摘要：学生成绩可以直接反映学生的学习结果，因此很多高校十分注重对学生综合成绩的分析，但常规使用的成绩分析模型的学生综合成绩数据分析性能较差，无法准确地对学生的综合成绩进行评价，基于此，文章对 Python语言下的综合成绩分析模型进行设计。首先根据相关性变量分析综合成绩因子，在Python语言下结合得到的成绩因子和相应评估策略设计分析模型，根据成绩项目评估集确定模型参数，优化分析性能，完成综合成绩分析模型的设计。最后通过实验结果表明，设计模型的学生综合成绩分析性能较好。

关键词：Python语言;综合成绩分析模型;因子变量;教学评价;成绩分析

中圖分类号：TP391      文献标识码：A

文章编号：1009-3044（2022）05-0082-03

在一定程度上，学生的综合成绩能够反映学生的学习状态，是对学生一段时期学习效果的评价。在综合成绩分析的过程中，由于科目众多，每个科目的情况不同，因此各个科目的成绩分析与评估频率有所差异[1]。但总体而言，任何科目都存在一个共性的问题，即对课堂表现的考核成绩较多，而竞赛考核频度较低。在这种情况下，影响学生综合成绩评价的因素有很多，这就导致对学生的综合成绩进行评价是一个复杂的动态过程。另外，对于当前的综合成绩评价而言，综合成绩分析是一个不可回避的重点问题，然而学生综合成绩中存在大量信息，例如，有记录学生作业和考试的时间和分数，有讨论次数和准确性的记录，也有教师上课表现的数据。这些数据不仅种类繁多，数量也巨大。这些信息会干扰综合成绩评价的准确程度，而传统方法难以对无效信息进行剔除，为提升学生综合成绩评价准确度，本文利用Python语言设计了一种新的综合成绩分析模型，以在获取数据后，根据多维多粒度分析模型进行自动分析，从而更好地解决以上问题。

1 Python语言下的综合成绩分析模型设计

1.1 综合成绩因子分析

在学生的综合学习成绩中往往存在一些具有相关性的因子，对综合成绩的相关变量产生各种影响，为此需要对综合成绩因子进行分析[2]。成绩因子变量并非原始变量的简单取舍，而是一种新的综合，而且成绩因子变量之间没有线性关系。一般而言，因子分析的核心问题有两个：一是如何构造因子变量;二是如何对因子变量进行命名解释。现如今，可以将综合成绩因子设定为各种竞赛项目[3]。由于学生综合成绩中的竞赛项目主要有全国比赛、省级比赛、市级比赛和校级比赛等，在不同类型的比赛过后，会根据成绩对学生的等级和学习质量进行确定，可以说比赛成绩是对学生知识或技能的肯定，但过多的数据对实现成绩的高效管理产生了阻碍，这就必须通过各种方法得到学生在网络教学中的全过程数据，并在综合成绩因子的基础上，对相关数据进行分类评估。为了实现这一目的，本研究提出了Python语言下的综合成绩分析模型，以更好地获取数据，并对这种潜在能力因子进行统计。此外，如果不能使用统一的标准进行计算，则很难提升综合评估质量，而该模型设计了一个能够读取学生情况的功能，可以将读取到的数据转化为综合学习成绩，并以雷达图的形式表示出来。这种模型充分考虑了评价结果的多维性和颗粒性，提供直观的数据依据，使学校能够直观地对学生进行评价，并进行因材施教，有利于实现学生的全面发展。出于对以上种种因素的考虑，本文对Python语言下的综合成绩分析模型进行了设计。

