तकनीकी विश्वविद्यालय में ग्रेड किस पर निर्भर करते हैं?

हाय हमर!

एक बार मैं उत्सुक था: हमारे अधिकांश तकनीकी विश्वविद्यालयों में ग्रेडिंग सिस्टम कितना उचित है? और आम तौर पर छात्र के ग्रेड को क्या प्रभावित करता है?
आखिरकार, अक्सर एक छात्र, जो सभी सेमेस्टर में जाता था, ने व्याख्यान लिखे और प्रयोगशाला परीक्षणों को पूरा किया, "बीट्स" प्राप्त करता है। परीक्षा में, और भाग्यशाली गॉज शीर्ष पांच पकड़ लेता है।
यह सब कितना यादृच्छिक है? कोई फर्क नहीं पड़ता कि आप कैसे अध्ययन करते हैं, आपको एक मूल्यांकन "यादृच्छिक" मिलेगा? या यह अभी भी नहीं है? और अगर आप एक छोटी लड़की में एक छोटी लड़की हैं, तो लोगों की तुलना में आपकी संभावना क्या है? (विशेष रूप से भाषण का आंकड़ा - कोई सेक्सिज्म नहीं)
कट के तहत आप मेरे शोध के परिणाम देखेंगे, जिसमें मैंने इन और कुछ अन्य सवालों के जवाब देने की कोशिश की। प्रायोगिक खरगोश मेरे मूल विश्वविद्यालय के कई हजार छात्र थे - MSTU। NE बाऊमन।

अगर मैंने गलत हब चुना, तो मैं पहले से माफी मांगता हूं, लेकिन शायद मुझे इसे हेरा पर बिल्कुल नहीं लिखना चाहिए था। लेकिन मैं बांटना चाहता था।


मैं तुरंत यह भी कहूंगा कि मैं बहुत अधिक वैज्ञानिक होने का दिखावा करता हूं और अपनी सभी अशुद्धियों, मानदंड और अन्य चीजों के चयन में गलतियां बताने में खुशी होगी, क्योंकि आंकड़े और समाजशास्त्र मेरा पेशा नहीं है, बल्कि एक छोटा सा शौक है।

यहां मैं परीक्षण किए गए परिकल्पना का केवल एक हिस्सा दूंगा, ताकि लेख को न बढ़ाया जाए। साथ ही, अध्ययन के दौरान, मैंने छात्र के विभिन्न मापदंडों के आधार पर, छात्र के ग्रेड का निर्धारण करने के लिए एक प्रतिगमन मॉडल बनाया, लेकिन मैंने इसे यहां भी नहीं छोड़ा, और यह इतना बड़ा हो गया है। शायद अगली बार, अगर किसी को दिलचस्पी होगी।
तो चलिए चलते हैं।

कारकों

जिन कारकों का मैंने अध्ययन किया, वे निश्चित रूप से व्यापक नहीं हैं। और वे उन कारणों की पूरी श्रृंखला को कवर करने का ढोंग नहीं करते हैं जिनके कारण एक छात्र को एक या एक और ग्रेड मिल सकता है। लेकिन मैंने इन कारकों को क्यों चुना? क्योंकि उन्हें इस तरह के श्रम-गहन तरीकों का सहारा लिए बिना आधिकारिक दस्तावेजों से प्राप्त किया जा सकता है, जैसे कि पूछताछ, साक्षात्कार आदि। क्योंकि मेरे पास इसके लिए समय और संसाधन नहीं थे।
तो, कारकों की एक सूची:
१) छात्र लिंग
2) संकाय
3) कैथेड्रल विषय या नहीं
4) सेमेस्टर
5) कक्षा उपस्थिति

