c高级语言程序设计2结课论文,《高级语言程序设计》课程成绩分析论文

《高级语言程序设计》课程成绩分析论文

导读：随着教育教学水平不断提高和现代信息技术的应用，我国高等教育的教育教学改革措施不断推陈出新，改革内容不断深化。程序设计类课程是计算机相关专业的专业基础课程，其教学效果直接体

SCI论文(www.scipaper.net):

摘要：随着教育教学水平不断提高和现代信息技术的应用，我国高等教育的教育教学改革措施不断推陈出新，改革内容不断深化。程序设计类课程是计算机相关专业的专业基础课程，其教学效果直接体现在学生实践水平，而后者在一定程度上反映了学生IT水平和专业素质。目前，绝大多数高校把《高级语言程序设计》(一般采用C作为编程语言)作为程序设计类课程的入门课程。本文以《高级语言程序设计》作为研究课程对象，以其课程考核题型和成绩作为数据基础，探索自2015年以来该课程成绩变化的规律和特点，为该课程以及其它相关课程的教学改革和成绩评定提供一定的参考信息。

关键字：成绩分析；题型；相关性；学者网

本文引用格式：苑俊英,等.《高级语言程序设计》课程成绩分析[J].教育现代化,2019,6(17):86-90.

一引言

《高级语言程序设计》是计算机和信息类相关专业的专业基础课程，往往是学生大学期间接触的第一门语言类课程。该课程成绩的高低，能够在一定程度上体现学生编程实践的水平、能力、素质，从一定程度上反映了学生的综合能力与水平。对于应用型本科高校来说，学生编程能力的高低能够直接影响学生后续课程的学习效果，甚至毕业前后的工作起点高低。

影响《高级语言程序设计》课程成绩的因素众多 [1-4]，例如教学方式、教学内容以及采取的考核方式等。传统的考核模式重笔试而轻实践，导致学生可以通过重复记忆方式获得高分，而可能忽略了平时实践能力的培养。中山大学南方学院是应用型本科高校转型的急先锋，早在 2009 年就已经开展了持续的程序设计类课程改革工作，改革内容从理论、实验和实训并立的课程设置，到自编教材，再到课程考核方式的规范化，均已做出了一系列努力和实践，取得了一定的研究成果 [5] 和实践效果。

一般来说，课程总评成绩是平时成绩和考试成绩的加权平均。用 Z，Zn 和 Ze 分别表示总评成绩、平时成绩和

浏览大图

图 2 给出了历年来学生成绩的分布与变化情况。其中，图 2 (a) 反映了课程平均成绩的历年变化曲线， 从中不难发现，自 2012 年到 2015 年，学生成绩逐步提高，自 2015 年成绩有所降低后又趋于稳定，但一般仍高于 2013 年之前；另外，自 2012 年以来， 学生平时成绩总体在稳步提高。图 2(b) 给出了数据集中所有学生的成绩分布情况，可以看出，5072 名学生中， 只有 300 左右没有通过课程考核； 一般情况下，平时成绩高于考试成绩，但随着学生成绩提高， 学生的平时成绩和考试成绩也越接近。

(二) 成绩评价特点

本小节研究课程成绩评价特点，包括平时成绩和考试成绩的统计分布情况和联合分布情况。图 3 给出了课程成绩的统计分布情况。其中，图 3(a) 对比了平时成绩和考试成绩的分布情况，图 3(b) 给出了平时成绩与考试成绩之差 Zd(参见公式(2))的统计分布情况。不难发现，课程考试成绩 Ze 近似服从高斯分布，平时成绩与考试成绩之差 Zd 也近似服从高斯分布，而 Zd 的值普遍大于 0。

图 4 进一步给出了平时成绩、考试成绩和总评成绩的联合分布情况。由于课程成绩问问按分数段进行划分和统计，图 4 按照 5 个成绩段对学生成绩进行统计，5 个成绩段依次为：[0, 60) [60, 70) [70, 80) [80, 90) [90, 100]。按分数段划分统计情况下，平时成绩和综合成绩联合分布情况如图 4(a) 所示，平时成绩与考试成绩的联合分布情况如图 4(b) 所示。由图 4 不难发现，在成绩评定过程中，课程往往会更强调学生的平时学习和表现情况。

(三) 授课班评分特点

为分析教师评分特点，本文提出了学生成绩评分特点的一个评价指标 n 2e ，参见公式(3)，用考试成绩和平时成绩之间比值来衡量评价特点的不同。n2e  1，表示平时成绩与考试成绩评价接近；n2e  1，表示平时成绩评价优于考试成绩， n 2e 值越大，平时成绩评价越高； n2e  1，表示考试成绩评价优于平时成绩， n 2e 值越小，平时成绩评价

不同教师和不同授课班的成绩评定特点。图 5(a) 给出了不同教师的课程评价指标 n 2e ，其中，平时成绩和考试成绩均为归一化的平均成绩即成绩除以总分 100 后的结果。不难看出， 大部分教师的评价指标在 1.5 左右，仅有少数教师的评价指标明显偏高。图 5(b) 给出了不同授课班平时成绩、考试成绩与总评成绩的对应关系，大部分教师的评价指标在 1.4 左右，仅有少数授课班的评价指标明显偏高。从图 5 可以看出，成绩评定评价指标 n 2e 能

够正确反映教师和授课班的成绩评定特点。

为了能够增强考试效果，减少偶然性因素影响，从而对学生进行多方面的综合性评量，各试题类型权重应合理设置。表1根据成绩分布给出了不同题型间的相关性。其中相关性越强，表示两种题型间的内容关联度越高，反之亦相反。

图6给出了2015-2017年学生按题型的平均成绩分布雷达图，其中判断题、填空题、编程题和实验(课程设计)等四种题型的满分分数依次为20，30，20，30。从中不难发现学生学习的特点：

(1)实验成绩分数较高、比较稳定，表明学生动手能力和创新能力较强；

(2)2015年学生成绩普遍较好，2016年有所降低，而2017年成绩有所提高；

(3)学生理论考试时的编程能力有待提高。

图7近一步给出了三年来不同题型学生成绩的累积分布(Cumulative Distribution Function:CDF)。一般来说，CDF分布的集中程度反映了学生成绩的区分程度，CDF分布越集中，成绩区分度越低，CDF分布越分散，成绩区分度越高。不难看出，从2015年到2017年，改错、填空和编程题的学生成绩区分度有了明显提高，实验的成绩区分度变化不大。

来源：SCI论文网