛队的排名。

然后确定哪位老师打分比较严格,哪位打分比较松,并给出可以给予复评机会的参赛队的序号。

三、问题假设1、假设所有老师的评分都是客观、公平公正的。

2、假设所提供的数据都是真实可靠的。

3、假设参赛队是否有复评机会对其所打的分有关和其他因素无关。

四、变量说明五、模型的建立与求解5.1 问题一 5.1.1 问题分析该问题要求我们根据已有的数据,利用数学知识分析并补全缺失的数据。

数学建模成绩的评价和预测

数学建模成绩的评价和预测

2012浙江中医药大学第三届大学生数学建模竞赛承诺书我们仔细阅读了中国大学生数学建模竞赛和2010浙江中医药大学首届大学生数学建模竞赛的竞赛规则.我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。

我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。

如有违反竞赛规则的行为,我们将受到严肃处理。

我们的参赛队名为:棒棒糖所属学院(请填写三名队员的各自学院):第二临床学院,第二临床学院,生命科学院参赛队员 (打印并签名) :1. 章杰2. 叶信锁3. 霍宇娟队长 (打印并签名):章杰日期: 2012 年 5 月 18 日数学建模竞赛成绩评价与预测摘要自从我国开始建立数学建模竞赛以来,数学建模竞赛发展良好,规模以每年20%的增长率扩大。

本文的研究目的是评价全国各赛区以及浙江省各高校十一五(2006-2011)期间数学建模的工作,根据十一五期间的成绩对它们进行科学合理的排序,对十二五期间(2012-2016)的数学建模成绩进行预测。

对于问题一,要求计算出浙江师范大学在2002-2011获奖总人数的增长率,对十二五期间的获奖总人数进行预测,由于获奖总人数是逐年增加的,所以用Malthus模型进行预测,根据每年获得各个奖项的人数,用线性加权分析模型进行获奖人数的综合评价。

针对预测模型的求解,本文使用matlab拟合方法,并用matlab求解出十二五期间的数据,得出结论:浙江师范大学的数学建模成绩在十一五期间较为优秀,在接下来的十二五期间成绩还将稳定上升。

对于问题二,问题三,问题四,要求分别计算出浙江省各高校在全国数模竞赛中的成绩的综合评价值,华东五省一市的各高校的综合评价值以及全国各个赛区的获奖成绩的综合评价值并对评价值进行排序。

数学建模-客观合理的评价学生学习状况

数学建模-客观合理的评价学生学习状况

承诺书
客观、合理评价学生学习状况的数学模型
摘要
目前对学生学习状况的评价相对比较主观,以测试成绩的高低来评价学生的学习优劣。

这种评价方式单一,忽略了不通基础水平同学的进步程度以及测试本身的局限性,为了更好鼓励基础相对较差的学生努力学习,我们需要建立一个客观、更合理的评价学生学习状况的数学模型。

通过以上考虑,本文试图通过回答以下几个问题来达到目的:
问题一:通过分析题目所给的612名学生的整体成绩情况,其中包括每个学期整体的平均成绩、及格率、最高分、最低分、方差、标准差等多项指标有关,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。

问题二: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, 我们采用了两种方法:。

数学建模竞赛成绩的评定

数学建模竞赛成绩的评定

数学建模竞赛成绩的评定摘要如今数学建模已受到全球的关注和国家的支持。

学校借此就举行了一年一度的数学建模比赛,为了选取优秀的学生,学校安排了5位老师对他们评分。

本模型在缺失数据的前提下,建立了最优化的模型,使学校在选拔优秀的学生前提下,较合理的规划出参赛队的最优模型。

问题(一)针对数据缺失和每位老师的评分标准不同的情况下,我们数理统计模型,力求能得到每个队的老师评分分数及综合打分情况,然后用集中趋势分析得到缺失的数据,最后通过Matlab作图验证所得分数是否合理。

