考試成績分析精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的考試成績分析主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：考試成績分析范文
本次試卷共120分，與中考要求一致，覆蓋面較廣，涉及題型多。有對基礎知識的考察(如字音字形、詞語釋義、排序、語病及古詩文默寫)，也有對閱讀能力的考察(包括文言文和現代文)，還有對學生寫作能力的考察(如作文)以及綜合性學習和名著導讀的考察。
二、學情分析
經過半學期的學習，學生已經漸漸適應了初中的學習習慣和學習方法，對于初中的做題思路慢慢熟悉，所以有許多學生的成績考得還是比較理想，但也有一部分學生還需要教師在以后的教學中作進一步的引導，爭取讓全部學生盡早適應初中生活和學習習慣，培養學生的做題能力。
三、成績分析
對于這次期中考試，我在考前兩個星期進行了系統的分版塊的給學生復習備考，從基礎知識、課內現代文的閱讀、課內文言文、詩歌鑒賞和名著閱讀以及語言綜合運用等方面一一復習，共做測試題8套。閱卷時感覺不太好，系統顯示平均分75.8分，比（2）班高了將近10分，倍感欣慰，但新的考核辦法計算結果為負值，這個成績是我沒有想到的。我感到深深的自責，在反思的過程中我看到了自己在語文教學中存在的諸多問題。
第一，重點字詞和讀音很多同學沒有真正的掌握，出現記憶模糊和含混不清的情況。就拿這次的選擇題來說，前兩道都是我們講過的原題，但是班上仍然還是有一大部分同學選錯，按照我的要求，基礎知識的字音字形題是堅決不能出錯的，但是很多人抄了很多次卻沒有真正的記在大腦里。
第二、懶惰的思維方式，不愛思考。對詩歌鑒賞和課外文言文束手無策。大部分學生碰到這一類需要思考的題，都不知道該怎么做，即使講試卷和練習冊的時候教給他們方法了仍然還是要執著自己的思維模式，更有甚者直接空著不做。這就造成大面積的失分嚴重。我一再的要求他們，語文學科和其他學科不同，即使你實在不會做，那你想到什么就寫什么，無論如何堅決不能給我空著，但是顯然這方面對于一些基礎差的學生說了也是白說。另外一方面就是，對課內老師要求掌握和默寫的古詩詞和重點句段沒有落實在筆頭，造成送分的題也失分的情況。
第三、對于課外現代文的解讀大多停留在表面，答題時不知所云，也不注重答題格式和答題技巧，分值較重的題大約十多個字就濃縮完了。對于需要遷移思考的問題大多數就亂答或者不答。
第四、作文出現審題偏差，不認真讀題等現象。明明是命題作文，卻要自擬題目。大部分同學不知道作文應該怎么寫，多是一些口水話，對于好詞佳句的運用只限于有一定文學功底的優生。
第五、普遍存在字跡潦草，書寫不規范的情況，有些學生寫的字根本讓閱卷老師無法辨認。更有一些學生，答題卡出現多處涂改，抹黑、題號答錯等現象。
第六、某些同學對時間把握不到位，出現后面容易得分的題空著不做的情況。正是因為這些情況的出現，才造成了這次考試不是那么理想。
當然，除了上述情況外，還有一些客觀的原因：比如說大部分學生的基礎本來就不是很好，對待語文學科的學習習慣和方法不明確；態度不端正，上課不認真聽講，發呆、走神、聽課質量低，沒有良好的自覺性和好學心理；更有甚者是長期不交家庭作業，家長也不管等情況。這就給提高語文成績造成了很多障礙性的因素。
通過這次考試，我應當積極引導學生認清自己的情況，在今后學習中及時調整。七（1）班有很多學生對學習不感興趣、學習習慣差或是學習能力不足。針對學生出現的一些問題，開學以來我也采取了一些相應的措施：
第一，常抓字詞；針對基礎差的學生，我采取每學一課就在課堂上至少聽寫2次的方法，聽寫的時間我會在頭一天告訴他們，然后課前三到五分鐘聽寫，第一次同桌交換改，第二次聽寫全班交上來我改。
第二，重視晨誦；每次課前就把任務寫在黑板上，這樣學生就能清楚明白的知道自己應該掌握的知識和課文。
第三，跟緊經常不交作業的學生，上課經常抽那些語文成績差的學生，即使他回答不上來，但是卻可以通過這種方式讓他隨時都有緊迫感，迫使他認真聽課和學習。
第四，對待班上懶惰不好學的學生，實行必要的懲戒教育，我說過我能忍受你學了不會，但我不能忍受學都不學就說學不會，否則既影響班上的總體成績，也影響班上的學習氛圍。
第五，對于班上語文成績和能力稍微好一點的學生，就嚴格的抓他們的答題格式和答題方法，規范他們的書寫，讓他們在平時學習和作業的情況下時時刻刻注意提升和完善自己的答題技巧。
第2篇：考試成績分析范文
關鍵詞： SPSS13.0統計軟件 大學英語考試成績 應用
1.引言
社會科學統計大型軟件包SPSS13.0具有操作簡單、靈活、功能性強等特點。作為一種有效的統計工具，在教育統計中所發揮的作用越來越大。在教學中，教師常需要進行諸如考試成績等的統計分析，以評估學生的學習，及時調整教學。SPSS13.0統計軟件能夠代替傳統的手工計算方法，方便快捷，可以輕松地進行多種數據統計和分析。
我通過運用SPSS13.0統計軟件對我校2010級某班級按照學號選取的前30名學生的大學英語A（1）課程期末考試成績進行了統計分析。在此之前，我已把選取的30名學生考試成績的各項數據分為性別、聽力、聽寫、閱讀、詞匯、寫作和總成績7項，輸入SPSS13.0統計軟件。
本研究主要是用SPSS13.0統計分析軟件從二元變量相關分析、雙因素混合實驗設計方差分析與多組配對檢驗等角度對本次大學英語A（1）成績進行分析，以期從分析數據中發現問題并在今后的大學英語教學中進行教學方法或策略的改進或調整，從而有效地增強大學英語教學效果。
2.二元變量相關分析（Bivariate）
相關分析（Correlation）是研究一個變量與另一個變量間的相互關系，研究變量間相互關系的性質和緊密程度。換句話講，相關分析的任務就是對相關關系給予定量的描述。相關系數（correlation coefficient）又叫積差相關系數（product moment coefficient of correlation），用符號“r”表示，一般按“r”的絕對值大小，規定統計學中低于0.40以下的相關系數為低相關；0.40―0.70為較顯著相關；0.70―0.90為顯著相關；0.90―1則為最高相關（胡健穎、馮泰，2002）。
而二元變量相關分析方法可以研究兩個觀測量之間的單相關關系。如果在實際運用中，研究的是多個自變量與一個因變量的復相關關系，則應該抓住其中的主要因素，把復相關轉化為單相關來進行研究。調用Bivariate過程命令可以允許同時輸入兩個或者兩個以上的變量，但是輸出的是變量間兩兩相關的相關系數。
在雙變量相關分析中，對于正態分布資料，可選擇積矩相關系數（Pearson相關系數）；對于非正態分布資料，可選擇等級相關系數（Spearman相關系數）或Kendall相關系數等非參數方法，在本次統計分析中，我首先檢驗性別、聽力、聽寫、閱讀、詞匯、寫作和總成績7個變量之間兩兩相關情況。
步驟一：讀取數據（score analysis.sav），打開analyze-correlate-bivariate；
步驟二：將變量性別、聽力、聽寫、閱讀、詞匯、寫作和總成績選入到variables，在correlation coefficients中選pearson，在test of significance 中選two-tailed；