1.2 基于Python语言设计分析模型

Python语言以其简单性、可读性和可扩展性特别适合数据挖掘应用程序的开发和设计，因此受到程序员的青睐。为实现对学生综合成绩的评价，本程序使用了Pickle 库、Numpy 库以及 Matplotlib 库进行分析[4]。而且在当前信息技术不断发展的当下，大多数学生的成绩已经可以用数字化技术进行管理。因此在读取数据时，需要删除空格和多余的列，并对学科名称进行组织并读取学生的成绩。为了给后续的学科选择和数据分析提供有效的数据，因此可以在该模型中按照既定日期的顺序，对学生的各科成绩进行叠加，并依据多元化职能论，对学生的综合能力进行分析。而且为了实现设计模型的灵活操作，该模型的评估策略可以根据实际情况进行动态调整，针对网络教学的特点，采用不同的计算方法。例如，百分制一般用于考试，是一种相对稳定的、被广泛认可的计算方法，但是不同学科有不同的特点，这就导致百分制无法对所有学科进行有效评价，而针对这些问题，该模型简单易读且可扩展，拥有多套测评方式，能够实现学校学生综合成绩的快速直接的评价，并根据学生特点进行个性化教育，选拔合适的人才。

另外，网络教学在选定评价标准时，要根据国家的教育方针确定实际教学的方向[5]。因此在评价方案的制定过程中需要建立健全的制度，而设计模型中的评价体系的建立以客观性为原则，在评价执行过程中设置各项指标，并对获取的数据来源进行客观分析，能够记录下反映学生综合素质的数据，因此可以更真实、全面地反映学生的实际情况，从而促进学生德、智、体、审美等方面的全面发展。

1.3 确定模型参数

Python语言下的综合成绩分析模型，对学生成绩多因子变量的特点进行了充分考量，从而对学生的综合成绩进行评估，可以实现对网络教学中不同学生、不同成绩的有效评估。

由于存在在相同时期或者不同时期相同的成绩被重视的程度不同等问题，本文用C表示评估项目集，项目中包括考试成绩、作业的完成情况、课堂的表现情况，比赛的成绩和社交活动情况等，评估项目集C如公式（1）所示。

[C=cs1cs2...csicsi+1csi+2...csjcsj+1csj+2...cskcsk+1csk+2...csl]                       （1）

上式中，至[csi]表示各类考试成绩，[csi+1]至[csj]表示作业完成情况，[csj+1]至[csk]表示课堂表现情况，[csk+1]至[csl] 表示比赛成绩。

把考试结果直接量化，看起来会更加直接和公平。但是在这个过程中很多方法主要考虑考试指标，而其他指标用来修正并量化。这种方法具有很大的随意性，且考试成绩分值占的权重比较大，适合应试，无法对学生的综合成绩进行全面评价。而设计模型在分析过程中对学生的课堂表现也进行综合打分，例如，学生是否按时到课堂学习，能否按老师要求积极完成教学任务，会不会控制自己不违反课堂纪律，能不能保证学习的质和量。该模型会将以上对学生的表扬或批评信息都记录、存储在后台数据库中。在进行综合处理分析后，呈现在老师和学生面前，不仅方便快捷，而且能够保证数据不会遗漏。

此外，作业成绩也是学生综合成绩的重要组成部分，可以及时验证学生的学习情况，进而为不同的学生提供个性化服务。当老师批改完作业时，客观题可以自动批改，而主观题则需要老师自动批改，教师审核的分数、评语等信息将存储在系统数据库中。学生随时随地都能看到详细的作业评阅，方便找到学生学习时的易错点和难点着重学习，加强记忆，巩固学习效果。而且学生在课堂上回答教师提出的问题，并对回答情况的数据进行记录，可以便于以后翻看，不仅可以实现对学生综合成绩进行有效评价，还可以为学生找到自己知识薄弱点提供必要的数据支持。

2 实验

2.1 实验数据准备

为了验证本文设计的综合成绩分析模型的有效性，需要设计实验进行验证。选取某学校的3146位同学的成绩，使用本文设计的综合成绩分析模型进行分析，将A、B、C、D四个科目的成绩作为实验数据，分别使用本文设计的分析模型和传统的文献[1]分析模型对该学校同学的成绩进行分析。在验证两模型性能的过程中，本文选择查全率和查准率对模型的分析性能进行描述和评价。查全率[R]和查准率[P]的计算公式如公式（2）所示：