集中趋势分析法,我们假设参赛队的评分数据服从正态分布,根据统计理论。

其中我们估计,老师甲对9号参赛队的评分是77,老师乙对25号参赛队的评分是80,老师丙对58号参赛队者的评分是80。

问题(二)我们考虑把参赛队得分的平均值作为颁发奖项的标准。

先通过利用Excel计算出101组参赛组的平均成绩,再利用excel将101组参赛队对应的平均成绩按从大到小的顺序排列。

最后我们通过excel表格得出参赛队的排名顺序。

问题(三)忽略每个老师对各个招参赛队的主观评价,客观性评价每组参赛队。

在仅知道老师对参赛队的评分数据的情况下,分数的平均值,方差及变异系数等都是评价老师评分严格和宽松的因素。

其中平均值,方差及方差都可以Matlab计算,但是由于数据过多,最后我们还使用了Excel计算得到它们的值。

且变异系数越大,说明老师越严格,反之说明老师越宽松。

最后得到老师严格程度为甲老师>丁老师>乙老师>丙老师>戊老师。

问题(四)为了颁发奖项合理,先选择出分数均值比较高的参赛队,再考虑参赛队被多数五位老师一致认可的程度大小,即老师评分中分数波动性比较小者。

规定复评人数不得超过30人且其分数均值不得低于80。

我们先用excel筛选出均值不低于80组,再对这些参赛队的方差进行排序。

根据方差的严格排序,给予30个人复评的机会。

最后我们得到的30组分别为。

数学建模协会模拟赛对学生学习成绩情况的分析

数学建模协会模拟赛对学生学习成绩情况的分析

数学建模协会模拟赛对学生学习成绩情况的分析篇一:学生学习成绩评价2017徐州工程学院数学建模协会模拟赛承诺书我们仔细阅读了中国大学生数学建模竞赛的竞赛规则。

我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。

我们知道,抄袭别人的成果是违反竞赛规则的,如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。

如有违反竞赛规则的行为,我们将受到严肃处理。

参赛队员: 1. 马婷日期:年月日评价学生综合积分模型摘要本篇论文主要讨论如何通过较为合理的评价预测方法,不依靠学生“平均分”来较为全面的评估学生学习状况的问题。

针对这一问题,我们主要采用模糊综合评价的方法对学生做出一个整体的评价,采用GM(1,1)灰色预测的方法对学生未来两个学期的学习状况做出预测。

对于问题一:我们通过对所给附件数据的分析,依据其整体的平均分xi,方差s2及标准差s,得出该校上半学期于下半学期的平均分相差不大,但下半学期的略高于上半学期,且下半学期的分数变化波动较上半学期偏大。

对于问题二:我们建立了两个数学模型。

第一个模型引入了“参照值”这一概念,即以每学期成绩排名前100名学生的平均成绩作为参照,再用每位学生每学期的成绩减去参照值,定义为Fi(i?1,2,3,4),再定义分数差的差fi(i?1,2,3),其中fi?Fi?F(i?1)i?1,2,3,最后为衡量四次综合成绩的变动情况,通过公式:f?求得每个学生的进步指数,将学生进步指数与平均分之和作为学生的综合指标。

即:综合分数=进步指数+平均分数,利用EXCEL 我们得出?式为:Z分数=(X-M)/S(考生的原分数-班级平均值)/标准差,由于Z分数是用小数和负数表达的,用公式:标准分数?100Z?50,利用EXCEL中的数学公式,得出每位学生每次成绩的标准分数,再求出标准分数的平均值,并排序,得出学生序号为46的标准分数最高为657.0508,其次为学生序号223的标准分数643.5749。

