CN107203614A - 一种学生成绩自分析智能化方法 - Google Patents
一种学生成绩自分析智能化方法 Download PDFInfo
- Publication number
- CN107203614A CN107203614A CN201710369175.3A CN201710369175A CN107203614A CN 107203614 A CN107203614 A CN 107203614A CN 201710369175 A CN201710369175 A CN 201710369175A CN 107203614 A CN107203614 A CN 107203614A
- Authority
- CN
- China
- Prior art keywords
- student
- subject
- test subject
- achievement
- examination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 abstract description 3
- 239000004575 stone Substances 0.000 abstract description 3
- 238000003786 synthesis reaction Methods 0.000 abstract description 3
- 230000007774 longterm Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种学生成绩自分析智能化方法，包括以下步骤：S1、记录学生自入学起每次考试的考试科目以及科目成绩；S2、在预设时间段综合学生每次考试的考试科目以及科目成绩进行分析，得出学生成绩分析结果。本发明提出的方法，可在预设时间段对学生的考试科目以及科目成绩进行分析，得出学生在不同时间段对不同科目的学习兴趣和学习成果的比较。本发明提出的学生成绩自分析方法，不仅有利于分析出学生在不同科目上的发展趋势和兴趣偏好，而且有利于为学生提供全面且准确的学习效果检验标准，方便学生根据本方法的分析结果对自身的学习情况和学习状态进行调节，保证学生成绩全面健康的发展。
Description
技术领域
本发明涉及成绩智能分析方法技术领域，尤其涉及一种学生成绩自分析智能化方法。
背景技术
随着科技的发展和文化的进步，人们越来越重视对未成年人的教育问题。在对未成年人进行教育的过程中，不仅要重视学生在学校内接受的文化课教育，而且还重视对学生兴趣爱好的培养。但学生在学校内接受文化课教育时，家长和老师往往是根据学生近期内的考试成绩来对学生的学习情况进行分析和总结，难以保证家长和老师对学生学习情况分析结果的准确性；且在对学生兴趣爱好的培养方面，家长和学生的选择不够客观，存在跟风的情况，不仅不利于学生的全方面发展，而且难以保证学生在培养项目方面的发展，同时忽略了学生的潜能所在。
为全面且准确的对学生的学习情况进行分析，需要一种智能化分析方法，对学生每一次的考试科目和考试成绩进行采集和记录，并根据记录的信息针对性的对学生的学习情况进行分析，不仅有利于分析出学生在学习方面的发展方向和偏好方向，为学生指引兴趣发展方向，而且有利于学校、家长和学生自己根据分析结果了解到学生的优势学科和劣势学科，方便为学生制定针对性的学习计划，补缺补差，保障学生学习成绩的全面化发展和进步。
发明内容
基于背景技术存在的技术问题，本发明提出了一种学生成绩自分析智能化方法。
本发明提出的学生成绩自分析智能化方法，包括以下步骤：
S1、记录学生自入学起每次考试的考试科目以及科目成绩；
S2、在预设时间段综合学生每次考试的考试科目以及科目成绩进行分析，得出学生成绩分析结果。
优选地，步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，将同一考试科目的科目成绩按照考试时间的先后顺序进行排列并作出走势图；
分析同一考试科目的科目成绩走势图，并将考试时间分为n段，分别计算n段时间内考试成绩的平均分，记为A1、A2、A3……An，记录Aj>Aj-1的个数B，当B>B1时，将该考试科目的名称列入第一信息库；
汇总第一信息库内的考试科目的名称，并将上述考试科目的名称作为学生的特长学科；
其中，2≤j≤n，B1为预设值。
优选地，步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，将同一次考试中的各考试科目的科目成绩C分别与该考试科目的平均分C0进行比较，当C≥aC0时，将该考试科目的名称列入第二信息库，当C≤bC0时，将该考试科目的名称列入第三信息库；
汇总第二信息库内的考试科目的名称，将上述考试科目的名称作为学生的优势学科；
汇总第三信息库内的考试科目的名称，将上述考试科目的名称作为学生的弱势学科；
其中，a>1，0<b<1。
优选地，步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，分别记录学生每次考试中的各考试科目的科目成绩D与该考试科目的平均分D0，并将参加上述考试科目的学生的所有考试成绩存储于第一成绩集合并降序排列；
将D与D0进行比较，当D≥cD0时，获取第一成绩集合内前m个成绩，计算出上述m个成绩的平均值Dm，将D与Dm进行比较，当D≥dDm时，将该考试科目的名称列入第四信息库；
汇总第四信息库内的考试科目的名称，将上述考试科目的名称作为学生的最优学科；
其中，c>1，d>1，m为预设值。
