课程类别与出勤率分析及装置的制作方法

本发明实施例涉及教学管理技术领域，具体而言，涉及一种课程类别与出勤率分析及装置。

背景技术

目前，大学生的课程可以分为公共必修课、公共选修课、专业必修课和专业选修课，不同类别的课程要求和难度不同，有些课程的出勤率极低，通常会将其原因归结为教师教学质量不佳，但也有可能是由于课程要求问题导致的部分类别课程不受学生重视，但是目前无法准确分析出学生出勤率是否会受到课程类别的影响，使得学校教学管理系统无法及时调整出勤率极低课程的要求。

技术实现要素：

本发明实施例的目的在于提供一种课程类别与出勤率分析方法及装置，用以确定课程类别是否影响学生出勤率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种课程类别与出勤率分析方法，所述方法包括：获得每个课程类别对应的学生出勤统计数据；依据所述学生出勤统计数据，计算出表征同一课程类别中个体误差的组内离差平方和、以及不同课程类别之间差异程度的组间离差平方和；依据所述组内离差平方和所述组间离差平方和，计算出第一出勤率偏差和第二出勤率偏差；若所述第一出勤率偏差小于或等于所述第二出勤率偏差，则依据第二出勤率偏差与所述第一出勤率偏差的比值得到出勤影响率；若所述出勤影响率大于预设显著水平下f分布表对应的值，则确定课程类别对学生出勤率有影响。

第二方面，本发明实施例还提供了一种课程类别与出勤率分析装置，所述装置包括数据获得模块、第一计算模块、第二计算模块、第一执行模块及第二执行模块。其中，数据获得模块用于获得每个课程类别对应的学生出勤统计数据；第一计算模块用于依据所述学生出勤统计数据，计算出表征同一课程类别中个体误差的组内离差平方和、以及不同课程类别之间差异程度的组间离差平方和；第二计算模块用于依据所述组内离差平方和所述组间离差平方和，计算出第一出勤率偏差和第二出勤率偏差；第一执行模块用于若所述第一出勤率偏差小于或等于所述第二出勤率偏差，则依据第二出勤率偏差与所述第一出勤率偏差的比值得到出勤影响率；第二执行模块用于若所述出勤影响率大于预设显著水平下f分布表对应的值，则确定课程类别对学生出勤率有影响。

相对现有技术，本发明实施例提供的一种课程类别与出勤率分析及装置，首先，依据每个课程类别对应的学生出勤统计数据计算出表征同一课程类别中个体误差的组内离差平方和、以及不同课程类别之间差异程度的组间离差平方和；然后，依据组内离差平方和组间离差平方和，计算出第一出勤率偏差和第二出勤率偏差，若第一出勤率偏差小于或等于第二出勤率偏差时依据第二出勤率偏差与第一出勤率偏差的比值得到出勤影响率；最后，若出勤影响率大于预设显著水平下f分布表对应的值，则确定课程类别对学生出勤率有影响。本发明实施例可以准确分析出课程类别是否对出勤率产生影响，从而指导学校教学管理系统根据分析结果合理修改不同课程类别的课程要求来提高教学质量。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例提供的电子设备的方框示意图。

图2示出了本发明实施例提供的课程类别与出勤率分析方法流程图。

图3示出了本发明实施例提供的课程类别与出勤率分析装置的方框示意图。

图标：100-电子设备；101-存储器；102-存储控制器；103-处理器；200-课程类别与出勤率分析装置；201-数据获得模块；202-第一计算模块；203-第二计算模块；204-第一执行模块；205-第二执行模块。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1示出了本发明实施例提供的电子设备100的方框示意图。电子设备100可以是，但不限于便携计算机、笔记本电脑、台式机等等。所述电子设备100包括课程类别与出勤率分析装置200、存储器101、存储控制器102及处理器103。

所述存储器101、存储控制器102和处理器103各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述课程类别与出勤率分析装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述电子设备100的操作系统(operatingsystem，os)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如所述课程类别与出勤率分析装置200包括的软件功能模块或计算机程序。

其中，存储器101可以是，但不限于，随机存取存储器(randomaccessmemory，ram)，只读存储器(readonlymemory，rom)，可编程只读存储器(programmableread-onlymemory，prom)，可擦除只读存储器(erasableprogrammableread-onlymemory，eprom)，电可擦除只读存储器(electricerasableprogrammableread-onlymemory，eeprom)等。

处理器103可以是一种集成电路芯片，具有信号处理能力。上述的处理器103可以是通用处理器，包括中央处理器(centralprocessingunit，cpu)、网络处理器(networkprocessor，np)、语音处理器以及视频处理器等；还可以是数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。

