职称数学论文商务智能分析应用于校企等机构的决策分析

　　学生的学习效果和影响因素是每个教师都关心的一个问题，在教学过程中，相信很多教师也对此做出了一些研究。能让课堂达到高效率的教师，不仅能让学生在快乐中学习，也能让学生接受的知识更多。本文是一篇职称数学论文投稿的范文，主要论述了商务智能分析应用于校企等机构的决策分析与建模。
　　摘　要：为了分析某高中影响学生学习效果和考试成绩的因素，为学校的教学方案改革和教学方法的实施，我们小组通过获取该学校高一年级16个教学班的真实学生信息以及考试成绩数据，试图使用SPSS，数据透视表，和数据挖掘处理等BI分析方法对获得的数据进行分析并进行解释说明。以期望找到学生的学习效果和各因素之间的关系，并为学校提供可供参考的教学方案决策信息。为部分隐私保护，我们小组在数据的预处理过程中隐去了学校名称，学生姓名等信息。

　　关键词：智能;BI分析;数据信息

　　一、数据信息的分析与建模

　　1.各班级学生入学时初始成绩差异性分析

　　首先，由于期中考试与学生的入学时间间隔只存在1~2个月的时间，所以我们认为这样的时间间隔不会影响学生的初始成绩状态。于是我们以该年级的额期中考试成绩作为基础数据，通过分析期中成绩来判断各班的入学水平是否存在差异，以进行后续的分析。

　　分析结果如下：

　　我们从输出的F检验结果中得知，F(15,943)=0.648，Sig=0.836，大于显著性水平0.05，所以各个班级成绩之间的方差是齐性的，满足方差检验的条件。

　　在图1中，F=0.877，Sig=0.590，大于显著性水平0.05，所以接受原假设，即入学时各班级的初始学业水平是不存在差异的，各班的学生总体水平是相同的。

　　并且我们从输出结果的均值折线图中得知14班和16班的平均成绩较为突出，相较于其他班级来说，平均成绩偏高。

　　2.各班级一学期的教学任务完成后成绩差异性分析

　　其次我们需要对于各班级的总体教学方法上是否存在好坏的差异性进行分析。而教学方法的好坏我们可以通过分析学生在接受一个学期的教学后，各班学生成绩之间是否存在差异性来衡量各班级教学方法的差异性。

　　我们的分析结果如下：

　　同样在我们输出的结果中显示出F检验中，F(15,944)=0.828，Sig=0.647，大于显著性水平0.05，所以各个班级的期末成绩之间的方差也同样是齐性的，满足方差检验的前提条件。

　　在图2中，Sig=0.061，大于显著性水平0.05，所以接受原假设，即各班级的期末考试成绩是不存在差异性的，所以各班的教学方法对的效果是一样的，不存在差异性。

　　并且通过比较第一次分析与第二次分析结果中的均值折线图，我们得出各班成绩均有提高，但14班的平均成绩仍然最突出，相较于其他班级来说平均成绩最高。而16班的期末平均成绩较期中平均成绩增长幅度不及14班的增长幅度大，而平均成绩增幅最大的为3班。

　　再考虑到在第二次的分析中，Sig=0.061，与显著性水平0.05差别较小，所以我们有理由相信，3班和14班的教学方法要稍好于其他各班的教学方法。

　　3.对于学校的整体教学方法与教学水平是否能够有效的促进学生学业水平进步的调查分析

　　除了上述两步基本分析与描述之外，为了判断该学校的整体教学方法是否有效的促进了学生学业水平的进步，我们使用T样本配对检验方法，深入进行了对全校所有学生两次考试成绩的对比分析，分析两者之间的差异性的等特征来判断学校教学当前方案的有效性与合理性。

　　分析结果截图如下：

　　在图3.1中我们发现，Correlation的值为0.981，Sig=0.000，是小于显著性水平0.05的，即期中与期末的成绩有显著的线性相关性。也就是说期中考试考得很好的同学，在期末考试中同样取得了很好的成绩，相反，期中考得不好的同学在期末也基本没考出好成绩。通过对比两次考试的成绩表，发现这分析结果与实际的成绩结果十分吻合。

　　在图3.2中显示t=-69.464，df=959，Sig的值为0.000小于显著性水平0.05，所以我们有足够的理由相信在各科总分一样的情况下，期中考试成绩和期末考试成绩的结果具有显著性差异。也就说明，该学校的教学方案是显著有效的，极大的促进了同学们学业水平的不断提升。