नमूना

पिछले एक (उपस्थिति) को छोड़कर सभी कारकों के लिए, मैंने इलेक्ट्रॉनिक यूनिवर्सिटी सिस्टम (इसके बाद - ईआई) से जानकारी ली, जो 2007 से सभी सत्रों के परिणामों पर डेटा संग्रहीत करता है। इस प्रकार, नमूना सामान्य आबादी के साथ मेल खाता है, जिसका अर्थ है कि यह स्वचालित रूप से प्रतिनिधि है।
उपस्थिति कठिन होती जा रही है। एक अच्छे तरीके से, इसे "ईयू" में भी पेश किया जाना चाहिए, लेकिन केवल पहले दो पाठ्यक्रमों में। और डिप्टी डीन के एक दोस्त के साथ परामर्श के बाद, यह पूरी तरह से स्पष्ट हो गया कि किसी को भी इस पर भरोसा नहीं करना चाहिए - डेटा या तो दर्ज नहीं किया जाता है, या दर्ज किया जाता है क्योंकि भगवान आत्मा में डाल देंगे। जो दुखद हो।
हालांकि, उपस्थिति इतना महत्वपूर्ण कारक है कि इसका विश्लेषण करना मुश्किल नहीं था। मुझे उपस्थिति पत्रिकाओं की जानकारी को स्कूप करना था, जो कि बुजुर्गों द्वारा रखी जाती हैं, और सेमेस्टर के अंत में वे उन्हें डीन के कार्यालय में भेजते हैं। यह देखते हुए कि इन पत्रिकाओं का इलेक्ट्रॉनिक रूप से अस्तित्व नहीं है, मुझे कई सौ पृष्ठों को स्कैन करना पड़ा और फिर उन्हें मैन्युअल रूप से संसाधित करना पड़ा।
यह पता लगाने के बाद कि मैं पूरे विश्वविद्यालय में डेटा को संसाधित करने में कितना समय लूंगा, मैंने खुद को केवल एक (मेरे अपने) संकाय - "कंप्यूटर विज्ञान और नियंत्रण प्रणाली" (इसके बाद - "IU") तक सीमित करने का फैसला किया। और केवल पिछले शैक्षणिक वर्ष के लिए।
बेशक, पत्रिकाओं का डेटा वास्तविकता को 100% प्रतिबिंबित नहीं करता है, क्योंकि वे स्वयं बड़ों द्वारा भरे गए हैं, और वे गलतियां कर सकते हैं और अंतराल को नोट किए बिना अपने साथियों को कवर कर सकते हैं। लेकिन कोई बेहतर नहीं दिया गया है। उपस्थिति के कम से कम अनुपात में रहते हैं: "nerd" अभी भी पत्रिका में पास नहीं होगा, और "gouging", भले ही वे आधे enoks नहीं डालते हैं, फिर भी सबसे खराब उपस्थिति होगी।
संकाय "IU" के छात्रों की संख्या 2931 लोग हैं। परिणामों की संख्या 1,550 है। पनियोटो और मकिस्मेंको के अनुसार, नमूना प्रतिनिधि है।

डाटा प्रोसेसिंग

बेशक, कई विशेष कार्यक्रम हैं, हालांकि, चूंकि मैं उन्हें केवल हार्से द्वारा जानता हूं, और मुझे बेहतर जानने की कोई मजबूत इच्छा नहीं थी।
मैं न केवल गुणांक की गणना करना और उन्हें ठीक करना चाहता था, बल्कि छात्र डेटा को डेटाबेस में दर्ज करना चाहता था ताकि बाद में मैं इसे पूरक कर सकूं, एक कहानी रख सकूं; अन्य परिकल्पनाओं की जांच करें जो मूल रूप से मेरे शोध में शामिल नहीं थे; सबसे लचीली सेटिंग्स, आदि के साथ सुंदर ग्राफिक्स बनाएं।
इसके अलावा, मैं अपना खुद का कुछ करना चाहता था, अपने काम को 100% तेज कर दिया।

