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(2)-数据分析师考试
五、如何简洁作出标准分的数据? 打开08级成绩,看“原始分换算成标准分”,分别在语文、数学、…后面插入一列,例如:白月同学的语文标准分是108,在其后面的空格中输入:=100*(D2-AVERAGE(D$3:D$746))/STDEVP(D$3:D$746)+500这就将白月同学的语文成绩转化为标准分了,成绩是445分。只需要双击445就可以将所有高一的学生语文成绩都转化为标准分了,只需复制这一列到数学后一列,就自动生成了数学的标准分了,同理可得到其他各科的标准分。
六、如何对数据进行分析
1、任课教师如何通过数据对学生进行指导
打开08级成绩,看“学生标准分与班级各科平均分”,例如:通过白月同学的成绩可以明显看出,她的理科相对比较强,尤其数学非常突出,超过了86.65%的同学,文科相对比较薄弱,尤其历史,有86.21%的同学超过了她。再看“学生增值与班级各科平均增值”,白月同学的数学、化学较上次期中考试进步幅度较大,而语文、历史、地理较上次期中考试退步也很明显。任课教师可以深入了解白月同学的学习方法与学习习惯,针对本学科的特点,提供给她一些合理化的建议。
2、任课教师如何通过数据反思自己的教学打开08级成绩,看“学生标准分与班级各科平均分”,例如:高一、1班的英语平均分为531,在全班各科名列第一,在高一外语中也名列第一,在高一各科中也名列前茅,因此这个班的英语不仅是班级的优势科,也是高一级部的优势科。再看“学生增值与班级各科平均增值”,高一、1班的英语平均增值为9,增值率(正增值的学生数除以学生总数)为55.32%,说明该科老师的教学对高一、1班学生的正影响较大。
Excel应对特殊学生成绩分析统计
1.考试混合编,成绩统一理--老方法遇到新问题
关于使用Excel进行学生成绩处理,已经是老话题了。但在实际工作中还是会有很多新问题,例如,现在很多学校都是全年级各班混在一起考试,以防考试改卷中的不正当竞争。而统计成绩时,则是将已判分但未拆封的考卷统一交到教务处,先按座位号顺序(每本考卷的自然顺序)录入各科分数,再分析统计出全年级各科成绩。举例说明,如图1(记录11至830隐藏了),要统计二(1)班优秀人数,传统做法就是先按考试号排序,再通过公式“=COUNTIF(分数!D2:D69,">=96")”求出。它的弊端是要手工逐个修改“D2:D69”这个参数中的两个行号(2和69),这可是一项工作量很大的工作。当然,简单的方法还是有的,往下看吧。 2.初步准备--考试号里提班级
如图1,从B列的考试号中取出前三位(班级编号)放在S列,即在单元格S2输入公式“=LEFT(B2,3)”,然后双击(或拖动)S2单元格右下角的填充柄即可。3.再做辅表--班级等级二合一
在图1所示的工作簿中再新建一工作表,并将其命名为“等级”,在单元格A1中输入公式“=分数!A1”,回车,选定A1,按住A1右下角的填充柄向右下拖至C840单元格,将“分数”工作表中的姓名、考号、座位号引用到“等级”工作表中(注意,千万不能复制粘贴过来,这样不能保持两表数据的一致性)。再选定C1,按住C1右下角的填充柄向右拖至L1单元格,将语文、数学等9个学科科目引用过来。接着,在D2单元格中输入IF嵌套公式“=IF(分数!D2>=96,分数!$S2&&"a",IF(分数!D2>=72,分数!$S2&&"b",IF(分数!D2<48,分数!$S2&&"d",分数!$S2&&"c")))”。D2单元格中公式的含义是:看“分数!D2”单元格中的分数(即“分数”工作表中李悦的语文分数)是否大于等于96。如果是,则在D2单元格中填入“201a”——“分数”工作表中S2单元格中的字符“201”加上“a”(“201”表示二(1)班,“a”表示成绩等级为“优秀”);如果不是(即小于96),再看是否大于等于72。如果是,则在D2单元格中填入“201b”;如果不是(即小于72),再看是否小于48。如果是,则在D2单元格中填入“201d”;如果不是(即小于72大于48),则在D2单元格中填入“201c”。最后按住D2单元格右下角的填充柄向右下拖至L840单元格,就可以将每个学生各科成绩的等级及所属班级都填好了
4.最终统计--所需数据瞬间齐
辅表制好之后,言归正传回到“统计”工作表(如图2)中,在A17到E28单元格区域中利用自动填充功能再制作一小块辅助数据(如图2)。
万事俱备,下面开始班级总人数及优秀率、及格率等的统计了。仍以二(1)班优秀率为例,现在就改用这样的公式了“COUNTIF(等级!$D:$D,$B17)”,即对“等级”工作表中D列所有单元格进行统计(等级!$D:$D),找出值为“201a”(本工作表即“统计”工作表的$B17的值,代表二(1)班优秀率)的单元格数目。 具体做法如下:
(1)班级总人数(在B4单元格中输入):“=COUNTIF(分数!$S:$S,A17)”;
(2)优秀人数(在C4单元格中输入):“=COUNTIF(等级!$D:$D,$B17)”;
(3)优秀率(在D4单元格中输入):“=C4/$B4 100”;
(4)及格人数(在E4单元格中输入):“=COUNTIF(等级!$D:$D,$B17)+COUNTIF(等级!$D:$D,$C17)”;
(5)及格率(在F4单元格中输入):“=E4/$B4 100”;
(6)低分人数(在G4单元格中输入):”=COUNTIF(等级!$D:$D,$E17)”;
(7)低分率(在H4单元格中输入):“=G4/$B4 100”;
到此为止,其余数据通过自动填充功能,瞬间即可完成。
5.方法点评--一表成,终年用,一劳而永逸
(1)不同年级成绩统计的简单套用:比如,首先制作好了一年级的统计表,通过复制粘贴将第一个工作表(“分数”工作表)的内容更改为二年级的数据表,则二年级的成绩统计便自然而成。
(2)多次考试成绩统计的简单套用:这次考试的统计表,到下次考试成绩统计时,照用不误,只将第一个工作表换成新生的成绩记载就可以了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18