　　由此，根据这次的分析结果，我们小组认为学校在制定教学计划的时候，应该遵循并依赖之前的教学方案，持续的推进该教学方案，有利于促进学生的不断进步，取得较为显著的教学成就。

　　4.对于多个可能会对学生总成绩产生影响因素的回归分析与建模

　　我们小组在进行实际调研是了解到，高一年级的同学在第一次期末考试之后会进行文理科的分班。进入文科班与理科班的同学所学习的主课程科目将不完全一样。但是无论文科班还是理科班都需要学习语文、数学和英语这三门课程。所以我们小组决定对语文、数学和英语这三个因素对于学生总成绩是否有显著影响进行相关性回归分析。

　　我们将分析的部分结果截图如下：

　　首先，我们根据实验的结果得到变量的进入顺序分别为数学、英语、语文，所以我们可以得出结论：对于期末总成绩影响最大的为数学成绩，其次为英语成绩，而语文在这三个因素里面影响程度较小。

　　从分析输出结果的Model Summary表中我们得知依次引进这三个变量后，R2由0.730增加到0.844和0.866。同时估计标准误差由48.9928依次下降到37.2104和34.5803。另外我们从分析软件输出的ANOVA表中得知，F分布的显著性水平为0.000，小于显著性水平0.05，所以说明自变量和应变量之间的线性关系式显著的，可以建立线性模型。

　　在图4中我们得到了3个回归模型，其中，我们选择拟合程度最高的第三个回归模型。它的回归方程为：

　　总成绩=44.819+2.312x数学成绩+1.629x英语成绩+1.536x语文成绩

　　回归系数的伴随概率为0.000，最后的调整的判定系数为0.866，说明回归方程解释了整个因变量变异程度的86.66%，说明变量之间相关程度高，回归方程的拟合优度高。

　　二、数据的关联规则挖掘

　　在进行了数据的分析之后我们小组又再次使用了数据的关联规则挖掘过程，对学生的各科成绩之间的可能存在的关联以及各科成绩和总成绩之间可能存在的关联进行挖掘与分析。

　　首先，我们将学生的各科成绩和总成绩按分数的高低分为了优秀水平和非优秀水平，其中，优秀水平记为字段T，非优秀水平记为F。我们利用GRI模型与网络模型结合，模拟出的关联网络模型图来找出各科之间的关联规则。由于连接过多，不利于我们进行关联分析，我们将连接数调成大于500，只显示出关联度较大的连接，如下图5.1所示：

　　5.1

　　两个因素之间的连线越粗，表示关联性越强，连线越细，则关联度越弱。由于上图中的模型不便于关联度强弱的判断，我们再将强连接调成970以上，将弱连接调成低于95，得出如下关系更为明确的关联规则网络模型：

　　我们在从关联网络图形中可以看到存在四条最粗的连线，分别是数学成绩—总成绩、外语成绩—地理成绩、数学成绩—地理成绩、数学成绩—外语成绩。从汇总表中我们发现这四条最强的链接之间都是正向相关的。

　　并且从关联规则网络中发现数学成绩同时和地理成绩、外语成绩和总成绩同时存在着关联，且均是正向相关。由此我们可以得出：数学水平对于学生的总体学业水平影响最大。

　　三、提高教学水平的可行性决策方案

　　根据以上的分析过程和分析结果，我们小组成员经过讨论提出如下几点可行性的决策方案来提高教学水平。

　　1.鉴于该校当前的的教学方案有明显的促进学生学业水平的效果，我们认为学校在以后制定教学计划的时候，可以遵循并参考当前的教学方案，持续的推进该教学方案，有利于促进学生的不断进步，取得较为显著的教学成就

　　2.我们认为学校可以通过举办教学方法研主任进行讨会，让3班和14班的教学教学方法经验的分享，并且其他各班级的教学主任可以进行学习与改进教学方法，来提高教学水平。

　　3.对于期末总成绩影响最大的因素依次为数学成绩，英语成绩。而数学成绩又同时对地理，外语成绩有影响。所以我们认为学校可以对与理科和文科共同增加数学和外语的教学任务和训练。尤其注重数学方面的课程安排和训练强度，提高整体学生的数学水平，能够最大限度的提升学生其他各科以及总体成绩水平。
　　数学论文发表期刊推荐《中国校园导刊》(教育版)系国家新闻出版总署主管，新闻出版报社和北京师范大学联合主办的国内外公开发行的国家级综合教育类期刊，刊号：ISSN1001-2993CN11-5663/GO邮发代号80-732，月刊。《中国校园导刊》在国家新闻出版总署有备案信息，本刊刊登的作者文章，目前可以同时在维普网、中国期刊网检索到全文。