编辑点评：本文通过借助分析工具，建立学生期末成绩相关关系散点图，通过按教师分类、按年级分类及按学院分类的多维度分析。这些分析结果所产生的信息，对于调整和改进高校教学活动还是有着积极的参考意义。

　　考试成绩是检验教学工作成效的重要指标。学校的教学活动中不停地产生着大量的成绩数据。如何通过数据分析方法，让考试成绩数据“告诉”我们更多的有价值的事实，而不再仅仅停留于简单的查询与统计，在智慧校园建设和数据化治理时代，是我们需要积极研究探索的一个重要课题。

　　华南师范大学借助分析工具，建立学生期末成绩相关关系散点图，通过按教师分类、按年级分类及按学院分类的多维度分析，使我们能够从成绩数据中发现不同课程相对难度特点，不同学生群体学习情况差异与不同，不同教师教学效果差异等信息。虽然这些分析尚是局部的、模糊的，但管中窥豹，分析结果所产生的信息，对于调整和改进高校教学活动还是有着积极的参考意义。

　　不同教师教授同一门课程的教学效果分析

　　本分析案例中，我们通过期末成绩散点图比较，对二位不同教师（下称教师Ａ和教师Ｂ）的同一门专业课程（下称“专业课程a”）的教学效果情况进行了分析，发现两位教师的教学效果的差异性。为使分析相对客观，两个班级的学生来自同一学院的同一年级。

　　图1、图2分别为教师A、教师B授课的两个班级学生的期末成绩散点图。

　　通过对两个散点图分析可以发现，教师Ａ对应的散点图图1中，散点基本处于y=x参考直线之下，趋势线也完全是处于y=x参考直线之下，说明绝大部分学生无法在这门课程中取得与其他课程同等水平的成绩。同时可以看到，有较多处于该课程成绩60分、甚至50分以下低分区域的学生，然而这部分学生的其他课程平均成绩上多超过60分，却没能在本课程取得及格分数。相比较之下，教师B对应的散点图图2中，多数的散点集中于y=x参考直线附近，有相当一部分散点处于上方，这部分学生取得了比预期更好的成绩，而没有取得预期成绩的学生，也少有出现过于低分的情况，高均分低课程分的情况要比图1好。

　　图1、图2都呈现出趋势线斜率大于1，结合散点对趋势线回归程度较好的特点，说明该学科成绩与学生其他课程成绩关联性较强，这可能是因为该课程专业性较强，考试对学生学习情况考察足够深入。对比两位教师授课情况，教师B的学生在“专业课程a”上获得了与其他科目相当或更好的成绩，而教师A的学生则获得了远低于其他科目的成绩，由于两个班的学生来自同一学院的同一年级，因此综合情况说明，教师B“专业课程a”的教学活动开展得更合理，而教师A可能需要进行适当的教学调整。

　　历届学生对同一公共或专业课程的学习情况分析

　　本分析案例中，选取了两门课程的期末成绩散点图进行比较分析，分别为：大一学生必修的公共课程Ａ和大二学生必修的专业课程Ｂ。通过对这两门课程历年的成绩散点图进行对比分析，我们发现近年来选修该两门课程的学生学习情况呈现一定的规律性，教授该两门课程的教师教学活动也展现出其自身的课程特色，这对开展下一级新生的教学活动具有一定启发性和参考价值。

　　公共课程Ａ历年成绩数据分析

　　本小节分析案例中，选取2011级至2014级学生修读公共课程Ａ的期末成绩散点图进行分析比较。其中图3是2011级学生的公共课程Ａ期末成绩散点图，图4为历年公共课程Ａ学生平均期末成绩折线图。

