CN109359816A - 一种基于回归分析的教学加工分析方法及系统 - Google Patents
一种基于回归分析的教学加工分析方法及系统 Download PDFInfo
- Publication number
- CN109359816A CN109359816A CN201811061603.7A CN201811061603A CN109359816A CN 109359816 A CN109359816 A CN 109359816A CN 201811061603 A CN201811061603 A CN 201811061603A CN 109359816 A CN109359816 A CN 109359816A
- Authority
- CN
- China
- Prior art keywords
- student
- examination
- regression analysis
- value
- data
- 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
- 238000000611 regression analysis Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000003754 machining Methods 0.000 title claims abstract description 21
- 230000001419 dependent effect Effects 0.000 claims abstract description 13
- 238000007493 shaping process Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000013480 data collection Methods 0.000 claims abstract description 6
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 23
- 238000011835 investigation Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Educational Technology (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的技术方案包括一种基于回归分析的教学加工分析方法及系统，用于实现：使用数据采集装置采集成绩数据；将采集得到的学生成绩按照分层策略进行分层处理；对进行分层处理的成绩数据执行标准正态化处理；计算不同层次的学生对应的多次考试数据的平均值，求出回归方程；根据递归方程以及学生成绩数据自变量分数得出因变量分数的期望值根据每个学生的实际自变量及期望值，获得差异值和平均值。本发明的有益效果为：均分代表性增加，各层次群体权重相近；能较好地消除学校之间的差异，使回归分析结果更准确；有效地将不同的考试命题差异性消减；消除了两次考试之间的命题难度与考察内容差异对数据分析的干扰。
Description
技术领域
本发明涉及一种基于回归分析的教学加工分析方法及系统，属于计算机教育领域。
背景技术
如何通过对学业成绩的分析来反映学校的管理水平和教师的业务表现，去除考试命题，阅卷，学生临场表现，班级差异，学生基础等干扰因素，形成公平合理的评价标准，一直是教育管理部门关注的技术问题。
现有技术具体如下(1)～(3)所示：
(1)均分排位变化分析法，此方法适用于相同基础的各地市之间的终结性比较，不论各地市的教育起点如何，直接用测试结果的均分进行排名，名次高低代表各地市教育水平的高低。这种分析法优点是:容易理解，容易计算，缺点是:很粗糙，不科学，反应慢，只反映结果，不反映进步程度。
(2)均分对比分析法，将同一个群体同一个科目两次考试的均分进行直接对比，由于可能受到两次考试难度不同，导致均分差异过大，另外标准差不同，也会使均分直接对比受到较大的影响，从而影响比较的效果。
(3)简单标准分对比分析法简单标准分的处理，通过利用与均分的差距比上标准差得到的Z分数，再进行线性变换(100Z+500)，得到平均分为500，标准差为100的简单标准分。通过变换，有效地消除了均分和标准差不同的影响。简单标准分的使用，可以使同一次考试不同科目之间同一科目不同考试之间都可以进行比较，准确性有了较大的提高。这种方法的问题在于：由于试题命制目的不同，两次考试的区分度也不同，如果直接比较，仍存在一定误差，影响评价的精确性。
发明内容
本发明提供本发明提供了一种基于回归分析的教学加工分析方法及系统，基于正态化标准分的分层回归分析有效地解决了评估学校和教师教学成绩的标准问题
本发明的技术方案包括一种基于回归分析的教学加工分析方法，其特征在于，该方法包括以下步骤：S1，使用数据采集装置采集一定区域内多个学生的两次考试的成绩数据；S2，将采集得到的学生成绩按照分层策略进行分层处理，其中分层策略为自定义设置的条件和数值；S3，对进行分层处理的成绩数据执行标准正态化处理；S4，计算不同层次的学生对应的多次考试数据的平均值，将两次考试的平均成绩数据作为因变量和自变量，求出回归方程。
根据所述的基于回归分析的教学加工分析方法，其中该方法还包括：S5，基于所述步骤S4的递归方程以及学生成绩数据自变量分数，得出因变量分数的期望值；S6，根据每个学生的实际自变量及期望值，获得差异值，进一步，计算各各处学生的差异值的平均值。
根据所述的基于回归分析的教学加工分析方法，其中步骤S1还包括：执行数据对齐处理，具体地，对两次考试中的学生ID进行对齐，包括以学生唯一ID为标准将没有在两次考试中都出现的学生从数据中消除。
根据所述的基于回归分析的教学加工分析方法，其中所述步骤S2具体包括：将学生的成绩按名次百分比值进行分层，按输入空间中的分层数量设置，完成全体学生的分层标记。
