基于SPSS的教育技术专业学生成绩分析(2)

　　（一）对课程变量的R型聚类分析

　　对课程变量进行探索性R型聚类分析，可以找到课程之间的某些规律和特点。连续性变量的样本距离测量方法有多种，包括欧氏距离（Eucalidean Distance）、Minkowski距离、Chebychev距离和Pearon相关系数等。在SPSS聚类运算过程中，还需要计算样本与小类、小类与小类之间的亲密程度。SPSS提供了最短距离、最长距离、类间平均链锁法、类内平均链锁法等。[4]

　　本次分析采用了Pearon相关系数和类间平均链锁法。表1显示了所有课程进行R型聚类分析后的归类情况。

　　（1）当课程分成两类时。体育课都属于类别2，表明体育课以身体运动和技巧为主，跟其他课程不归属一个类别，符合常理。同时，模拟电子线路实验也属于类别2，可能的原因在于，模拟电子线路实验课程对学生的动作技能有一定的要求。

　　（2）当课程分成3类时。体育课IV归类出现变化，单独归入类3，说明体育课IV与其他学期的体育课的成绩考核可能存在差别。

　　（3）当课程分成4类、5类时。数字电路实验从其他课程中脱离出来，单独成为一个类别3，表明数字电路实验在课程评价或课程特性上，与其他课程存在一定的差别。

　　（4）当课程分成6类时。概率论与数理统计单独成为类别2，原因未知。

　　（5）当课程分成7类时。成为类别3的课程有马克思主义经济学原理（文科）、马克思主义哲学原理、毛泽东思想概论、思想道德修养和就业指导。这些课程基本上属于思政课程范畴，具有较强的亲密性。

　　（6）当课程分成8类时。彩色摄影技术、法律基础和军事理论含军训归为类别1。法律基础和军事理论含军训属于公共基础课，彩色摄影技术与之归为一类，原因未知。

　　其他大部分课程归为类别2，其中，传播学、英语等属于文科类课程，微机原理、高等数学、模拟电子线路属于理科类课程。从课程性质上看，类别2的课程很多课程之间似乎不存在非常紧密的联系。究其原因，可能在于学生因素或课程因素等，当然，也存在这样解释的可能性：学习成绩好的学生，不管是理科课程还是文科课程，其成绩都倾向于比较好；反之亦然。

　　四、结论

　　1.R型聚类分析归类异常的课程的分析。通过对课程的R型聚类分析，结果显示，大部分课程聚类方式符合常理，但是，彩色摄影技术、概率论与数理统计等少部分课程的归类显得异常。其异常的原因，可能是由课程内容或课程性质的特殊性造成的，可能是由于教师课程评价的不规范造成的，当然也可能是由其他因素导致的。针对这些归类异常的课程，建议在教学管理和课程评价等方面予以重点的关注。

　　同样，体育IV的成绩数据也存在异常。一个方面，它的异常表现在R型聚类分析中，体育IV单独归为一类，与其他三个学期的体育相关性小。另一个方面，在因子分析中，因子4对其他课程的因子载荷很小，但对体育IV的载荷达到0.912，同时，因子1、因子2、因子3对体育IV的载荷很小，因此，体育IV仅由因子4解释，体育IV与其他三个学期的体育课程不存在共同特征，体育IV可能在课程内容或评价方法等方面存在特殊性。

　　2.学生各学期的英语成绩显著正相关，英语分层教学是有必要的，具体的分班方法可以采用Q型聚类实现。