　　通过对2011级至2014级学生的公共课程Ａ期末成绩散点图进行分析，看出往届学生的成绩散点图基本呈现出散点分布较为分散，对趋势线回归程度不高的情况。再结合其趋势线斜率不足1的特点，说明该课程成绩与其他课程成绩关联并不紧密，这一点在2011级成绩散点图（图5）上体现得更为明显。通过这一分析或许可以认为由于公共课程专业性不强，专业能力强的学生也未必能在公共课程上取得与其他课程相当的成绩。但另一方面，趋势线斜率并不接近于0。有的年份的成绩散点图其趋势线斜率接近于1，散点对趋势线回归程度也较好，这说明如果学生在其他科目上的学习能力较好，那么他也更有可能在公共课程上获得较好的成绩。

　　从图4历年公共课程Ａ平均期末成绩折线图上可以看出，该课程在经历2012年一次成绩下滑后，于2013年与2014年持续上升，并在2014年取得了超过70分的好成绩。这或许可以说明教授该课程的教师现有的教学策略具有一定科学性和积极性，从而使得学生成绩稳步上升，在今后的教学活动中可以坚持这一教学策略。

　　最后，根据相关数据可以注意到2013级和2014级的成绩散点图中均分高课程成绩低的情况减少。相应地，均分较高的学生在公共课程Ａ上取得超过均分的情况（y=x参考直线以上）也增加了。结合前文中的分析，可以提出以下建议：教师如果激发学生，将其学习专业课程时的学习热情和积极性应用到学习公共课程上，这对于提高学生公共课程的成绩和改善公共课程的教学情况将有着积极的意义。

　　专业课程Ｂ历年成绩数据分析

　　本小节分析案例中，选取2011级至2013级学生修读专业课程Ｂ的期末成绩散点图进行分析比较。其中图5、图6、图7分别是2011级、2012级、2013级学生的专业课程Ｂ期末成绩散点图，图8为历年专业课程Ｂ学生平均期末成绩折线图。

　　通过对2011级至2013级学生的专业课程Ｂ期末成绩散点图（图5、图6、图7）进行分析，可以看出2011级和2012级学生的成绩散点图基本呈现出散点对趋势线回归情况较好，趋势线斜率较大的特点。这说明学生在该课程的成绩与其他课程的成绩关联较为紧密，进而可以认为该课程专业性较强，对学生专业能力考察深入。

　　结合历年专业课程Ｂ学生期末成绩折线图（图8）进行分析，可以明显地看到该课程平均成绩从2011年至2013年明显地存在逐年大幅下降的情况，2011年至2013年间下降了超过20分。从散点图上来看，2011级学生大部分都在专业课程Ｂ取得了比其他课程更好的成绩，虽然有小部分均分在70分左右的学生取得了意外的低分，但总体来说散点都聚集在y=x参考直线附近，可以认为2011级的学生在该课程上充分发挥了他们的专业学习能力。

　　相比之下，2012级散点图中处于y=x参考直线上的散点大幅减少，均分高课程成绩低的情况增多，说明许多学生无法在专业课程Ｂ上取得与其他课程相当的学习效果。

　　最后再来看2013级的散点图，y=x参考直线上方散点与12级相比变化不大，但是均分高课程成绩低的现象非常严重，如图中紫色方框中区域所示，存在大量均分处于60至80分之间，而课程成绩却低于甚至远低于60的散点。

　　这部分的学生在该课程上的学习程度远不及他们在其他课程上的学习程度，这说明课程教学情况不理想，从而导致了课程均分只有52.2的情况。然而由于散点并没有出现整体逐年左移的情况，说明这并不是因为学生的整体专业学习能力下降导致该课程均分下降的。因此可以得出建议，教授该课程的教师可能需要参照往年的教学模式与教学策略来对该课程现有的教学情况进行调整。另外也需要提醒2014级学生，在学习该课程时应该投入更多的时间精力，不能因为自己在其他课程已经取得较好的成绩就掉以轻心。

　　不同类别学院对同一公共课程的修读情况分析

　　本分析案例中，选取了所有学院的学生都需要修读的公共课程Ｃ的期末成绩散点图进行比较分析。通过将学院划分到文理两个不同专业类别，我们将能够看到数据背后反映出来的课程特性，这将有助于教师针对不同学院的学生调整教学策略，因材施教。