根据所述的基于回归分析的教学加工分析方法，其中步骤S3具体包括：对学生在相邻两次大型考试中的成绩数据进行标准正态化处理，剔除了两次考试的干扰因子，其中干扰因子包括但不限于两次考试中题目难度、考察内容及考生群体微调。
根据所述的基于回归分析的教学加工分析方法，其中所述步骤S4具体包括：计算各层次学生在两次相邻考试中的标准分的平均分，将两组分数进行回归分析，以前一次考试为自变量，以后一次考试为因变量，得到回归方程。
本发明的技术方案还包括一种基于回归分析的教学加工分析系统，其特征在于，该系统包括：采集模块，使用数据采集装置采集一定区域内多个学生的两次考试的成绩数据；分层模块，用于将采集得到的学生成绩按照分层策略进行分层处理，其中分层策略为自定义设置的条件和数值；正态化模块，用于对进行分层处理的成绩数据执行标准正态化处理；回归分析模块，用于计算不同层次的学生对应的多次考试数据的平均值，将两次考试的平均成绩数据作为因变量和自变量，求出回归方程。
根据所述的基于回归分析的教学加工分析系统，其中该系统还包括：期望值模块，用于根据所述回归分析模块的递归方程以及学生成绩数据自变量分数，得出因变量分数的期望值；差异值模块，用于根据每个学生的实际自变量及期望值，获得差异值，进一步，计算各处学生的差异值的平均值。
本发明的有益效果为：将全市基础相近的学生作为一个群体，分析它们两考正态化标准分的均分之间的相关关系，均分代表性增加，各层次群体权重相近；每个层次包括多所学校，能较好地消除学校之间的差异，使回归分析结果更准确；采用态化标准分，有效地将不同的考试命题差异性消减；以回归算法有效地得出了各学校各层次群体的期望结果与实际结果的差异，消除了两次考试之间的命题难度与考察内容差异对数据分析的干扰。
附图说明
图1所示为根据本发明实施方式的流程图；
图2所示为根据本发明实施方式的回归方程计算示意图；
图3所示为根据本发明实施方式的回归分析表。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
图1所示为根据本发明实施方式的流程图。其流程具体如下：
S1，使用数据采集装置采集一定区域内多个学生的两次考试的成绩数据，其中采集装置可以是分布于学的服务器、计算机等设备；
S2，数据对齐，两次考试中的人群不完全相同，以学生唯一ID为标准，将没有在两次考试中都出现的学生从数据中消除；
S3分层处理，将学生的成绩按名次百分比值进行分层，按输入空间中的分层数量设置，完成全体学生的分层标记；
S4，正态化处理，对同一届学生在两次大型考试中的成绩数据进行标准正态化处理，解决了两次考试考查侧重点不同和区分度不同带来的困扰。
S5，回归分析，计算各层次学生在两次考试中的标准分的平均分，将两组分数进行回归分析，以前一次考试为自变量，以后一次考试为因变量；求出回归方程；
S6，计算期望值，将每个学生的自变量分数代入，得出因变量分数的期望值；
S7，计算差异值，将每个学生的实际自变量分数减去期望值，获得差异值，计算各学校各层次学生的差异值的平均值；此结果就反应了各校各层次学生在两次考试之间，实际结果与理论期望值的差异，也即为教学上的加工变化效果。
图2所示为根据本发明实施方式的回归方程计算示意图。参照图1的步骤S5，对于图2，则可以得到回归方程y＝0.8822x+58.846，R2＝0.9962。
图3所示为根据本发明实施方式的回归分析表。从该图我们可以认为，A1学校在第6层的学生教学中，实际结果比期望结果大23，是较有成效的，第8层的结果则是-90，是远低于期望结果的。
本发明从算法层面提供了一个更客观合理的分析算法，充分利用了全体数据在标准正态化的回归分析中具有的科学合理性，消除了两次考试中题目难度、考察内容、考生群体微调等因素的干扰。
通过这种方法，可以将每个学校、每个班级的每个层面的教育成果在这两次考试成绩上定量地测量出来。其中远高于期望值的学校和班级，可能有与众不同的教育方法，值得特别关注，其中符合党和国家教育方向，符合学生的终身发展需要，符合学生实际情况的教育措施，应该及时总结和推广；对于其中远低于期望值的学校和班级，可能存在学校管理上的松懈和粗糙，校风不正，师德不良，教师不敬业，专业水平不高等诸多问题，须问责谈话，认真整改，切实找出问题，改正教风，端正态度。作为行政管理部门，应思考如何针对这些学校的问题，改进培训和支教的方式方法，帮助这类学校逐步改进工作方法，不断取得进步。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文步骤的指令或程序时，本文的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本文的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
以上，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (8)
1.一种基于回归分析的教学加工分析方法，其特征在于，该方法包括以下步骤：
S1，使用数据采集装置采集一定区域内多个学生的两次考试的成绩数据；
S2，将采集得到的学生成绩按照分层策略进行分层处理，其中分层策略为自定义设置的条件和数值；
S3，对进行分层处理的成绩数据执行标准正态化处理；
S4，计算不同层次的学生对应的多次考试数据的平均值，将两次考试的平均成绩数据作为因变量和自变量，求出回归方程。
2.根据权利要求1所述的基于回归分析的教学加工分析方法，其特征在于，该方法还包括：
S5，基于所述步骤S4的递归方程以及学生成绩数据自变量分数得出因变量分数的期望值；
S6，根据每个学生的实际自变量及期望值，获得差异值，进一步，计算各处学生的差异值的平均值。
3.根据权利要求1所述的基于回归分析的教学加工分析方法，其特征在于，所述步骤S1还包括：
执行数据对齐处理，具体地，对两次考试中的学生ID进行对齐，包括以学生唯一ID为标准将没有在两次考试中都出现的学生从数据中消除。
4.根据权利要求1所述的基于回归分析的教学加工分析方法，其特征在于，所述步骤S2具体包括：
将学生的成绩按名次百分比值进行分层，按输入空间中的分层数量设置，完成全体学生的分层标记。
5.根据权利要求1所述的基于回归分析的教学加工分析方法，其特征在于，所述步骤S3具体包括：