学生成绩评价的建模与优化

学生成绩评价的建模与优化

学生成绩评价的建模与优化评价学生成绩是教育领域中一个重要且复杂的任务。

学生成绩既是对学生学习成果的总结,也是对教育质量的评判。

因此,学生成绩评价的建模与优化成为了一个不可忽视的问题。

本文将讨论学生成绩评价的建模方法以及如何优化学生成绩评价的准确性和公平性。

一、学生成绩评价的建模方法1. 传统建模方法:传统的学生成绩评价方法主要基于学生的考试得分,以定量分数作为评价标准。

这种方法具有简单直观的优点,但存在着一些问题。

首先,单一的考试成绩不能全面反映学生的学习状况。

其次,由于考试存在一定的主观性,学生成绩评价容易受到教师个体效应的影响。

因此,传统建模方法需要引入更多因素进行评价。

2. 多维度建模方法:多维度建模方法通过考虑学生的多个方面因素,如课堂表现、作业完成情况、实验报告等,综合评价学生的学习成绩。

这种方法能够更全面地反映学生的学习状况,减少单一考试成绩的主观性。

同时,多维度建模方法可以更好地发现学生的优势和不足之处,为个性化教育提供参考。

3. 统计建模方法:统计建模方法是目前学生成绩评价中用得较多的方法之一。

通过收集并分析大量学生的学习数据,运用数学统计方法建立数学模型来评估学生的学习状况。

这种方法不仅可以减少主观性,还可以通过模型的迭代和优化来提高评价的准确性和可信度。

二、学生成绩评价的优化方法1. 主观因素的减弱:为了提高学生成绩评价的公平性,需要减弱教师个体的主观因素对评价结果的影响。

可以通过建立明确的评价标准和指标,制定严格的评价流程和规定,确保评价的客观性和一致性。

此外,可以引入多角度评价的方式,收集多个教师的评价,最后取平均值作为学生成绩的评价结果。

2. 数据的有效整合:在评价学生成绩时,需要将学生的各类学习数据进行有效的整合。

这包括考试成绩、平时表现、课堂参与等多个方面的数据。

通过数据整合和分析,能够更准确地评估学生的学习状况,发现学生的优势和不足之处,并为教师提供有针对性的教育策略。

数学建模竞赛成绩的评定

数学建模竞赛成绩的评定

数学建模竞赛成绩的评定摘要如今数学建模已受到全球的关注和国家的支持。

学校借此就举行了一年一度的数学建模比赛,为了选取优秀的学生,学校安排了5位老师对他们评分。

本模型在缺失数据的前提下,建立了最优化的模型,使学校在选拔优秀的学生前提下,较合理的规划出参赛队的最优模型。

问题(一)针对数据缺失和每位老师的评分标准不同的情况下,我们数理统计模型,力求能得到每个队的老师评分分数及综合打分情况,然后用集中趋势分析得到缺失的数据,最后通过Matlab作图验证所得分数是否合理。

集中趋势分析法,我们假设参赛队的评分数据服从正态分布,根据统计理论。

其中我们估计,老师甲对9号参赛队的评分是77,老师乙对25号参赛队的评分是80,老师丙对58号参赛队者的评分是80。

问题(二)我们考虑把参赛队得分的平均值作为颁发奖项的标准。

先通过利用Excel计算出101组参赛组的平均成绩,再利用excel将101组参赛队对应的平均成绩按从大到小的顺序排列。

最后我们通过excel表格得出参赛队的排名顺序。

问题(三)忽略每个老师对各个招参赛队的主观评价,客观性评价每组参赛队。

在仅知道老师对参赛队的评分数据的情况下,分数的平均值,方差及变异系数等都是评价老师评分严格和宽松的因素。

其中平均值,方差及方差都可以Matlab计算,但是由于数据过多,最后我们还使用了Excel计算得到它们的值。

且变异系数越大,说明老师越严格,反之说明老师越宽松。

最后得到老师严格程度为甲老师>丁老师>乙老师>丙老师>戊老师。

问题(四)为了颁发奖项合理,先选择出分数均值比较高的参赛队,再考虑参赛队被多数五位老师一致认可的程度大小,即老师评分中分数波动性比较小者。

规定复评人数不得超过30人且其分数均值不得低于80。

我们先用excel筛选出均值不低于80组,再对这些参赛队的方差进行排序。

根据方差的严格排序,给予30个人复评的机会。

最后我们得到的30组分别为。

学生成绩评价的数学建模3

学生成绩评价的数学建模3

为相应的各个因素的权重值分配是合理的 , W 可
作为权向量.
二级指标层共包含 4 个因素 , 分别属于 A1 、 A2 , 其判断矩阵分别为 : J1 , J2
1 J1 = 3 /2
2 /3 1
,
λ m ax
= 2,
w1 = ( 0. 399, 0. 598)
λ C I = m ax
-
n = 0,
平均随机一致性指标
大学线性代数作为基础课 , 其知识在数字化 的今天是不可取代的 , 而对学生成绩的评价是整 个教学环节中十分重要的一环. 对学生的成绩的 测评应该是对学生知识面 、实际能力等诸多方面 的测评. 因此 , 有必需采用层次分析法构建一个 数学模型以便能多角度 、多层次 、立体的 、全方 位的对学生成绩的进行考察.
W E I Q iang1 , YANG Q i2Hong2 (1. Group of Graduate, AFRA , W uhan 430019, China; 2. B eijing Forestry University, Beijing 100083, China)
Abstract: In order to give students a fair and just evaluation, the paper take the achievem ents of ordinary homework, behaviors in class and the achievem ents of term inal exam for examp le, and the analytic hierarchy p rocess (AHP) is app lied to construct the mathematical model. It also offers a method which combines the qualitative analysis w ith the quantitative analysis, w ith the focus on the latter. It is p roved scientific and rea2 sonab le. Key words: mathematical structure model; analytic hierarchy p rocess; B. K. F
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

数学建模——如何正确、合理的评价学生成绩
我们仔细阅读了曲阜师范大学大学生数学建模竞赛的竞赛规则.
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。

我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。

如有违反竞赛规则的行为,我们
将受到严肃处理。

我们参赛选择的题号是B/观、合理地评价学生的学习状况
参赛队员:***0710601079(07级应数一班)
***0710601144(07级应数一班)
***0710601002(07级应数一班)
日期 2009 年 5 月 28 日
客观、合理地评价学生的学习状况
本文以学生的四个学期的考试成绩为依据,从考试的排名的估计和排名的方法两个方面对学生的学习成绩进行了探讨并对学生下个学期的考试成绩进行了预测。

在文章的前半部分,借助了概率统计、运筹学和决策论的相关知识和理论对学生的学习成绩进行了分析;文章的后半部分运用概率统计的次序统计
量对学生的下个学期的成绩进行了预测。

