关于大学老师‘打分放过率’的研究

关于高校老师‘放过’现象的研究

研究背景

大学中的课程成绩由平时分与考试分加权后相加得出，平时分包括平时考勤，平时上课表现(回答问题之类)等，考试分是期末考试成绩，大部分老师基本上都是如此。而在教师打这两部分的分时会出现将60分以下且接近60分的成绩，尽量凑成60分的现象（以下称‘放过’现象）。
放过现象过少，说明教师过于‘刚正不阿’，增加了自己的挂科率；放过现象过多，说明该老师过于‘仁慈’，教务处应建议该教师整改。所以，在‘仁慈’与负责任之间掌握好尺度，也是教师的一门学问。
本文基于某高校某学期的所有学生成绩进行放过现象的分析。

研究目的

以教师个人为研究对象，用一个指标描述该教师放过现象的程度，并用该指标将教师排名。这里只要输出客观排名，至于是否整改，应由教务处主观决定。

研究过程

数据探索

所有成绩分布如图，发现以下规律：
1.0分数据是未参加考试或交白卷产生，本文不做考虑
2.当分数>60，成绩曲线轮廓为正态分布曲线的一部分
3.当分数<=60，成绩曲线轮廓不属于正态分布曲线的一部分，且55~59分段本该上升趋势的曲线反而下降，60分案例数突然升高，映证了放过现象的存在
4.五整数、十整数的分数点的案例数明显多于其他分数点，可能是因为出题与打分都更习惯于整数

指标设计

提出多种方案，由计算易至难排序：

方案	计算方式	优点	缺点
方案1	59分（或60分）人数 / 班级人数	计算简单	若某班没出现放过现象，该值还是会>0
方案2	（60分人数 - 55~59分人数）/ 班级人数	计算简单	若某班在放过前，60分本来就多（或59分本来就少），这部分会影响指标
方案3	61分数点处斜率-59分数点处斜率	参考分数点更多，更有说服力	一个班的数据过少，各点斜率不平滑会使指标波动过大
方案4	使用scipy.stats归纳预测原有的55-59各分数点人数，再计算放过率	预测后可精确地计算放过率	一个班的训练数据过少预测不准确

综上，选择方案2

指标计算与展示

计算就是一句蛮长的sql，就不贴了，略略略略略略