步驟三：單擊option，在statistics中選means and standard deviations，在單擊continue；
步驟四：單擊OK。
表1數據表明，在本次考試中，所選取30名學生的聽寫成績的標準差（standard deviation）是2.61868為最大，而寫作成績的標準差是1.35782，為最小。
分析：標準差越大，說明離散程度越大，數據就越不均勻，這表明所選取30名學生的聽寫成績在各分項成績中相差最大，也說明學生的聽寫技能相差最大，有一部分學生在聽寫技能方面還需加以強化訓練，這就為今后的大學英語教學中調整教學策略提供了數據支持。而標準差越小，說明離散程度越小，數據就越均勻，這表明所選取30名學生的寫作成績在各分項成績中相差最小，也說明學生的寫作水平相差不是非常顯著。
表2數據表明，在此次考試中，學生的聽寫和總成績之間雙尾檢驗的概率值為0，小于0.01，閱讀與詞匯、聽寫與總成績和詞匯與聽力之間的Pearson相關系數分別為0.87，0.743和0.449。
分析：學生的聽寫和總成績之間雙尾檢驗的概率值為0，這說明它們之間的相關程度是最顯著的，聽寫能力的高低顯著影響英語總成績。而閱讀與詞匯、聽寫與總成績和詞匯與聽力之間的Pearson相關系數大，這說明學生的詞匯能力對他們在聽力和閱讀部分的得分起到了顯著影響。
3.雙因素混合實驗設計方差分析
雙因素混合實驗設計方差分析就是包含兩個因素的重復測量設計。我們用該實驗設計來檢驗3位英語老師分別為所選取的30名學生所給出的作文評分是否存在顯著差異，作文評分與學生性別之間是否存在顯著差異。
步驟一：打開Analyze-General Linear Model-Repeated Measures
步驟二：定義被試內因素名及其水平數。我們要檢驗老師所給作文評分與男女學生性別是否存在顯著差異，在Within-Subject Factor Name 中可鍵入“grading”。有3位老師參與了打分，因此在Number of Levels中輸入水平數3，然后點擊Add。
步驟三：定義被試內變量。點擊Define，將變量teacher 1、teacher 2、teacher 3移入Within-Subjects中。同時將性別變量移入Between Subject Factors。
步驟四：選擇被試內變量的對比方法。點擊contrast，在contrast的下拉菜單中，選擇repeated作為變量間的對比方法，再點擊change。
步驟五：點擊options，把幾個變量都移入display mean for中，表示對變量的平均值進行比較。在confidence interval adjustment下拉菜單中選bonferroni，表示進行事后檢驗。選擇descriptive statistics，最后單擊OK。
Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix.
a.May be used to adjust the degrees of freedom for the averaged tests of significance.Corrected tests are displayed in the Tests of Within-Subjects Effects table.
b. Design： Intercept+gender
Within Subjects Design： grades
a. Adjustment for multiple comparisons： Bonferroni.
數據描述：由表3數據來看，3位老師所給作文平均分分別為11.5333，11.2667和11.7333，標準差分別為0.35782，1.61743和1.20153。再由表4 Mauchly球形檢驗數據結果看，Mauchly檢驗值為0.848，明顯大于0.05。而表6被試內效應檢驗結果看，由于表4中的Mauchly檢驗結果0.848大于0.05，我們就只看sphericity assumed的結果就可以了。由表5數據可見，對評分變量進行的sphericity assumed檢測結果為0.310，顯著水平明顯大于0.05。而對評分變量和性別因素變量進行的sphericity assumed檢測結果為0.545，也明顯大于0.05。由表6數據可見，教師1和教師2所給作文評分相對教師1和教師3所給作文評分檢驗P值均為1.000，而教師2和教師3之間的評分檢驗P值為0.432，而性別和作文得分的檢驗P值為0.545。
本文為全文原貌 未安裝PDF瀏覽器用戶請先下載安裝 原版全文
分析：上述評分檢驗P值數據說明，3位老師對所選30位學生的作文評分差異不具有顯著性，同時還看到，教師在評分時受學生性別因素的影響也不具有顯著性。這說明閱卷老師在作文評分中，對作文評分標準地把握還是比較科學、合理且比較一致的，比較客觀、公正地反映出了學生作文的真實成績。
4.多組配對檢驗（Friedman Test）
我們還可以通過多組配對檢驗（Friedman Test）來檢驗3位英語老師分別為所選取的30名學生所給出的作文評分是否存在顯著差異。
步驟一：打開Analyze - Nonparametric Test - K Related Samples（多列相關樣本）；
步驟二：選擇檢驗變量。將教師1、2、3對學生作文的評分分別移入Test Variables，并在檢驗類型中選Friedman。
步驟三：選定輸出統計量。點擊Statistics，選擇Descriptive。點擊OK。
由表9數據可得出，多組配對檢驗顯著水平為0.177，大于一般可接受的0.05的顯著值，表明三個變量之間不存在顯著差異。也就是說，三位老師對30名學生作文的評分是比較一致的。
5.結語
大學英語A（1）考試是2010級A班學生在完成了大學英語第一學期的教學任務后進行的終結性評估（summative test）（金艷，2005），但是數據分析表明此種形式的評估只能從一定程度上反映教學的結果，還不具備對整個教學過程或教學全貌進行評估的能力。
其次，本次考試的效度、信度和可操作性之間也會存在問題，尚需對試卷進行全面的統計分析。另外，針對主觀題部分的批改，為保證批卷老師的閱卷信度（包括批卷老師的評分一致性、批卷老師之間的評分一致性），應該采取系列措施，包括制定明確的評分標準、確定評分參照卷、嚴格的閱卷前培訓、閱卷過程隨機抽查等（楊惠中、金艷，2001）。
總之，測試既是教育系統的有機組成部分，又是教育系統中不可缺少的環節。對測試結果的分析測量和評價應當是每一位語言教師必備的能力。本研究側重于如何使用SPSS13.0工具的二元變量相關分析與雙因素混合實驗設計方差分析來分析本次大學英語測試成績，從中發現學生在大學英語學習中哪些技能相差最大，這就為今后的大學英語教學中調整教學策略提供了數據支持，并能更加有效地增強大學英語教學效果。
參考文獻：
［1］胡健穎，馮泰.實用統計學［M］.北京：北京大學出版社，2002：236-237.
［2］皇甫偉.SPSS相關分析與線性回歸分析在英語考試成績分析中的應用［J］.中國電力教育，2007，（10）：52-53.
［3］金艷.大學英語四、六級考試改革思路與未來展望-解讀《全國大學英語四、六級考試改革方案（試行）》［J］.中國大學教學，2005，（5）：49-53.