关键词:平均值、数学期望、方差、标准分数
符号引入:i表示第个i学生;
NUM(i,j)表示第个i学生的第j学期成绩;
AVE(i)表示第i个学生的四学期成绩平均数;
VAR(i)表示第i个学生四学期学习成绩标准差;
客观、合理地评价学生的学习状况
评价学生学习状况的目的是激励优秀学生努力学习取得更好的成绩,同时鼓励基础相对薄弱的学生树立信心,不断进步。

然而,现行的评价方式单纯的根据“绝对分数”评价学生的学习状况,忽略了基础条件的差异;只对基础条件较好的学生起到促进作用,对基础条件相对薄弱的学生很难起到鼓励作用。

假定四次考试试题难易适当,并且每个学生都发挥出应有水平。

公式简述:
(1)平均数:即所统计的全部成绩的算术平均数。

它反映了该成绩的集中趋势和大概水平,是一种
“集中量数”,
计算公式:= 即=
(2)标准差:是一种差异量数,反映一组数据的离中趋势,它可以量化地表达被统计数据的离散程度。

标准差大则考试成绩分布离散,标准差小则考试成绩比较集中。

计算公式:
即:
以下为方法简述
(一)学生整体成绩分析;
将学生四个学期成绩成绩汇总,求出下列数据AVE(i), VAR(i)(0<i<613)
数据分析见附件(1)。

通过对数据的分析可以得到以下结论:
①各个学期的成绩的平均数
72.55265118 74.37354589 73.17025861 75.06303876
起伏不大,在2分之间。

这说明在假设前提下学生的整体情况稳定。

②通过对个个学期的成绩的标准差
90.25104542 112.3051715 81.23838736 104.9048095
分析可得,标准差相差也不大,说明各个学期的成绩总体水平稳定
(二)对学生的个体成绩的评价
方法:取各个学期学生成绩的平均数的中位数(PZ))和标准差的中位数(BZ)作为标准,把学生的各学期成绩进行筛选和降序排列,依据为,学生成绩平均数大于(小于)(PZ)和标准差小于(大于)
(BZ),把学生分为四等。

(1)学生成绩平均数大于(PZ)和标准差小于(BZ),说明该类学生学习成绩较好并且
各个学期比较稳定。

(2)学生成绩平均数大于(PZ)和标准差大于(BZ),说明这类学生的整体学习成绩较
好,但是起伏较大。

这类学生又可分为两类:
①前一个或两个学期的成绩不理想,但是在后几个学期中努力,进步较大。

②前一个或两个学期成绩较好,但是后几个学期成绩下滑。

虽然总成绩很好但是出现了学习不认
真的现象。

(3)学生成绩平均数(小于)(PZ)和标准差小于(大于)(BZ)。

这说明该类学生四个学期整体成绩都不好,虽然有起伏但无明显的进步或后退。

具体数据和操作方法见附件(2)
(三)对各个学生后两个学生的预测。

假设:后两个学期各个学生的学习仍然维持在上述状况。

(1)第一种情况(对应(二)中(1)),这些学生很稳定,后两个学期会一直会继续稳定的发
挥。

(2)第二种情况(对应(二)中(2)①),这些学生有明显进步,在后两个学期的学期中会取
得好的成绩。

(3)第三种情况(对应(二)中(2)②),这些学生学习出现下滑,在后两个学期的学习如不
改变学习方法和态度会继续下滑。

(4)第四种情况(对应(二)中(3)),这些学生会一直学习不太理想。

附件2
#include <stdio.h>
#define BZ 73.46507
#define PZ 73.78907
main()
{
int x1=0,x2=0,x3=0,x4=0;
int i,j,s1[613],s2[613],s3[613];
float a[613][4],b[613][2];
for(i=1;i<613;i++)
{
scanf("%f,%f,%f,%f\n",&a[i][1],&a[i][2],&a[i][3],&a[i][4]);
} // 输入所有学生数据//
for(i=1;i<613;i++)
{
scanf("%f,%f,%f,%f\n",&b[i][0],&b[i][1]);//输入每个学生的成绩的平均值,标准差//
}
for(i=1;i<613;i++)
{
for(x1=0;j<2;j++)
{
if(b[i][0]>PZ)
{
if(b[i][1])
s1[x1++]=i;
else
s2[x2++]=i;
}
else
s3[x3++]=i;
}
}
printf("级别为a的学生为:")
for(i=0;i<x1;i++)
printf("%d ",s1[i]);
printf("/n");
printf("级别为b的学生为:")
for(i=0;i<x2;i++)
printf("%d ",s2[i]);
printf("/n");
printf("级别为c的学生为:")
for(i=0;i<x3;i++)
printf("%d ",s3[i]); printf("/n");。

相关文档
最新文档