第一实施例

请参照图2，图2示出了本发明实施例提供的课程类别与出勤率分析方法流程图。课程类别与出勤率分析方法包括以下步骤：

步骤s101，获得每个课程类别对应的学生出勤统计数据。

在本发明实施例中，课程类别包括公共必修课、公共选修课、专业必修课及专业选修课。首先，获取每门课程的学生出勤数据，每门课程的学生出勤数据均存储在学校的教学管理系统中；然后，按照预设的多个课程类别，将所有课程的学生出勤数据进行分组，得到每个课程类别对应的学生出勤统计数据，也就是说，根据公共必修课、公共选修课、专业必修课及专业选修课这四个课程类别将所有课程的学生出勤数据分为四组，得到每个课程类别对应的学生出勤统计数据。

不同课程类别的出勤率存在差异，但是这种差异不一定全是由课程类别导致的，也有可能是学生自身的原因，因此，将不同课程类别的出勤率偏差分为两类，包括相同课程类别之间不同课程的出勤率偏差、以及不同课程类别整体出勤率之间的偏差，相同课程类别之间不同课程的出勤率偏差由同一课程类别中的个体误差(包括学生个人差异及课程个体差异)造成、不同课程类别整体出勤率之间的偏差由不同课程类别的出勤率大小造成。

步骤s102，依据学生出勤统计数据，计算出表征同一课程类别中个体误差的组内离差平方和、以及不同课程类别之间差异程度的组间离差平方和。

在本发明实施例中，得到每个课程类别对应的学生出勤统计数据之后，首先，依据每个课程类别对应的学生出勤统计数据，计算每个课程类别的第一平均出勤率、以及所有课程的第二平均出勤率，第一平均出勤率用xi，i＝1,2,3,4表示，指每个课程类别的平均出勤率；第二平均出勤率用x表示，指所有课程的平均出勤率。

然后，依据每门课程的学生出勤数据及第二平均出勤率，计算出表征所有课程出勤率离散程度的总偏差平方和，总偏差平方和为每门课程的学生出勤数与第二平均出勤率的离差平方和，是描述所有课程出勤率离散程度的一个指标。具体来说，依据每门课程的学生出勤数据及第二平均出勤率，按照第一公式计算出表征所有课程出勤率离散程度的总偏差平方和，其中，s²为所述总偏差平方和，xi为每门课程的学生出勤数据，为所述第二平均出勤率，n为课程数。

接下来，依据每门课程的学生出勤数据及每个课程类别的第一平均出勤率，计算出表征同一课程类别中个体误差的组内离差平方和，组内离差平方和反映了一个课程类别中的个体误差，即学生个人和某门课程本身误差的影响。具体来说，依据每门课程的学生出勤数据及每个课程类别的第一平均出勤率，按照第二公式计算出表征同一课程类别中个体误差的组内离差平方和，其中，ss组内为所述组内离差平方和，xij为第i个课程类别下第j个课程的学生出勤数据，为每个课程类别的第一平均出勤率，k为课程类别数，n为课程数。

最后，依据每个课程类别对应的第一平均出勤率及第二平均出勤率，计算出表征不同课程类别之间差异程度的组间离差平方和，组间离差平方和反映了各课程类别平均出勤率之间的差异程度。具体来说，依据每个课程类别对应的第一平均出勤率及第二平均出勤率，按照第三公式计算出表征不同课程类别之间差异程度的组间离差平方和，其中，ss组间为组间离差平方和，为每个课程类别的第一平均出勤率，为第二平均出勤率，k为课程类别数，n为课程数。

步骤s103，依据组内离差平方和组间离差平方和，计算出第一出勤率偏差和第二出勤率偏差。

在本发明实施例中，第一出勤率偏差代表学生个人差异和课程个体差异导致的出勤率平均偏差，第二出勤率偏差代表不同课程类别带来的出勤率的平均偏差。第一出勤率偏差和第二出勤率偏差的计算方法可以包括：

首先，依据组内离差平方和所述组间离差平方和，按照第四公式计算出第一出勤率偏差，其中，ms组内为第一出勤率偏差，ss组内为组内离差平方和，k为课程类别数，n为课程数；