本发明提出了一种学生成绩自分析智能化方法，可在预设时间段对学生的考试科目以及科目成绩进行分析，得出学生在不同时间段对不同科目的学习兴趣和学习成果的比较，例如，可在需要选择文理科时分析学生的成绩，分析出学生的优势学科和弱势学科，有利于为学生提供选择文理科时的指引方向；也可在需要选择兴趣学科或兴趣方向时，分析出学生实际的能力偏向，方便学生根据自身的能力偏向选择针对性强的兴趣方向，更有利于学生在上述兴趣方向上的发展。具体地：本发明系统且全面的采集学生在各时期的考试科目以及科目成绩，全面的信息采集有利于提高分析结果的精度和有效性，然后综合学生各时期的考试科目以及科目成绩，并单独分析同一科目成绩变化的走势图、同一次考试各科目的成绩、每次考试中每个科目的成绩，分析出同一科目的变化有利于掌握学生近期以及长期的学习效果的变化，提高分析结果的准确性，且分析出同一次考试中各考试科目的成绩，并根据预设的考核标准对学生的成绩进行分析，得出学生的优势学科、弱势学科以及最优学科，方便家长、老师、学生根据分析结果为学生制定针对性的学习计划，保证学生成绩的全面发展。
本发明提出的学生成绩自分析方法，不仅有利于分析出学生在不同科目上的发展趋势和兴趣偏好，而且有利于为学生提供全面且准确的学习效果检验标准，方便学生根据本方法的分析结果对自身的学习情况和学习状态进行调节，保证学生成绩全面健康的发展。
附图说明
图1为一种学生成绩自分析智能化方法的步骤示意图。
具体实施方式
如图1所示，图1为本发明提出的一种学生成绩自分析智能化方法。
参照图1，本发明提出的学生成绩自分析智能化方法，包括以下步骤：
S1、记录学生自入学起每次考试的考试科目以及科目成绩；通过全面且准确的记录学生自入学起每次考试的考试科目以及科目成绩，有利于在必要时根据学生的实际情况对学生的学习发展趋势进行判断，方便为学生提供准确的学习方向指引；
S2、在预设时间段综合学生每次考试的考试科目以及科目成绩进行分析，得出学生成绩分析结果；
步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，将同一考试科目的科目成绩按照考试时间的先后顺序进行排列并作出走势图；
分析同一考试科目的科目成绩走势图，并将考试时间分为n段，分别计算n段时间内考试成绩的平均分，记为A1、A2、A3……An，通过将学生的考试时间进行分段，有利于分析出不同时间段内学生的成绩变化情况，且将当前时间段分割为多个小时间段，有利于对每个小时间段内的学生成绩进行分析，可提高成绩分析的有效性，在分析过程中，记录Aj>Aj-1的个数B，当B>B1时，表明该时间段内学生的成绩较上一次时间段内有进步，且该学生成绩逐渐进步的次数较多，该情况反映出学生在该考试科目上的学习状态保持为上升趋势，则将该考试科目的名称列入第一信息库；
汇总第一信息库内的考试科目的名称，并将上述考试科目的名称作为学生的特长学科；由于该学生在上述考试科目的连续次考试中成绩均属于上升趋势，表明该学生的该考试科目的学习情况较好，因此将上述考试科目作为学生的特长学科较为合理；
学生或者家长可结合第一信息库内的信息来了解学生的特长偏好方向，为加强和巩固学生良好的学习效果做准备；同时，当学生进行文理分科时，上述第一信息库内的信息可作为学生选择科目的有力参考依据，为学生提供有效的指引方向；
其中，2≤j≤n，B1为预设值。
在进一步的实施例中，步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，将同一次考试中的各考试科目的科目成绩C分别与该考试科目的平均分C0进行比较，当C≥aC0时，表明学生该考试科目的科目成绩远远超过于考试平均分，则该学生在该考试科目的学习成绩较佳，因此将该考试科目的名称列入第二信息库，当C≤bC0时，表明学生该考试科目的科目成绩远远低于考试平均分，可能存在该学生在该考试科目方面有严重欠缺的情况，此时将该考试科目的名称列入第三信息库；
汇总第二信息库内的考试科目的名称，将上述考试科目的名称作为学生的优势学科，由于第二信息库内的考试科目的科目成绩远远高于平均分，因此将该考试科目作为学生的优势学科较为合理；
汇总第三信息库内的考试科目的名称，将上述考试科目的名称作为学生的弱势学科，学生以及教师可通过查看第三信息库内的信息得知学生的薄弱学科，从而方便家长和老师根据学生的实际学习情况为学生进行针对性的补缺补差，保证学生成绩的均衡发展；
其中，a>1，0<b<1；
通过上述方法，可得知学生的薄弱学科以及优势学科，不仅可以帮助学生进行针对性的提高和巩固，而且可以为学生在学生方面的兴趣爱好的发展提供正确的指引方向。
在更进一步的实施例中，步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，分别记录学生每次考试中的各考试科目的科目成绩D与该考试科目的平均分D0，并将参加上述考试科目的学生的所有考试成绩存储于第一成绩集合并降序排列；
将D与D0进行比较，当D≥cD0时，表明该学生的该考试科目的科目成绩远远高于平均分，此时为进一步分析该学生在上述考试科目的成绩分布，获取第一成绩集合内前m个成绩，计算出上述m个成绩的平均值Dm，该平均值Dm为排名靠前的科目成绩的平均数，此时将D与Dm进行比较，当D≥dDm时，表明该学生的科目成绩在该考试科目属于拔尖水平，此时将该考试科目的名称列入第四信息库；
汇总第四信息库内的考试科目的名称，将上述考试科目的名称作为学生的最优学科，如此，可有效地分析出该考试科目的学习成绩最佳的学生，方便学校和教师组织上述学生为其它学生进行科目学习的指引和交流，促进学生的全面进步和发展；
其中，c>1，d>1，m为预设值。