第3篇：考試成績分析范文
[關鍵詞]項目風險管理；考試成績；統計分析；問卷調查；教學改進方向
[中圖分類號]G642.0 [文獻標識碼]A [文章編號]1005-4634(2012)03-0094-03
0 引言
為了培養學生的風險意識和風險管理技能，河北工業大學從工程管理專業2005級開始，在專業培養計劃的第六學期中設置了《項目風險管理》課程。本課程的任務是：通過大量的項目風險管理活動實例，系統分析項目風險的客觀規律，研究項目風險管理的產生、發展及其基本概念體系，掌握項目風險管理規劃、風險識別、風險估計、風險評價、風險應對、風險監控等過程管理的基本框架、科學方法和實用技術、工具。
控制論創始人維納認為：“一個有效的行為必須通過某種反饋過程來取得信息，從而了解目的是否已經達到。”對課程成績分析的研究經歷了從重要性認識到成績的作用分析，再到成績分類統計進而分析原因并將信息反饋給教學的過程。早在1999年孫劍米就提出對試卷及學生考試成績進行分析，可為教與學提供有針對性的反饋信息的觀點。成績分析既是教學評估的手段，又是教學研究的重要環節。建立對考試成績分析的反饋利用機制，有助于全面提高教育教學質量。陳國敏教授針對2004級至2009級《系統解剖學》的考試成績，統計分析了試卷的難度及區分度、男女生成績的差異性、年級成績之間的差異性。李素紅等在分析理工科學生《技術經濟學》考試成績時，對學生分別按學院和生源進行了分類，然后根據考試知識點、重點和難度對不同學生的考試平均分、及格率以及各知識點的得分率進行了研究。與以上兩個文獻研究側重于對試卷本身分析不同的是，王佳眉教授通過對比分析《大學物理》3個年級考試成績的平均分和峰值成績、成績達標度及整體分布等成績分布情況，提出了對于學風問題、教師和學校投入等問題的思考。本文在試卷分析和問卷調查的基礎上，通過對學習興趣、學習態度和學習環境等因素的分析，研究改進教學效果的途徑。
1 考試成績總體分析
本課程采用閉卷考試的方式對授課班級的學習情況進行考察。出題的思路主要是突出知識應用，重視學生的聽課效果及對知識系統性的掌握。試卷主要包括四個題型：單項選擇題(10分)，多項選擇題(15分)，簡答題(50分)和綜合計算題(25分)。
本次考試主要的考核點：項目風險的內涵；項目風險與項目特性的關系；風險特征；項目后果標度；風險效用；風險態度；憂慮價值；利率風險；風險管理規劃依據；風險識別方法；風險登記冊；決策樹分析方法；AHP；蒙特卡洛模擬方法；不確定風險決策的特點和方法；風險等級評價；風險處理技術；項目風險監控的步驟。參加本課程考試的學生有本一和本三兩個類別，本一和本三試卷題型相同，本三試卷總體難度低于本一試卷，兩種試卷試題不同。參加考試的學生情況見表1。考試成績統計情況見表2。
就成績總體情況來看，平均分接近60分，單選題得分率高，多選題和簡答題得分率低，本一學生成績標準差為12.61，本三學生成績標準差為13.08，不及格率高，命題偏難。從試卷本身和考試情況來看，存在兩個主要問題：一是考試成績與試卷難度不符，組卷初衷是難度適中，統計結果顯示難度偏高。二是從題型來看，單選題考查的都是基本知識點，得分較高；多選題、簡答題得分低，總體顯示側重知識應用的題得分不高。估計原因可能有：(1)考前沒劃重點，學生對考核點的理解有偏差；(2)整套試題側重知識的應用，偏重課堂聽課的效果，學生并沒有完全理解和掌握相關知識點，知識運用能力需要加強。
2 考試成績對比分析
2.1 學生類別與考試成績
本次考試的成績統計結果顯示：本一學生平均得分和及格率都高于本三學生，各題得分率基本高于本三學生，只有綜合計算題例外，原因在于本三試卷的綜合計算題與課堂例題類似，本一試卷的綜合計算題加大了難度。考試成績總體情況說明本一學生的學習能力優于本三學生。
2.2 性別與考試成績
經計算，本一男女生成績平均分分別為58.71、60.31；本三男女生的成績平均分分別為55.85、61.91。本一男女生的不及格率分別為42.11％和30.76％。本三男女生的不及格率分別為67.50％和38.10％。無論哪種類別學生，女生的平均分均高于男生，不及格率均低于男生。一般而言，大學女生學習態度比較認真，在課程學習上投入的時間高于男生，課堂聽課情況好于男生。
2.3 出勤情況與考試成績
學生出勤情況包括三種：缺勤、遲到和正常。統計結果顯示：較多缺勤和遲到(2次或以上)學生的最高分為67。當然點名次數比較少，有些學生有可能因為很重要的事缺課卻恰好被查出，但統計結果基本上可以反映真實情況。本一學生中有缺勤記錄的學生平均分為53.88，無缺勤記錄的學生平均分為60.24；本三學生中有缺勤記錄的學生平均分為53.09，無缺勤記錄的學生平均分為59.86；本一和本三有缺勤記錄的學生成績均低于總體平均分，缺勤學生的不及格率分別為55.56％、81.82％。這可能有兩個原因：(1)學習成績與學習態度有關；(2)考試成績與聽課效果有關。
2.4 宿舍環境與考試成績
同一宿舍的學生，一般有著相近的生活習慣和作息時間，彼此對學習的態度也會互相影響。河北工業大學因為按大類專業招生，二年級下學期再分專業，而分班后宿舍不變，因此參加考試的學生住的比較分散。但統計結果也表明，有的宿舍不及格率達到80％，同時也有宿舍平均分在70分以上，分數最低的學生也考了60分，因此宿舍學風太差會影響所有的宿舍成員，而一個積極的學習氛圍也同樣影響所有宿舍成員。
2.5 上課座位與考試成績
經過成績統計，發現河北工業大學經常坐前排學生的平均分高于經常坐后排學生的平均分。以本三為例，前者平均分為60.15，遠遠超過后者的平均分50.55。可見上課時所坐的位置對聽課的效果有較大的影響。一般來講，前排距離老師比較近，視聽都很清楚。另外，距離老師比較近注意力會相對更集中。相反，坐在后排很容易走神，行動比較自由，很容易說話或玩手機等。
3 考試成績影響因素分析
為了更好的研究教學情況，設計了針對課堂教學和期末考試的調查問卷。共設計了16個問題，包括了出勤、課堂表現、作業、對考試的看法以及學習態度等方面。共發放問卷133份，分發給所有學習該課程并參與考試的學生，收回有效問卷132份。對回收問卷統計后，結合考試成績的統計分析和平時與學生的交流情況，認為影響考試成績的因素如下。
3.1 考核知識點是否明確
調查結果顯示，60.61％的學生認為考題難，僅有一個學生認為考題簡單。多數認為考前未劃重點對自己影響大，61.36％認為復習的沒有考，20.45％的學生感覺不適應題型，還有一部分學生認為好多題會做，但答錯了。83.33％都認為考前劃重點比較好，有53.79％的學生認為劃重點可以促進學習，支持劃重點的學生里有相當一部分認為劃重點僅為了方便考試，而不是為了真正學到知識。
3.2 學生的學習重點
由考試結果來看，學生對考查基本概念的題得分率都比較高，而對于知識的擴展與運用方面的題型得分相對較差。顯示學生在學習中更多的是機械地記憶，欠缺理解或者思考各個知識點之間的聯系。也許很大程度上只是想單純的應付考試，沒有想過要扎實地掌握重點知識和基本方法。
3.3 學生的學習態度
成績統計結果顯示學習態度在很大程度上影響考試成績。調查結果顯示有14.39％的學生上課喜歡坐后排，但是認為坐后排更有利于學習的只有4.55％。51.02％的學生坐在后排的理由僅僅是因為心里舒服或是可以自由支配時間。竟有44.70％的學生認為上課時自由出入教室、隨意接電話等行為是可以接受的。另外，只有45.45％的學生上課會做筆記，48.48％的學生只是在老師強調會考的情況下才會記下來，還有一小部分人上課什么都不帶，也根本不做筆記。
3.4 學生的學習興趣
學生對多數課程知識不感興趣，因此對課程的重視程度和學習的主動性直接影響學習效果。14.39％的學生很不支持老師要求出勤，15.91％的學生會缺勤或遲到。理由多種多樣：很多學生認為理論知識實際中用不著：有學生認為只有土木技術類課程才是重要課程；還有部分同學只有在教師講實際項目經歷時才能聚精會神。非常有趣的是，這些學生也認為項目風險管理對于從事項目管理工作非常重要。
4 結論
通過對考試成績和問卷調查結果的統計分析，發現以下問題：教師和學生對課程知識的認知存在較大差別，學生的學習情況與教師的期望存在較大差距，教師的授課與學生的期望存在較大差異。這些問題導致教師的“教”與學生的“學”未能有機結合。針對以上問題，課程改進的思路是：(1)明確課程定位，加強課程重要性的認知。工程管理專業的課程體系由管理學、經濟學、法學和土木工程學四類課程構成，這是專業特色，許多課程知識對于就業也許不能產生“立竿見影”的效果，但對于學生綜合能力的提升具有長期的影響。非土木工程類課程的重要性，教師必須說得明白，講的透徹，只有學生感知到了，才能產生興趣。(2)端正學生的學習態度，加強自學能力培養。教師端正“教”的態度是學生端正“學”的態度的前提，對自己和學生嚴格要求，本著教有所成的原則，采用靈活多變的教學方式，增加課下閱讀推薦量，并明確考前不劃重點的閉卷考試方式，引導學生自學的同時促使學生深入認識本課程。及時批改課下作業，通過充分討論，提高學生對知識的運用能力。鼓勵學生大膽質疑，在師生的相互學習與探討中，把新舊知識融會貫通。(3)突出知識點和考核重點，明確學生的學習目標。在列出每章學習目標的基礎上，在課程開始時向學生發放教學計劃和課程考試大綱，加強師生互動溝通，結合課程知識體系，調整和優化授課內容，將知識模塊化。(4)逐步實現完全的案例式教學模式。這就要求任課教師認真設計教學過程，從問題提出的方式、解決的過程到結論的形成與討論深化，將知識融入到其中，增強課程的趣味性，激發學生的學習興趣。在教學過程中，老師要注重發揮學生的主體地位，布置開放性問題，發掘學生學習的主動性，鼓勵他們思考和自我求解。
參考文獻
[1]孫劍米.談考試成績分析[J].統計教育，1999，(6)：29-30.