依据组内离差平方和组间离差平方和，按照第五公式计算出第二出勤率偏差，其中，ms组间为第二出勤率偏差，ss组间为组间离差平方和。

步骤s104，若第一出勤率偏差小于或等于第二出勤率偏差，则依据第二出勤率偏差与所述第一出勤率偏差的比值得到出勤影响率。

在本发明实施例中，如果第一出勤率偏差ms组内大于第二出勤率偏差ms组间，那么说明课程类别中的个体差异(包括学生个人差异及课程个体差异)对出勤率的影响较大，课程类别对出勤率的影响很小可忽略。如果第一出勤率偏差ms组内小于或等于第二出勤率偏差ms组间，那么说明课程类别对出勤率影响大，此时需要进一步计算课程类别对出勤率的出勤影响率。

出勤影响率f可以是第二出勤率偏差ms组间与第一出勤率偏差ms组内的比值，即出勤影响率f代表课程类别对出勤率的影响程度，课程类别对出勤率的影响程度越大则出勤影响率f越大。

步骤s105，若出勤影响率大于预设显著水平下f分布表对应的值，则确定课程类别对学生出勤率有影响。

在本发明实施例中，实际应用中存在一定的小概率事件，即当前获取的学生出勤率分析后得到课程类别和出勤率高度相关，故需要确保小概率事件发生的概率要低于百分之一，即计算出来的出勤影响率f需要大于预设显著水平(例如，0.01)下f分布表对应的值，此时可以确定课程类别对学生出勤率有显著影响。

本发明实施例可以依据获取的每门课程的学生出勤数据来分析课程类别是否对出勤率存在影响，如果分析出课程类别对出勤率有显著影响，则可以去判断学校是否存在课程要求问题导致部分类别的课程不受学生重视，学校可以根据分析结果合理修改自己的课程要求来提高学生的出勤率，进一步提高教学质量。

第二实施例

请参照图3，图3示出了本发明实施例提供的课程类别与出勤率分析装置200的方框示意图。课程类别与出勤率分析装置200包括数据获得模块201、第一计算模块202、第二计算模块203、第一执行模块204及第二执行模块205。

数据获得模块201，用于获得每个课程类别对应的学生出勤统计数据。

在本发明实施例中，数据获得模块201，具体用于获取每门课程的学生出勤数据；按照预设的多个课程类别，将所有课程的学生出勤数据进行分组，得到每个课程类别对应的学生出勤统计数据。

第一计算模块202，用于依据学生出勤统计数据，计算出表征同一课程类别中个体误差的组内离差平方和、以及不同课程类别之间差异程度的组间离差平方和。

在本发明实施例中，第一计算模块202，具体用于依据每个课程类别对应的学生出勤统计数据，计算每个课程类别的第一平均出勤率、以及所有课程的第二平均出勤率；依据每门课程的学生出勤数据及第二平均出勤率，计算出表征所有课程出勤率离散程度的总偏差平方和；依据每门课程的学生出勤数据及每个课程类别的第一平均出勤率，计算出表征同一课程类别中个体误差的组内离差平方和；依据每个课程类别对应的第一平均出勤率及所述第二平均出勤率，计算出表征不同课程类别之间差异程度的组间离差平方和。

第二计算模块203，用于依据组内离差平方和组间离差平方和，计算出第一出勤率偏差和第二出勤率偏差。

在本发明实施例中，第二计算模块203，具体用于依据组内离差平方和组间离差平方和，按照第四公式计算出第一出勤率偏差，其中，ms组内为第一出勤率偏差，ss组内为组内离差平方和，k为课程类别数，n为课程数；依据组内离差平方和组间离差平方和，按照第五公式计算出第二出勤率偏差，其中，ms组间为第二出勤率偏差，ss组间为组间离差平方和。

第一执行模块204，用于若第一出勤率偏差小于或等于第二出勤率偏差，则依据第二出勤率偏差与所述第一出勤率偏差的比值得到出勤影响率。

第二执行模块205，用于若出勤影响率大于预设显著水平下f分布表对应的值，则确定课程类别对学生出勤率有影响。

综上所述，本发明实施例提供的一种课程类别与出勤率分析方法及装置，所述方法包括：获得每个课程类别对应的学生出勤统计数据；依据学生出勤统计数据，计算出表征同一课程类别中个体误差的组内离差平方和、以及不同课程类别之间差异程度的组间离差平方和；依据组内离差平方和组间离差平方和，计算出第一出勤率偏差和第二出勤率偏差；若第一出勤率偏差小于或等于第二出勤率偏差，则依据第二出勤率偏差与第一出勤率偏差的比值得到出勤影响率；若出勤影响率大于预设显著水平下f分布表对应的值，则确定课程类别对学生出勤率有影响。本发明实施例可以准确分析出课程类别是否对出勤率产生影响，从而指导学校教学管理系统根据分析结果合理修改不同课程类别的课程要求来提高教学质量。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。