对学生在相邻两次大型考试中的成绩数据进行标准正态化处理，剔除了两次考试的干扰因子，其中干扰因子包括但不限于两次考试中题目难度、考察内容及考生群体微调。
6.根据权利要求1所述的基于回归分析的教学加工分析方法，其特征在于，所述步骤S4具体包括：
计算各层次学生在两次相邻考试中的标准分的平均分，将两组分数进行回归分析，以前一次考试为自变量，以后一次考试为因变量，得到回归方程。
7.一种基于回归分析的教学加工分析系统，其特征在于，该系统包括：
采集模块，用于使用数据采集装置采集一定区域内多个学生的两次考试的成绩数据；
分层模块，用于将采集得到的学生成绩按照分层策略进行分层处理，其中分层策略为自定义设置的条件和数值；
正态化模块，用于对进行分层处理的成绩数据执行标准正态化处理；
回归分析模块，用于计算不同层次的学生对应的多次考试数据的平均值，将两次考试的平均成绩数据作为因变量和自变量，求出回归方程。
8.根据权利要求7所述的基于回归分析的教学加工分析系统，其特征在于，该系统还包括：
期望值模块，用于根据所述回归分析模块的递归方程以及学生成绩数据自变量分数得出因变量分数的期望值；
差异值模块，用于根据每个学生的实际自变量及期望值，获得差异值，进一步，计算各处学生的差异值的平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811061603.7A CN109359816A (zh) | 2018-09-12 | 2018-09-12 | 一种基于回归分析的教学加工分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811061603.7A CN109359816A (zh) | 2018-09-12 | 2018-09-12 | 一种基于回归分析的教学加工分析方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109359816A true CN109359816A (zh) | 2019-02-19 |
Family
ID=65350951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811061603.7A Pending CN109359816A (zh) | 2018-09-12 | 2018-09-12 | 一种基于回归分析的教学加工分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109359816A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113076835A (zh) * | 2021-03-25 | 2021-07-06 | 济南升界软件有限公司 | 基于回归分析的教学评价方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559291A (zh) * | 2013-11-07 | 2014-02-05 | 大连东方之星信息技术有限公司 | 一种应用正态分布方法的统计分析方法 |
| CN107169649A (zh) * | 2017-05-11 | 2017-09-15 | 安徽谦通信息科技有限公司 | 一种教师智能化考核评价管理系统 |
| CN107316161A (zh) * | 2017-07-18 | 2017-11-03 | 晋江市第中学 | 一种教学绩效考核的方法及系统 |
| US20170372269A1 (en) * | 2014-04-10 | 2017-12-28 | School Innovations & Achievement, Inc. | System and method for student attendance management |
-
2018
- 2018-09-12 CN CN201811061603.7A patent/CN109359816A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559291A (zh) * | 2013-11-07 | 2014-02-05 | 大连东方之星信息技术有限公司 | 一种应用正态分布方法的统计分析方法 |
| US20170372269A1 (en) * | 2014-04-10 | 2017-12-28 | School Innovations & Achievement, Inc. | System and method for student attendance management |
| CN107169649A (zh) * | 2017-05-11 | 2017-09-15 | 安徽谦通信息科技有限公司 | 一种教师智能化考核评价管理系统 |
| CN107316161A (zh) * | 2017-07-18 | 2017-11-03 | 晋江市第中学 | 一种教学绩效考核的方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 党宏哲: "《以网络课程辅助初中物理分层次教学的实践与研究》", 《中国优秀硕士学位论文全文数据库 社会科学II辑》 * |
| 熊志权: "《增值评价：从静态结果证明走向动态过程改造》", 《评价与管理》 * |
| 龙辉平，侯新华: "《浅析用回归分析法评估教学质量》", 《湖南工业职业技术学院学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113076835A (zh) * | 2021-03-25 | 2021-07-06 | 济南升界软件有限公司 | 基于回归分析的教学评价方法及系统 |