[2]劉戰芳.高校應重視學生考試成績的分析與反饋[J].安徽警官職業學院學報，2007，(5)：79-80.
[3]陳國敏，肖新莉，李月英.留學生系統解剖學考試成績綜合分析[J].山西醫科大學學報(基礎醫學教育版)，2010，12(9)：939-942.
第4篇：考試成績分析范文
[關鍵詞]SPSS；期末考試成績；統計分析
1 引言
統計分析軟件――SPSS(Statistical Package for the Social sci，ence)的中文譯名為社會科學統計軟件包，它是世界著名的、優秀的統計分析軟件之一。SPSS是一個具有綜合性的專業統計分析和數據管理系統。SPSS數據管理和分析功能強大，界面友好，操作簡單，有靈活的變量變換和文件交換系統，多種統計圖表的結果輸出，并具有與Microsoft Office軟件兼容等特點，在社會學、醫學、心理學、人文學、生物學、教育學等領域已取得了深入的應用。它操作簡便、好學易懂、簡單實用，是學術界經常使用的計量軟件。SPSS的主要功能為：回歸及相關分析、聚類與判別分析、主成分分析及因子分析等十幾個大類。下文將以某班學生的期末考試成績為樣本，簡單分析了一下SPSS在學術研究中的具體應用案例。
2 數據來源和數據錄入
筆者通過運用統計分析軟件SPSS，對某班30名同學的一次期末考試成績進行了統計分析，各項成績包括大學體育、程序設計語言、成績設計語言SJ、思想和中國特色社會主義理論體系概論、大學英語、檔案學概論、信息系統管理和總分8項，統計數據如表1所示。將存在于excel中的表1，通過“文件”“打開”“數據”“文件類型”選擇excel一選中表某班同學期末考試成績所在的excel文件一點擊“打開”，便可將excel中的數據導入SPSS。
3 數據分析
3.1 描述性分析
3.1.1 頻數
在數據視圖中進行以下操作：點擊菜單欄中的“分析”“描述統計”“頻率”將7門課程及總分項添加到變量中，選中“圖表”中的“直方圖”并勾選“帶正態曲線”后點擊“繼續”，勾選“顯示頻率表格”項，點擊“確定”共出現8個直方圖，圖1是其中一個。由圖1可分析，大學體育成績的均值為89.03分，取得89－91分的同學占8人，得分在80分以下的2位同學需加強此方面的鍛煉。大學體育成績呈正態分布，標準差為5.411，反映出此體育教師的評分較合理。
3.1.2 平均數與標準差
在數據視圖中進行以下操作：點擊菜單欄中的“分析”“描述統計”“描述”在“描述性”對話框中添加7門課程和總分項到“變量”，勾選“將標準化得分另存為變量”，點擊選項中的“均值”、“標準差”、“最大值”、“最小值”后點擊“繼續”，單擊“確定”所得結果如表2：
由表1可知，大學英語中的極小值為55分，存在掛課現象，該同學必須重修，來年選課時應及時通知該同學重修。程序設計語言和大學英語的均值達不到70分，英語和計算機是當代大學生必備的兩個技能，我班需實施一些措施來提高同學們的英語和計算機水平。程序設計語言的標準差高達10.189分，極大值94分，同學們可以向計算機水平高的2009409035等同學請教。
3.1.3 分組求平均值
分組求平均值是對數據分組描述，可以輸出分組數據的均值、標準差、極值等，即對數據進行多層分類匯總。點擊菜單欄中的“分析”“比較均值”“均值”在“均值”對話框中，將“總分”添加到“因變量列表”、“大學體育”添加到“自變量列表”，點擊確定。結果為表2：
隨著體育成績的逐步提高，總成績均值出現了高低起伏不定的趨勢，這說明體育成績和總分之間沒有必然的聯系。加強體質鍛煉不會影響自己的學習成績，因此多運動不應成為成績不佳的借口。作為當今社會的一名大學生，只是學習好是不行的。學習固然重要，但大學作為與社會接觸的橋梁，素質拓展活動也不可缺少。同學們應努力提升自己的綜合素質，力圖使自己成為一名四有新人，德智體美各方面全部發展。
3.1.4 數據探測
點擊菜單欄中的“分析”“描述統計”“探索”在彈出的“探索”對話框中，將“總分”添加到“因變量列表”、“檔案學概論”和“信息系統管理”添加到“因子列表”，選擇“繪制”中的“莖葉圖”后單擊“繼續”，選擇“輸出”中的“圖”，最后點擊“確定”生成如圖2所示的兩張箱線圖：
圖2中的兩幅圖呈現出同一個趨勢，即數據點分布在左下角和右上角的對角線附近。也就是說，無論是檔案學概論的成績還是信息系統管理的成績，都與總分是正相關的關系。換句話講，一般情況下，專業課成績高的同學，總分也就越高。由此可見專業課的重要性，在日常的學習中，同學們應把專業課放在首要位置。
3.2 聚類分析
聚類分析是根據一批樣本的多個觀測指標，具體找出一些能夠度量樣品或指標之間相似程度的統計量，以這些統計量為劃分類型的依據，把一些相似程度較大的樣品(或指標)聚合為一類。類聚分析是研究“物以類聚”的一種方法。
現將全班30人按總分分為三類，以直觀、簡明的方式統計每個同學在學習成績上所處的位置，具體操作步驟如下：點擊菜單欄中的“分析”“分類”“系統聚類”一在彈出的對話框中，將“總分”添加到“變量”、“學號”添加到“標注個案”，分群為“個案”，輸出勾選“圖”，在“繪制”中勾選“樹狀圖”，然后繼續一單擊“確定，最后生成樹狀圖。
3.3 多維尺度分析
多維尺度分析技術是一種探索性數據分析技術，可以將含有多個變量的大型數據壓縮到一個低維空間，形成一個直觀的空間圖形，以空間中的點表示變量之間的潛在規律性聯系。
通過SPSS統計軟件“度量”功能中的“多維尺度”分析功能。可以分析七門課程之間的潛在規律性聯系，具體操作步驟如下：“分析”“度量”“多維尺度”在“多維尺度”對話框中，將七門課程添加到“變量”，數據為距離數據選擇“正對稱”，“模型”中度量水平為“序數”、條件性為“矩陣”、維數均為“2”，選項中的輸出選擇“組圖”點擊“確定”，生成圖3。通過圖3可以看出七門課程之間的潛在性規律，如程序設計語言和大學英語被劃分在第二象限，其中的潛在性規律可能有很多，比如均分都比較低等。通過此圖也可以驗證上文的一些結論。
3.4 相關分析
相關分析是研究一個變量與另一個變量間的相互關系。研究變量間相互關系的性質和緊密程度。換句話講，相關分析的任務是對相關關系給予定量的描述。
4 結語
成績分析是教育系統的有機組成部分，對考試成績的分析測量和評價應當是每個教師和同學必備的能力。SPSS在考試數據統計分析中應用廣泛，本文結合具體數據，從描述性分析、聚類分析、多維尺度分析和相關分析四個方面介紹了使用SPSS進行統計分析的一般方法和步驟，并提出一些實際存在的問題和建議。通過分析該班同學的期末考試成績，筆者更加深入地了解了同學們的學習現狀，相信此次統計分析結果會為該班提供很好的借鑒，同時也希望能為年輕的科研人員提供一種研究思路。
參考文獻
[1]楊曉秋，圖書館讀者滿意度調查問卷的SPSS設計[J]，農業圖書情報學刊，2 008(20)：171-174
[2]楊曉明，SPSS在教育統計中的應用[M]，北京：高等教育出版社，2004