本实施方式提出了一种学生成绩自分析智能化方法，可在预设时间段对学生的考试科目以及科目成绩进行分析，得出学生在不同时间段对不同科目的学习兴趣和学习成果的比较，例如，可在需要选择文理科时分析学生的成绩，分析出学生的优势学科和弱势学科，有利于为学生提供选择文理科时的指引方向；也可在需要选择兴趣学科或兴趣方向时，分析出学生实际的能力偏向，方便学生根据自身的能力偏向选择针对性强的兴趣方向，更有利于学生在上述兴趣方向上的发展。具体地：系统且全面的采集学生在各时期的考试科目以及科目成绩，全面的信息采集有利于提高分析结果的精度和有效性，然后综合学生各时期的考试科目以及科目成绩，并单独分析同一科目成绩变化的走势图、同一次考试各科目的成绩、每次考试中每个科目的成绩，分析出同一科目的变化有利于掌握学生近期以及长期的学习效果的变化，提高分析结果的准确性，且分析出同一次考试中各考试科目的成绩，并根据预设的考核标准对学生的成绩进行分析，得出学生的优势学科、弱势学科以及最优学科，方便家长、老师、学生根据分析结果为学生制定针对性的学习计划，保证学生成绩的全面发展。
本实施方式提出的学生成绩自分析方法，不仅有利于分析出学生在不同科目上的发展趋势和兴趣偏好，而且有利于为学生提供全面且准确的学习效果检验标准，方便学生根据本方法的分析结果对自身的学习情况和学习状态进行调节，保证学生成绩全面健康的发展。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种学生成绩自分析智能化方法，其特征在于，包括以下步骤：
S1、记录学生自入学起每次考试的考试科目以及科目成绩；
S2、在预设时间段综合学生每次考试的考试科目以及科目成绩进行分析，得出学生成绩分析结果。
2.根据权利要求1所述的学生成绩自分析智能化方法，其特征在于，步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，将同一考试科目的科目成绩按照考试时间的先后顺序进行排列并作出走势图；
分析同一考试科目的科目成绩走势图，并将考试时间分为n段，分别计算n段时间内考试成绩的平均分，记为A1、A2、A3……An，记录Aj>Aj-1的个数B，当B>B1时，将该考试科目的名称列入第一信息库；
汇总第一信息库内的考试科目的名称，并将上述考试科目的名称作为学生的特长学科；
其中，2≤j≤n，B1为预设值。
3.根据权利要求1所述的学生成绩自分析智能化方法，其特征在于，步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，将同一次考试中的各考试科目的科目成绩C分别与该考试科目的平均分C0进行比较，当C≥aC0时，将该考试科目的名称列入第二信息库，当C≤bC0时，将该考试科目的名称列入第三信息库；
汇总第二信息库内的考试科目的名称，将上述考试科目的名称作为学生的优势学科；
汇总第三信息库内的考试科目的名称，将上述考试科目的名称作为学生的弱势学科；
其中，a>1，0<b<1。
4.根据权利要求1所述的学生成绩自分析智能化方法，其特征在于，步骤S2具体包括：
在预设时间段综合学生每次考试的考试科目以及科目成绩，分别记录学生每次考试中的各考试科目的科目成绩D与该考试科目的平均分D0，并将参加上述考试科目的学生的所有考试成绩存储于第一成绩集合并降序排列；
将D与D0进行比较，当D≥cD0时，获取第一成绩集合内前m个成绩，计算出上述m个成绩的平均值Dm，将D与Dm进行比较，当D≥dDm时，将该考试科目的名称列入第四信息库；
汇总第四信息库内的考试科目的名称，将上述考试科目的名称作为学生的最优学科；
其中，c>1，d>1，m为预设值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710369175.3A CN107203614A (zh) | 2017-05-23 | 2017-05-23 | 一种学生成绩自分析智能化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710369175.3A CN107203614A (zh) | 2017-05-23 | 2017-05-23 | 一种学生成绩自分析智能化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107203614A true CN107203614A (zh) | 2017-09-26 |
Family
ID=59906158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710369175.3A Pending CN107203614A (zh) | 2017-05-23 | 2017-05-23 | 一种学生成绩自分析智能化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107203614A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108460705A (zh) * | 2018-02-07 | 2018-08-28 | 钦州学院 | 一种物理智能教学系统 |
| CN108985988A (zh) * | 2018-07-16 | 2018-12-11 | 安徽国通亿创科技股份有限公司 | 一种基于在线教学学业成长算法 |
| CN109035941A (zh) * | 2018-09-20 | 2018-12-18 | 合肥霞康电子商务有限公司 | 一种基于物联网的家庭教育互动系统 |
| CN109215410A (zh) * | 2018-11-19 | 2019-01-15 | 汕头市美致模型有限公司 | 一种基于智能教学机器人的控制系统 |
| CN110688409A (zh) * | 2019-09-19 | 2020-01-14 | 北京作业盒子科技有限公司 | 学习状态的挖掘方法、推荐方法及电子设备 |