[R=TPTP+FNP=TPTP+FP]                             （2）

上式（2）中，[TP]表示该校学生成绩中被挖掘出的成绩项集与真实项集均为频繁项集的数量，[FN]表示被挖掘出的成绩项集为非频繁项集的数量，[FP]表示被挖掘出的成绩项集非频繁项集的数量。但是在同一分析过程中，查全率和查准率是互相制约的，因此单独对比这两个指标无法直观看出分析模型的性能。因此引入F1值对两指标进行综合衡量，F1值的计算公式如下：

[F1=2RPR+P]                                     （3）

在得到查全率与查准率的值之后，计算出F1的值，F1的值越大，则证明模型分析性能越好。在以上的实验数据和评估指标下，分别使用本文设计的模型和传统模型进行分析，统计模型分析结果，分别计算出两种模型的F1值并进行对比。

2.2 实验结果

在以上的实验环境中，得到在不同评价阈值情况下两种分析模型的F1值结果，如表1所示。

从表1的数据可以看出，本文设计的分析模型在不同阈值下，F1的值都高于传统模型，这证明了本文设计的模型在综合成绩分析过程中的性能优于原有模型。

3 结束语

本文利用了Python语言，设计了一种综合分析模型，该模型由六个部分组成：项目集、等级、得分、班级内等级的计算方法、班级内等级的计算权重和聚类分析方法，在对数据进行有效筛选和清理后，对学生综合成绩分数进行分类、分级以及调整和整合。最后，对模型中参数的生成进行了描述。该模型考虑了学生的综合素质，有利于学生的全面发展。而且从综合评价系统中我们可以查看学生对每个评价分类的结果，而且学生在进入自己的评估界面后，也可以看到已经分类完毕的评估项目集。换句话说，这种模型充分考虑了教学过程中获得结果的多维和多粒度特征，通过对教师的权限权重和参数进行修改，以在原始数据的结果不变的基础上，合理显示分数的变化。总而言之，本文设计的综合评价模型是一个客观评价学生综合素质的模型，评估的重点可以根据用户的管理重点，结合同学的实际情况进行调整。而且本文还进行了案例分析，以证明设计模型的可行性。但由于学生成绩和评价方式都在不断变化过程中，在接下来的研究过程中，还需要对其进行深入分析和验证。

参考文献：

[1] 闫丽.基于SPOC的混合式教学模式在Python语言程序设计课程教学中的应用研究[J].通化師范学院学报，2019，40（10）：137-140.

[2] 王媛.基于Python的学生综合成绩分析程序设计[J].信息与电脑（理论版），2019（11）：99-101.

[3] 刘新鹏，高斌.利用Python和Pandas进行学生成绩处理[J].信息与电脑（理论版），2020，32（7）：41-43.

[4] 关鑫洁，黄思奇，位磊.基于Python的求职信息采集分析系统设计与实现[J].计算机时代，2020（3）：32-34，39.

[5] 姬婷婷，姜永玲，刘兰芳，等.基于OBE的实践考核体系改革的有效性分析——以Python编程基础为例[J].教育教学论坛，2020（47）：147-149.

[6] 刘银波，边静，蔡红梅，等.基于Python+Pandas+Matplotlib的学生成绩数据统计与图形输出实现[J].信息与电脑（理论版），2019，31（19）：43-45.

[7] 张英俊，李清勇，王公仆，等.基于Python语言的“算法分析”课程设计——以动态规划算法为例[J].工业和信息化教育，2019（3）：63-68.

【通联编辑：张薇】

收稿日期：2021-06-20

基金项目：河南省职业教育教学改革研究项目：职业院校计算机课程理实一体化教学模式探究（编号：ZJB15105）

作者简介：苏文瑾（1986—），女，河南巩义人，讲师，学士，研究方向为大数据。