[3]趙守盈，呂紅云，多維尺度分析技術的特點及幾個基礎問題[J]，評價與測量，2010(4)：13-19
[4]曹玲，楊靜，夏嚴，國內競爭情報領域研究論文的共詞聚類分析[J]，情報科學，2011(28)：923-930
[5]李延波，房紅芳，SPSS統計軟件在大學英語考試成績分析中的應用[J]，考試研究，2011(20)：1-3
[6]崔永紅，李學民，運用SPSS對專業基礎課與專業課成績分析[J]，科教研究，2011(14)：34-36
[7]潘小燕，統計分析軟件在大學英語教學測試效果評估中的英語[J]，科教文匯，2011(3)：112-113
第5篇：考試成績分析范文
關鍵詞：核Fisher判別分析；高職教育；考試成績預測
中圖分類號： TP391 文獻標志碼：A 文章編號：1673-8454（2016）16-0076-04
一、引言
隨著國家“十三五”規劃的順利進行，加快發展職業教育已經越來越成為國家、社會和教育界的共識，高職院校不可避免的成為了培養實用技能型人才的主要基地。隨著高職招生人數的不斷擴大，以及社會還沒有擺脫對職業教育的傳統觀念，高職院校的生源質量每況愈下。一部分學生的基礎知識較差，學習新知識的意愿不強，無論在課堂上與老師的互動，還是課下的平時作業完成情況，都不盡如人意，使得教師很難在真正考試之前評估教學效果，從而造成教學質量下降。因此，如何提高高職學生的學習成績，成為社會和學校都關注的問題。在教學過程中、期末考試之前，有針對性的建立模型預測考試成績，提前評估教學效果，可以起到預警的作用。對那些有可能不及格的學生及時糾正其不良學習行為，并進行單獨輔導，則有助于提高學生成績，減少不合格現象，進而提高學生培養質量，優化課程設計，促進教師教學進步。
正是意識到學生成績預測對提高教學質量、促進教學改革的重要性，國內一些學者在幾年前就已經開始對該領域展開研究。大部分學者將成績預測視為分類問題，于是多采用數據挖掘或機器學習領域的算法，如決策樹、人工神經網絡、支持向量機等來建立模型。其中，決策樹方法因為理論發展成熟、易于理解等優點，被廣泛用于大學生英語成績預測[1]、大學生計算機等級考試成績預測[2]、一般性課程的成績預測[3， 4]等；而人工神經網絡和支持向量機也因為扎實的理論基礎和廣泛應用，被用于大學生課程成績預測[5，6]，并取得良好的效果。
核Fisher判別分析作為基于核函數的機器學習算法的典型代表[7]，其分類效果在其他模式識別和預測領域得到了很好的驗證[8，9]。學者們前期的研究成果表明，決策樹、神經網絡和支持向量機方法在學生考試成績預測方面均取得了不俗的成績。但是到目前為止，我們尚未發現有學者應用完整的核Fisher判別分析進行大學生成績預測的系統報道（雖然有學者利用線性Fisher判別分析對SVM模型中的數據因素進行加權[6]）。因此，本文提出利用核Fisher判別分析作為工具，嘗試尋找學生學習屬性與成績之間隱含的非線性復雜關系，從而建立高職在校學生期末考試成績預測模型。實驗分析中以深圳信息職業技術學院物流管理專業2015級3個班級的學生作為研究對象，采用學生性別、生源地、考勤表現和平時作業成績等作為模型的輸入變量，來預測學生的期末考試成績。實驗結果證明，核Fisher判別分析的泛化能力強，其預測精度與支持向量機十分接近，并且優于C4.5決策樹方法。
二、核Fisher判別分析
核Fisher判別分析[7]是基于核函數的機器學習算法中的一種，其結合了線性Fisher判別分析與核函數的思想，能夠有效地解決現實中的分類問題[8， 9] 。
1.線性Fisher判別分析原理[10]
線性Fisher判別分析是一種有監督學習的分類方法。給定一組d維空間的樣本數據x∈R（i∈1，2，.....n），n為樣本數據集的大小，他們分別屬于不同的兩類，則樣本類別標識記為yi∈{1，2}。屬于類1的n1個樣本記為X1={x11，x12，......x1}，屬于類2的n2個樣本記為X2={x21，x22，......x2}。算法“學習”或者“訓練”的過程，就是要找到樣本數據與其類別隱含的內在關系模式xy。線性Fisher判別分析構造學習模型的核心目標是尋找一個d維向量w∈R，當樣本數據向該方向投影時，最大化類間散度和類內散度的比值，使得樣本數據在這個方向上盡可能的分開，達到清楚辨識的目的。定義某一類樣本（i=1，2）數據類內均值為：
2.核Fisher判別分析原理
線性Fisher判別分析是一種線性分類器，當樣本數據與類別呈現線性關系時其分類效果會很好。但是實際問題中，樣本數據與其類別的關系往往呈現出復雜的非線性，則線性Fisher判別分析的分類效果就會差強人意，而且也無法解決模式識別中常見的維數災難問題。在支持向量機中成功應用的核函數的出現解決了這個問題[11， 12]。核函數首先將數據從低維的輸入向量空間R映射到高維（甚至是無限維）的特征空間，即φ：R。通過某些核φ（?），映射可表示為xiφ（xi）=（a1φ1（xi），……，amφm（xi），……）。在這個高維的特征空間中應用線性Fisher判別分析，在特征空間得到的線性分類器通過核映射回原始的輸入數據空間R時，就得到了非線性分類器。
基于線性Fisher判別分析的原理，核Fisher判別分析在特征空間要尋找w∈，使得下式F（w）最大化：
三、實驗及分析
為了評估本文提出的基于核Fisher判別分析的預測模型的實際效果，我們將深圳信息職業技術學院物流管理專業2015級3個班級共151名學生作為研究對象，收集第一學年某門專業基礎課的期末考試成績及相關因素作為模型的輸出和輸入變量。預測模型的輸入變量（樣本屬性）應該與考試成績密切相關，我們選擇輸入向量時主要根據日常教學經驗反饋的以下幾點事實：①大學生個體的期末成績往往與其曠課、遲到次數（出勤反映學習態度）負相關，與平時作業成績（平時作業代表學習態度和對知識的理解程度）正相關；②本專業學生的自有特點是女同學平均成績比男同學略勝一籌；③深圳市外生源較市內生源入學平均成績高。因此，我們選擇學生的性別、生源地、出勤表現和平時作業成績作為樣本的屬性變量，具體總結如表1所示。
此外，將所有學生分為兩類，期末考試成績大于等于60分記為“合格”，否則記為“不合格”。數據集中的部分樣本示例如表2所示。
我們在MATLAB環境中編寫核Fisher判別分析的實現代碼，并裝載收集到的原始數據集進行實驗研究。為了比較核Fisher判別分析對高職學生成績的預測效果，我們還測試了支持向量機SVM算法和C4.5決策樹方法，這兩種方法同樣在MATLAB環境中實現。在核Fisher判別分析和SVM建模時，為了防止樣本中某個維度的數值過大而在核函數計算中淹沒其他維度數據的作用，我們先對原始數據進行預處理，即將原始數據標準化在[-1，+1]的范圍內。在使用C4.5決策樹建模時，因為其能夠同時處理連續值和離散值的屬性，訓練和測試過程不受數據大小的影響，所以C4.5方法實現中仍舊保持原始數據，不進行額外處理。