| CN110718105A (zh) * | 2019-10-10 | 2020-01-21 | 江苏曲速教育科技有限公司 | 个性化个人假期作业本、生成方法及使用方法 |
| CN111063228A (zh) * | 2019-12-31 | 2020-04-24 | 浙江正元智慧科技股份有限公司 | 一种基于互联网的考试系统 |
| CN111160743A (zh) * | 2019-12-19 | 2020-05-15 | 广东德诚大数据科技有限公司 | 一种对比分析历次考试成绩的数据处理系统 |
| CN112884304A (zh) * | 2021-02-02 | 2021-06-01 | 温州洪启信息科技有限公司 | 一种基于大数据的在线远程教育系统 |
| CN113538182A (zh) * | 2021-06-18 | 2021-10-22 | 深圳市沃特沃德信息有限公司 | 监督学习情况的方法、装置和计算机设备 |
| CN115578226A (zh) * | 2022-11-04 | 2023-01-06 | 广州宏途数字科技有限公司 | 一种基于大数据的学情分析方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693517A (zh) * | 2012-05-18 | 2012-09-26 | 苏州慧飞信息科技有限公司 | 学生成绩管理分析系统 |
| CN104850663A (zh) * | 2015-06-09 | 2015-08-19 | 苏州点通教育科技有限公司 | 考试成绩录入和分析系统及方法 |
| CN106373055A (zh) * | 2016-08-31 | 2017-02-01 | 武汉颂大教育科技股份有限公司 | 一种基于大数据的教学质量测评系统 |
-
2017
- 2017-05-23 CN CN201710369175.3A patent/CN107203614A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102693517A (zh) * | 2012-05-18 | 2012-09-26 | 苏州慧飞信息科技有限公司 | 学生成绩管理分析系统 |
| CN104850663A (zh) * | 2015-06-09 | 2015-08-19 | 苏州点通教育科技有限公司 | 考试成绩录入和分析系统及方法 |
| CN106373055A (zh) * | 2016-08-31 | 2017-02-01 | 武汉颂大教育科技股份有限公司 | 一种基于大数据的教学质量测评系统 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108460705A (zh) * | 2018-02-07 | 2018-08-28 | 钦州学院 | 一种物理智能教学系统 |
| CN108985988A (zh) * | 2018-07-16 | 2018-12-11 | 安徽国通亿创科技股份有限公司 | 一种基于在线教学学业成长算法 |
| CN109035941A (zh) * | 2018-09-20 | 2018-12-18 | 合肥霞康电子商务有限公司 | 一种基于物联网的家庭教育互动系统 |
| CN109215410A (zh) * | 2018-11-19 | 2019-01-15 | 汕头市美致模型有限公司 | 一种基于智能教学机器人的控制系统 |
| CN110688409A (zh) * | 2019-09-19 | 2020-01-14 | 北京作业盒子科技有限公司 | 学习状态的挖掘方法、推荐方法及电子设备 |
| CN110718105A (zh) * | 2019-10-10 | 2020-01-21 | 江苏曲速教育科技有限公司 | 个性化个人假期作业本、生成方法及使用方法 |
| CN111160743A (zh) * | 2019-12-19 | 2020-05-15 | 广东德诚大数据科技有限公司 | 一种对比分析历次考试成绩的数据处理系统 |
| CN111063228A (zh) * | 2019-12-31 | 2020-04-24 | 浙江正元智慧科技股份有限公司 | 一种基于互联网的考试系统 |
| CN112884304A (zh) * | 2021-02-02 | 2021-06-01 | 温州洪启信息科技有限公司 | 一种基于大数据的在线远程教育系统 |
| CN113538182A (zh) * | 2021-06-18 | 2021-10-22 | 深圳市沃特沃德信息有限公司 | 监督学习情况的方法、装置和计算机设备 |
| CN115578226A (zh) * | 2022-11-04 | 2023-01-06 | 广州宏途数字科技有限公司 | 一种基于大数据的学情分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107203614A (zh) | 一种学生成绩自分析智能化方法 | |
| Nicholls et al. | Stressors, coping, and coping effectiveness: Gender, type of sport, and skill differences | |
| Maulana et al. | Validating a model of effective teaching behaviour of pre-service teachers | |