　　图9为理工科类一个学院的学生修读公共课程Ｃ的期末成绩散点图，图10为文科类一个学院的学生修读公共课程Ｃ的期末成绩散点图。

　　通过对理工科类三个不同学院和文科类三个不同学院公共课程Ｃ期末成绩散点图（以图9、图10为例）进行比较分析，可以发现，文科类散点图的趋势线斜率全部都大于1，而理工科类散点图的趋势线斜率则全部小于1。同时，文科类散点图的趋势线回归程度要比理工科类散点图更好。以上特征都说明了该公共课程体现出了文科类课程的特点，相比起理工科类课程，其成绩与其他文科类课程相关性更高。

　　理工科类学生如果想要在该课程上取得好成绩，则需要投入更多的时间精力。而该课程的教师在教授理工科类专业的学生时则应该注意到该课程的课程特性，适时对教学方法进行调整。

　　给分情况各异的两门课程的成绩分差值分析

　　高校中的课程不同于中学，作为学生绩点计算依据和衡量学生是否通过标准的总评成绩不仅只关注期末成绩，平时成绩也是纳入计算的一部分。然而由于平时成绩的主观性与给分自由度较大，个别教师可能会为了拉高学生的总评成绩，而给出不符合实际情况的平时成绩。本分析案例中将通过对比课程A和B的成绩分差值散点图，来较为直观形象地体现出这种行为和现象。

　　图11、图12分别为课程A、课程B的期末成绩分差值散点图。

　　通过对课程A、课程B的期末成绩分差值散点图（图11、图12）进行比较分析。课程A散点图的趋势线表明，学生期末成绩越高，分差值越低，但其趋势线斜率接近于0，趋势不明显。可以认为是由于平时成绩较为平均，所以期末成绩较低的学生具有更高一点的分差值。

　　我们将图11作为较为合理的分差值散点分布情况，在此基础上，对比分析图12，课程B散点图趋势线斜率较高，拥有非常明显的散点分布趋势，即期末成绩越高的学生其分差值越低。

　　从另一方面说，期末成绩越低的学生依赖于平时成绩拉高总评成绩的现象在该课程显得非常普遍。对于这种现象，有几种可能性：一可能是该课程的教师更加注重学生的平时表现（例如学生的出勤率、课堂表现、平时作业等），在总评成绩中平时成绩所占的比例可能比期末成绩所占比例更大；另一种可能是该课程的期末成绩难度较大，期末成绩普遍不高，该课程的教师为了增加该科目的通过率，一定程度上提高了平时成绩，进而拉高了总评成绩。

　　对于可能性一，可以得出建议，学生在学习该课程时应该更加重视平时的表现，如保证出勤率、课堂积极发言、按时完成课堂作业等；对于可能性二，则可以建议教授该课程的教师合理调整考试的难度，并适时调整和改善教学策略和方式，激发学生的学习积极性。

　　数据助力于管理部门、教师和学生

　　通过以上的数据方法和分析工具，从不同的维度对学生期末成绩进行数据分析，让我们对学生的学习情况有了更加深入全面的了解。管理部门以这些隐藏的信息为依据，可以对教师教学提出相应建议；教师则可以根据数据分析结果对自己的教学策略与方法等进行改善调整；学生也可以根据以往的课程成绩情况选择制定自己的学习计划。

　　华南师范大学近年来重新规划建设了学校数据整合与交换平台，确立了智慧校园数据服务和数据治理的发展方向。本文是学校网络中心数据分析团队在校园大数据研究过程中的初期案例，在分析手段和分析结构的全面性、科学性方面仍有待加强。但我们深信，只要坚定方向，勇于尝试，高校的智慧校园必将迎来属于自己的“大数据时代”。

　　（作者单位为华南师范大学网络中心）