| CN113076835B (zh) * | 2021-03-25 | 2022-11-29 | 济南升界软件有限公司 | 基于回归分析的教学评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Finley et al. | Perceived paternal and maternal involvement: Factor structures, mean differences, and parental roles | |
| Brese | TEDS-M 2008 User Guide for the International Database. | |
| Vance et al. | Construct models of task performance. | |
| Karataş et al. | The explanation of the academic procrastination behaviour of pre-service teachers with five factor personality traits | |
| Camanho et al. | Performance assessment of upper secondary schools in Italian regions using a circular pseudo-Malmquist index | |
| Akcoltekın et al. | Attitudes of high school teachers to educational research using classification-tree method | |
| Inusah et al. | Expert system in enhancing efficiency in basic educational management using data mining techniques | |
| Hofkens et al. | Teacher-student interactions: theory, measurement, and evidence for universal properties that support students’ learning across countries and cultures | |
| Julianti et al. | IT governance framework for academic information system at higher education institutions: A systematic literature review | |
| CN109359816A (zh) | 一种基于回归分析的教学加工分析方法及系统 | |
| Shaw et al. | The Status of Female Executive Leadership in Postsecondary Education. | |
| Dragičević et al. | Improving university operations with data mining: predicting student performance | |
| Külcü | Records management practices in universities: A comparative study of examples in Canada and Turkey. | |
| CN114328667A (zh) | 一种基于履职数据的大学院系画像模型的构建及系统 | |
| CN111937018B (zh) | 利用了教学大纲的匹配装置 | |
| Desbarats | Estimating external constraints to migration | |
| CN112070376A (zh) | 高考志愿推荐方法、装置、终端及计算机可读存储介质 | |
| Jaoul-Grammare et al. | Does over-education influence French economic growth | |
| Góes et al. | Education quality measured by the classification of school performance using quality labels | |
| Choy et al. | A Guide to Using Postsecondary Transcript Data and An Overview of Course Taking in Less-than-Four-Year Postsecondary Institutions. | |
| CN110634090A (zh) | 一种高考分数换算系统及方法 | |
| Torres et al. | Medium and Long Run Economic Assimilation of Venezuelan migrants to Peru | |
| Poliandri et al. | Dynamic database for quality indicators comparison in education | |
| Schmid et al. | Robert M. Bernard, Eugene Borokhovski, Richard F. | |
| Bernard et al. | Protocol for a systematic review: 21st century adaptive teaching and individualized learning operationalized as specific blends of student‐centered instructional events: a systematic review and meta‐analysis |
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: 20190219 |