| Crawford | Socio-economic differences in university outcomes in the UK: drop-out, degree completion and degree class | |
| Verhaeghe et al. | Inequalities in social capital and their longitudinal effects on the labour market entry | |
| Lai | Are boys left behind? The evolution of the gender achievement gap in Beijing's middle schools | |
| Grave | The effect of student time allocation on academic achievement | |
| Burney et al. | The efficiency of public schools: the case of Kuwait | |
| Goni et al. | Gender Difference in Students' Academic Performance in Colleges of Education in Borno State, Nigeria: Implications for Counselling. | |
| Zientek et al. | Characterizing the mathematics anxiety literature using confidence intervals as a literature review mechanism | |
| Roth | Interpersonal influences on educational expectations: New evidence for Germany | |
| Hartog et al. | University rank and bachelor's labour market positions in China | |
| Schober* et al. | Is research on gender‐specific underachievement in gifted girls an obsolete topic? New findings on an often discussed issue | |
| Lenkeit | Effectiveness measures for cross-sectional studies: A comparison of value-added models and contextualised attainment models | |
| Danhier | How big is the handicap for disadvantaged pupils in segregated schooling systems? | |
| Quirk et al. | Preliminary development of a kindergarten school readiness assessment for Latino students | |
| CN110648259A (zh) | 基于大数据的高考志愿评估系统 | |
| Jensen et al. | International migration and the academic performance of Mexican adolescents | |
| Gayle et al. | Young people and school General Certificate of Secondary Education attainment: Looking for the ‘missing middle’ | |
| Shephard et al. | Quality Daily Physical Education for the Primary School Student: A Personal Account of the Trois-Rivières Regional Project | |
| Yesil Dagli et al. | The Effects of On-time, Delayed and Early Kindergarten Enrollment on Children's Mathematics Achievement: Differences by Gender, Race, and Family Socio-economic Status. | |
| Valli | Creating a questionnaire for a scientific study | |
| Connelly et al. | Young people and school GCSE attainment: Exploring the ‘middle’ | |
| CN112685632A (zh) | 一种学业分析推荐系统 | |
| Vidal Rodeiro et al. | Meaningful destinations: using national data to investigate how different education pathways support young people’s progression in England |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170926 |