京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如何对考试成绩进行数据分析(1)-数据分析师考试
一、原始分和标准分的定义
原始分是考试后直接从卷面上得到的分数。
标准分是指通过原始分转化而得到的一种地位量数,它反映考生成绩在全体考生成绩中的位置。因此,无论试题难或易,无论整体原始分偏高或偏低,整体标准分都没有什么变化。
二、标准分的计算
根据教育统计学的原理,标准分Z是原始分与平均分的离差以标准差为单位的分数,用公式表示为:Z=(X-A)/S
其中:X为该次考试中考生个人所得的原始分;A为该次考试中全体考生的平均分;S为该次考试分数的标准差。通过转换后得到的标准分Z在一般情况下都带小数,而且会出现负值,实际使用时不太方便,所以还要对Z分数进行线性变换(T变换): T=500+100Z
这就是我们通常所说的标准分。这种标准分的平均值为500,也就是说,如果某考生的标准分为500,则该生的成绩处于此次考试的中间位置。标准分有如下性质:
⑴平均值为0,标准差为1;
⑵分数之间等距,可以作加减运算;
⑶原始分转换为标准分是线性转换,不会改变原始分的分布形状,也不改变原来分数的位置次序。三、使用标准分比使用原始分有什么好处?
根据教育统计学的原理,原始分转换成标准分的意义可以从下面的比较中反映出来:
⑴单个标准分能够反映考生成绩在全体考生成绩中的位置,而单个原始分则不能。
例如,某考生某科的原始成绩为85分,无法说明其这科成绩究竟如何,因为这与试题的难度有关,与总体考生的分数有关。如果某考生某科的标准分为650,即Z分数为1.5,则通过查正态分布表,查得对应的百分比为0.9332,于是我们知道,该考生的成绩超过了93.32%的考生的成绩,这就是分数解释的标准化。⑵不同学科的原始分不可比,而不同学科的标准分是可比的。
不同的学科,由于试题的难易程度不同,各学科的分数价值也就不同。例如某考生的语文原始成绩为80分,数学原始成绩为70分,从原始分看,其语文成绩优于数学成绩。但如果这次考试全体考生的语文原始分平均为86分,而数学原始分平均为60分,则该考生的语文成绩处于全体考生的平均水平之下,而数学成绩处于全体考生的平均水平之上,即该生的数学成绩实质上优于语文成绩。从标准分的角度来衡量,其语文标准分小于500分,而数学标准分大于500分。由于标准分代表了原始分在整体原始分中的位置,因此是可比的。⑶不同学科的原始分不可加,而不同学科的标准分之间具有可加性。
既然不同学科的原始分不可比,那么也就不可加。多学科成绩,只有在各科成绩的平均值相同、标准差也相同的条件下,才能相加,否则是不科学的。各学科原始分的平均值以及标准差一般都不相同,而各学科的标准分的平均值以及标准差都基本相同,因此,各科的标准分是可加的。
四、什么是增值?
教学增值就是评价时将学生原有基础一并考虑,用以比较原有基础与接受教师教育后成绩增进的幅度。增值评价分为两步:首先根据原有基础得到一个输入值;然后根据教育后的成绩得出一个输出值。输出值与输入值之间的差就是增值,用公式表现就是:增值=输出值-输入值
教学增值评价法是一种借助计算机系统和统计程序。对教师的教学效果(即教师对学生学业成绩的影响程度)做出判断的教师评价方法。
一个教师的教学总会有一定的效果.对学生成绩总会产生的影响,但这种影响范围可大可小,可正可负,而教学增值评价就是将这种影响进行量化,进而遴选积极影响、转化消极影响、促成有效教学、扩大受益群体。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12