由于實驗用的原始數據集較小，如果簡單地分為訓練和測試兩個數據集合，評估效果容易出現偏差。為了能夠全面反映各種算法預測的精度，我們對整個樣本數據進行多次劃分，每次從全體數據集中選擇10%的數據作為測試數據，其余數據用于訓練模型和確定最優參數。此外，核Fisher判別分析和SVM均采用RBF徑向基核K（xi，xj）=exp（-γ||xi-xj||2）作為核函數，其中γ是核參數。由于訓練得到的模型的泛化能力高度依賴于核函數參數、正則化參數或懲罰系數的選擇，因此選擇最優的參數很有必要。在實驗中，核Fisher判別分析的正則化參數設為δ=10-3，核Fisher判別分析和SVM中用到的核參數γ和懲罰系數由10-交叉驗證網格搜索法來確定[13]。在最優參數設置下對測試樣本數據進行預測，每次測試的準確率定義如下：
準確率=×100%（14）
實驗的結果是進行十次測試的平均值，如表3所示。
從實驗結果可以看出，基于核函數方法的核Fisher判別分析和SVM預測精度相近（其中核Fisher判別分析預測準確度的平均值略微高于SVM），這一點與兩者在標準數據集上的測試結果一致[7]，但是兩者的預測精度都明顯高于C4.5決策樹算法。C4.5決策樹方法訓練模型時，主要采用信息增益率作為選擇根結點和各內部結點中分支屬性的評價標準，訓練速度快，得到的模型直觀性強，規則易于被使用者理解。但是決策樹方法在訓練集上的預測效果往往優于測試集，即容易出現過擬合的現象。核Fisher判別分析和SVM利用的核函數將數據從低維的輸入空間映射到高維的特征空間，在特征空間都基于各自的分類原理構建線性分類器使得兩類數據集盡可能的分開，得到的線性分類器經過核函數映射回輸入空間后，即成為非線性分類器。因此，核Fisher判別分析和SVM得到的預測模型泛化性能良好，能夠挖掘出輸入樣本屬性與其類別之間隱含的非線性復雜關系。另外，本文用到的原始實驗數據采集自學生的實際情況，其中包含著一部分不完全、有噪聲的數據，比如有些學生學習能力強、成績突出，但是有個別作業沒有提交或是遲到的情況，卻依然會通過考試。噪聲數據會使得決策樹方法產生的過擬合現象更加嚴重，減小了泛化能力，從而影響測試效果。與之對應的是，核Fisher判別分析和SVM分類的基本原理保證了盡可能將噪聲數據的影響降到最低，所以會取得較好的預測效果。
四、結束語
在我國的長期規劃中，高等職業教育受到越來越多的重視。基于目前高職教學和生源的自有特點，建立準確的學生考試成績預測模型，能夠幫助教師提前評估教學成果，改進教學方法，對提高教學質量具有非常重要的意義。本文在MATLAB環境中建立了基于核Fisher判別方法的學生考試成績預測模型，可以在期末考試之前，根據學生的自身特點和平時表現來預測其成績。在以本校高職學生為研究對象的實驗中，核Fisher判別方法取得了良好的預測效果，可以成為一線教師提高教學的有力工具。同時，只要能夠正確地選擇輸入變量的屬性，該模型可以被直接推廣到一般本科院校的學生考試成績預測中，同時也為后續建立教育信息化決策系統打下基礎。
在后續的研究中，可以在兩個方面進行進一步的拓展。第一，在實際情況中，經常會出現通過考試的學生數量遠遠超過未通過考試的學生數量，使得不同類別的原始采樣數據數量不平衡，這有可能影響模型的泛化能力。未來可以考慮如何針對不平衡數據集進行訓練和測試。第二，本文建立的分類模型，僅僅可以根據輸入向量來預測學生是否通過考試，而不能預測學生具體的考試分數。期望以后能夠應用基于核函數的回歸分析算法[11]，進行學生成績的分數預測。
參考文獻：
[1]孫力，程玉霞.大數據時代網絡教育學習成績預測的研究與實現――以本科公共課程統考英語為例[J]. 開放教育研究，2015（3）： 74-80.
[2]黃振功.決策樹在高校計算機等級考試成績分析的應用[J].科技資訊，2013（25）：18-19.
[3]武彤，王秀坤.決策樹算法在學生成績預測分析中的應用[J].微計算機信息，2010（3）： 209-211.
[4]于立紅，張建偉.基于數據挖掘的高職生成績分析與預測[J].鄭州輕工業學院學報，2006（3）： 77-79.
[5]邱文教.基于人工神經網絡的學習成績預測[J].計算機與信息技術，2010（4）： 5-6.
[6]李建萍.基于加權支持向量機的學習成績預測模型[J].中國科教創新導刊，2009（14）： 137-138.
[7]Mika S， R tsch G， Weston J， et al. Fisher discriminant analysis with kernels[C]. Neural Networks for Signal Processing IX， 1999. Proceedings of the 1999 IEEE Signal Processing Society Workshop.
[8]李建云，邱菀華.核Fisher判別分析方法評估消費者信用風險[J].系統工程理論方法應用，2004（6）： 548-552.
[9]李映，焦李成.基于核Fisher判別分析的目標識別[J].西安電子科技大學學報， 2003（2）：179-182.
[10]Bishop C.Pattern Recognition and Machine Learning[M]. Springer Science & Business Media， 2006.
[11]Vapnik V.The nature of statistical learning theory[M]. Springer Science & Business Media， 2013.
第6篇：考試成績分析范文
關鍵字：城市內澇；主要原因；對策
Abstract: City waterlogging occurs mainly city weather, topography and other natural causes, land expansion, drainage system and the city in the process of not perfect, people of poor quality, causes. City waterlogging has seriously affected the normal and orderly development of the city, but also a threat to the safety of public life and property. So we need to improve the drainage system, the rational use of land, improving the quality of citizens and other measures, reduce the city waterlogging may occur, reduce the harm, promote the orderly development of the city economy, society etc.
Key words:City waterlogging; reason; countermeasure
中圖分類號：P333.2文獻標識碼：A 文章編號：2095-2104（2013）
近年來中國城市內澇災害頻發，嚴重影響了整個城市各方面的發展，同時也威脅著國民的生命和財產安全。2011年8月3日，杭州、嘉興、衢州、溫州、寧波等地帶相繼發生嚴重內澇，水位最高達到50厘米；之后中國城市內澇災害在2012年集中爆發，4月13日，深圳特區200多個地點發生不同程度的內澇，近90萬人口的生活和工作受影響；7月21日，首都北京遭遇了重大內澇，全城出現了43個橋下或低地積水點，造成多人回家困難，甚至出現了人員傷亡；接著7月25日，天津又發生了內澇災害，根據網上圖片的顯示，最高水位可達到2米左右，人們都能夠在水上劃橡皮艇、沖鋒舟；爾后9月8日-10日，重慶和四川等城市爆發嚴重內澇，水位達到200多毫米，造成多條國道中斷、引發山體滑坡。
可見城市內澇不僅僅影響著城市居民的人身和財產安全，也影響著城市的交通、經濟、社會的正常運行。改變城市內澇現狀，減少其發生的頻率，已經成為城市發展進程中的重要任務。而要完成這項任務，就需要充分了解城市內澇發生的原因。
1 城市內澇的主要原因
1.1自然原因
1.1.1天氣原因
縱觀城市內澇的發生狀況，不難發現天氣，尤其是降雨天氣是城市內澇發生的重要原因之一，而且其降雨基本有相同的特點，即雨量大、持續時間長、且較為集中。就拿北京的內澇災害為例，其平均降水量達到170mm，降水量為61年以來最大；且降水主要集中在21日晚17-20點鐘，在這段時間城內增加了多出積水點；與此同時，降水的時間從上午10點一直下到晚上10點以后，持續了12個小時以上。罕見的高強度、長時間、集中的大暴雨自然會給整個城市帶來內澇災害。
1.1.2地形地貌
城市內澇的發生與其所在地的地形地貌關系密切，通常地勢較高、地形較為平坦開闊、地面滲水性較好的城市，發生內澇的可能較小。反之，發生內澇的可能就大。重慶內澇災害就與其地形地貌相關，重慶周圍多山、多丘陵，故而其城市多依山而建，地形較為破碎，且面積狹小，凹凸不平，所以水流集中于城市低地，易造成內澇。
1.2人為原因
1.2.1城鎮化速度加快
隨著中國城鎮化速度逐漸加快，土地急劇擴張，造成了城市土地資源的嚴重緊缺。為了發展，很多城市都采用填湖造地、填海造地等方式增加土地面積，使得湖泊、池塘、海洋的面積逐漸減少，天然蓄水池的蓄洪能力下降、調洪能力減弱，大量洪水外泄，造成城市內澇。
另外，人們還使用各種方法對洼地、軟土地進行加固加硬措施，降低了土地的滲水能力，阻礙了地下水的正常循環，使大量的地表積水只能從有限的排水系統中排出，造成城市內澇。
1.2.2排水系統不完善
排水系統不完善是發生城市內澇的最主要原因，也是當前城市基礎建設的當務之急。城市排水系統不完善，主要表現在以下三個方面：
（1）排水系統的設計不合理
在設計排水系統時，一般要對所在城市的地形、地貌、降雨量、主要的湖泊、水系、預留地的應用等進行考察和研究，之后依據具體情況才能進行合理的設計。然而很多城市的排水系統在設計之初，習慣于參照其他城市或者國家已有的排水系統，不進行深入的調查研究，也不結合自身城市的實際狀況，具體問題具體分析，造成排水系統設計不合理。
另外很多城市通常會將雨水直接排放，在排水系統設計中只重視“排”，而不重視“收”浪費了雨水資源。同時還出現了雨水和污水、生活污水和工業污水等混排現象。雨水和生活污水中并沒有大量的生化物質，加工處理之后，能夠用于灌溉農田、工業生產等領域。而工業污水中生化物質含量極大，對人體和環境的危害也最多，故而工業污水的排放通常要進行多道處理工序，才能夠達到排放標準。
（2）排水系統的質量較低
排水系統作為城市的基礎設施建設之一，其對工程的質量要求極高。而實際建造中，很多城市排水系統的質量令人不敢恭維。主要表現在建造管道的材料較差，水流處理技術含量較低等。
為了保證排水率，減少地下水的污染，城市排水系統的管道一般會選用質量較好、耐用性強、密度較小的材料。而在管道的實際建造中，為了節約成本，提高工程利潤，很多施工單位會以次充好，將較劣質的管道設置在排水系統中，故而很多管道出現了裂縫、漏水等現象，縮短了管道的使用壽命，阻礙了排水系統的正常運行，同時還污染了地下水資源。
除此之外，處理技術較低也是整個排水系統落后的因素之一。雨水或者污水經過收集之后，會集中到污水廠進行集中處理排放。而由于很多城市污水廠的污水處理技術較低，每一次處理的污水流量較少，排放達不到標準，故而使很多污水積聚。當城市發生內澇時，排水系統壓力過大，排澇能力自然下降。
（3）排水系統的維護體系不健全
目前，很多城市的財政性資金中只有4%用于排水系統的維護，而市民和政府工作人員幾乎都對排水系統抱著一勞永逸的態度，不重視或者不在乎其維護。資金的短缺、人們觀念的落后使得排水系統的維護體系至今仍不健全。在實際生活或者工作中，排水系統年久失修，排水管道和窖井基本處于無人管理的狀態，只有當出現重大內澇或者重大堵塞時，才可是緊急疏通和搶修。這些都不利于排水系統的正常運行，也減少了排水系統的使用年限，故而在城市發生內澇時，排水系統經常處于失靈狀態。
當然，也有很多城市制定了相應的維護體系，并且安排人員進行維護。但是在維護的過程中，工具落后，機械化水平和科技含量較低，疏通和搶修工作質量不高。另外，由于排水系統維護的特殊性，很多水利專業的人員放棄從事這項工作或者鄙視這項工作，故而真正的工作人員往往是科學文化素質和專業知識較為欠缺的人員，這樣的維護效果自然不佳。
1.2.3部分市民素質較差
城市內澇與排水管道堵塞息息相關，而排水管道堵塞的罪魁禍首就是市民自己。在生活中，很多市民習慣于將各種垃圾傾倒到排水管網之中，而且其多半是瓜果皮、塑料袋、剩菜剩飯、煤塊等固體的難以被水溶解的成分。日積月累，下水道的入口及管道中大量的垃圾堆放起來，使下水道逐漸堵塞，排澇能力下降，城市水澇嚴重。
了解了城市內澇的原因，我們就需要對癥下藥，對其進行防治和處理，減少城市內澇發生的可能性。
2 城市內澇的防治對策
2.1完善預報系統及暴雨應急預案
對于降雨等自然原因引起的內澇，要加強對天氣的觀測和預報，建立快速應急預案。
在中國，天氣觀測和預報采用了先進的雷達技術，每十分鐘就能夠更新一次。故而可以通過對天氣的觀測和預報，提前探知城市的降雨量，做好預防措施，降低城市內澇產生的嚴重危害。同時還要建立完善的暴雨應急預案。在發生特大特急暴雨時，及時啟動預案進行災后補償，這樣也能夠減少城市內澇的危害。
除此之外，要建立和完善國家和城市的GIS（地理信息系統），通過數據庫、地理信息、多媒體、遠程通信等先進技術，將城市的內澇及排澇狀況連成一個整體，減少城市內澇發生的可能。
2.2降低地面硬化率
面對當前地面不斷硬化、滲水困難的狀況，我們可以采用兩種方式來降低地面的硬化率，改變這種現狀，一種是采用非硬質滲水性較好的材料進行鋪設，另一種是采用有滲水能力的硬質材料進行鋪設。
非硬質滲水性較好的材料比如滲水草皮，其鋪設出來的地面柔軟舒適，使整個城市更加溫暖有情，同時由于其滲水性較好，故而能夠使城市的地面實現正常的水循環，還能夠提高城市的空氣質量，保護城市環境，減少城市內澇的出現；具有滲水能力的硬質材料較為多見，比如鏤空磚。它主要應用于人行道的鋪設，其鋪設的道路防滑性較好，滲水能力也較強，在空心部位種植叢草，既能夠提高整個城市的植被覆蓋率，也能夠解決雨水下滲的問題。
2.3合理利用土地資源
城市土地資源本來就極為有限，所以要合理規劃、合理利用，禁忌盲目擴張。在進行土地資源規劃時，要充分考慮城市的自然條件，比如地形地貌、風向等，之后合理劃分工業區、住宅區、商業區。減少填湖造地、填海造地的面積，恢復它們的蓄洪和調洪能力，盡量節省土地資源，控制城市建筑的距離和數量，保證在出現暴雨時，能夠合理排洪。
2.4完善城市排水系統
完善排水系統是整個城市內澇治理的關鍵環節，也是最為有效快速的環節。通常要從設計、建造、維護等三個方面，完善城市的排水系統。
工程設計師在設計城市排水系統時，要進行實地考察和測量，了解城市的地理狀況和天氣狀況，之后根據不同的功能區設置合理的管網系統，同時將雨水、生活污水、工業污水收集在不同的管道中，進行分流處理，這樣才能夠保證排水系統的合理性和排洪能力。
施工單位在建造排水系統的過程中，要提高自身的責任感和信用，使用質地較好的材料，保證排水系統管道的使用壽命。同時要提高排水系統的科學技術含量，提高其排洪能力，保證在發生重大內澇時，排水系統的正常運行。
除此之外，還有加強城市排水系統的維護，建立完善的維護體系和維護制度，提供良好的待遇，吸引專業的排水系統維護人員，同時要提高維護的機械化和科技水平，淘汰落后的維護工具，確定定期維修和養護方案。只有這樣，才能夠延長排水系統的使用壽命，提高其排洪能力。
2.5提高公民的素質
針對下水道堵塞的問題，相關部門需要采取一定的措施，比如發送與排水系統相關的傳單、派遣專業人員講課等，普及排水系統的相關知識，提高公民的意識。同時要制定相應的獎懲政策，對那些不遵守排水系統管理的公民進行罰款處罰，約束其不文明行為。
當然，防治和處理城市內澇的方式還有很多。通過這些措施，能夠在一定程度上減少城市內澇發生的可能，降低其危害，同時也能夠進一步促進城市的快速穩定有序發展。
參考文獻：
[1] 丁燕燕，韓喬．城市內澇的主要成因及防治對策[J]．市政技術．2012，（6）．
第7篇：考試成績分析范文
1 人?橐蛩?
1.1 教學管理者
教學管理者是課程考試制度的制定者，一方面，他們要以上級管理者的政策為行動指南，另一方面，又要面對來自課程考試改革的具體實際困難，所以常常會選擇現成的、固有的、傳統的課程考試模式，簡單易行、容易控制、風險小、省時省力。
1.2 任課教師
任課教師是課程考試的執行者[4]，對傳統的考試模式比較熟悉，對創新課程考試模式缺乏足夠的認識。近年來，隨著各醫學院校不斷擴招，護理專業學生逐年增加，總課時量成倍增加，任課教師工作量大，大部分護理教師是女教師，平時除了上班，還要照顧家庭，繼續學業，為晉升職稱做準備，非常忙碌，很難抽出時間和精力用于課程考試改革，并且任課教師大多是從事護理專業研究的，從專業學習到成為教師，都很少有機會學習課程考試理論及評價技術，也很少有自行學習的動機，基本上是憑老教師傳授經驗和自己的主觀感受來實施課程考試。改革課程考試模式的難度與工作量均很大，而且要付出大量精力，還要承擔可能的風險與壓力，大部分任課教師存在畏難情緒，進行課程考試改革的意愿不強，熱情不高[5]。
1.3 護理學生
隨著高校的不斷擴招和生源的持續減少，出現了學生文化基礎總體比較薄弱的現象，學生缺乏堅實的學習功底和較好的學習能力，學習主動性不強，面對多次考試和多樣化考試，學生畏難情緒較大，并且進行階段性考試和綜合性考核需要較多時間和精力的投入，但是護生在校學習時間較短，學習課程多，學習任務重，課余時間少，時間和精力都難以保證，效果不佳。
2 制度因素
受傳統教育觀念的影響，家長、任課教師、學生、招聘單位等都是看重學生的卷面分數和各種及格率、通過率，而非學生的綜合能力，學校在考核教師時，多注重課時量而非學生考試情況，《護理學基礎》課程考試多在每學期期末，教師要整理教案，書寫年度工作計劃、總結，出卷、閱卷，時間緊，任務多，任課教師往往愿意選擇簡單易行、評分標準簡單、難出差錯的考核模式，考試后的試卷分析也常常只是流于形式。教師晉升職稱時，科研分數比教學分數所占比例大很多，導致大部分教師把心思放在申報課題、撰寫論文及編寫教材上，而非課程考試改革上，對于以追求學術地位為榮的教師來說，探索、改革考試模式無疑是一件付出大而收益小的事情。
3 設備設施因素
《護理學基礎》包含出入院護理、清潔護理、飲食護理、用藥護理、排泄護理等8大基本理論模塊和20多項基本護理技能，內容多、實踐性強，除去講授基本知識之外的機動課時不多，想要進行綜合性課程考核，課時難以保證，并且實驗用物、考試場地、教師人數、教學資源，如教學視頻，相關圖書等都不是很充足，較難滿足開展創新型綜合性《護理學基礎》課程考核的需求，進行《護理學基礎》課程考核改革的難度較大。
第8篇：考試成績分析范文
南寧市教育局中小學招生辦公室將于7月8日把中考學生成績單發放至初中學校，由學校發放到考生手中。
成績呈現方式
筆試各科成績劃分為八個等級，原則上按考生考試人數劃比例，即由高到低大致為：A+（約占5%）、A（約占10%）、B+（約占15%）、B（約占20%）、C+（約占20%）、C（約占15%）、D（約占10%）、E（約占5%）。
第9篇：考試成績分析范文
評卷、復查
2019年山西臨汾專升本考試各科試卷全部采取網上評閱的方式。答題卡的掃描及選擇題答卷的評閱工作由省招考中心組織實施；非選擇題答卷的評閱工作由承擔評卷工作的院校全權負責，經費包干。評卷院校必須嚴格執行有關評卷實施細則，做到科學、規范、公平、公正。省招考中心向評卷院校派駐質量監督組和技術支持組，對評卷工作進行監督檢查和技術支持。
2019年山西臨汾專升本考試成績查詢時間為6月26日，考生登錄“山西招生考試網”查詢考試成績。若考生對本人成績有疑義，可于6月27日至28日在原確認點申請成績復查，復核結果由確認點負責通知考生。