चूंकि मैं 1 सी फ्रैंचाइज़ी फर्म में काम करता हूं, इसलिए मुझे विकास उपकरणों से सबसे अच्छा 1 सी पता है। तो, चुनाव स्पष्ट था (और वेब इंटरफेस के साथ डेटाबेस बनाने के लिए उपकरण, मैं केवल 1 सी से पूरी तरह परिचित हूं, इसलिए चुनाव दोगुना स्पष्ट था)।

मैंने एक HTML पृष्ठ के रूप में "ईयू" से डेटा डाउनलोड किया, एक पार्सर लिखा और इसे अपने डेटाबेस में अपलोड किया।
उपस्थिति डेटा (पत्रिकाओं से) मैन्युअल रूप से स्कोर किया जाना था, हालांकि मैंने ईमानदारी से पहले लॉग स्कैन से डेटा को पहचानने के लिए एक कार्यक्रम लिखने की कोशिश की थी। लेकिन छवि की गुणवत्ता इतनी गर्म नहीं थी, इसलिए लिखित कार्यक्रम ने प्रक्रिया को तेज नहीं किया।

अंत में, सभी डेटा स्कोर किया और अपने डेटाबेस में सांख्यिकीय परिकल्पना के परीक्षण के लिए सभी आवश्यक एल्गोरिदम लागू किए, मैं, अधीरता के साथ कांप, रेखांकन बनाने और गुणांक की गणना करने के लिए शुरू किया। और ऐसा क्या हुआ ...

परिणाम

तो, सबसे दिलचस्प। मेरे कार्यक्रम ने मुझे जो परिणाम दिए।
मैंने ची-स्क्वायर टेस्ट, और स्पीयरमैन गुणांक का उपयोग करके बंधन ताकत का उपयोग करके परिणामों का विश्लेषण किया। लेकिन, शायद, नंबर प्लेट पाठकों के लिए बहुत दिलचस्प नहीं हैं, इसलिए यहां मैं केवल दृश्य रेखांकन दूंगा। अगर किसी को बहुत दिलचस्पी होगी, तो मैं नंबर प्रकाशित करूंगा।

1) पहला कारक, जैसा कि आप याद करते हैं, "छात्र लिंग" है

वाह, लड़कियों को लड़कों के लिए कोई मौका नहीं छोड़ना! शायद इसलिए कि वे कठिन प्रयास करते हैं, कक्षाओं में बेहतर होते हैं? और यहाँ नहीं है:


लेकिन अनुसूची को देखते हुए, उपस्थिति लगभग लिंग से स्वतंत्र है (यह भी गणना द्वारा पुष्टि की गई है)। यह पता चला है कि लड़कियों को उच्च अंक मिलते हैं, और उपस्थिति लड़कों की तरह ही होती है।

2) संकाय

टेकीज़ के बीच एक व्यापक राय है कि "सरल" संकाय हैं, जैसे कि आर्थिक या मानवतावादी, और "जटिल" जैसे इंजीनियरिंग।

ग्राफ पर, मैंने केवल दो संकायों का हवाला दिया - उच्चतम औसत चिह्न (सभी पाठ्यक्रमों के लिए) और सबसे कम। लॉ फैकल्टी ऑफ लॉ है (हाँ, बुमंका में एक है), और ओई ऑप्टोइलेक्ट्रॉनिक्स है। जैसा कि आप ग्राफ से देख सकते हैं, मतभेद काफी मजबूत हैं।


हालांकि, यदि आप सभी संकायों के लिए औसत स्कोर का एक हिस्टोग्राम बनाते हैं, तो अंतर इतना स्पष्ट नहीं होगा।

3) एक कैथेड्रल विषय या नहीं।

कैथेड्रल विषयों के लिए (वे उसी विभाग के शिक्षकों द्वारा संचालित किए जाते हैं जहां छात्र अध्ययन कर रहा है), छात्र की प्रतिष्ठा, जो शायद ही विभाग से शिक्षक को पता है, एक भूमिका निभा सकता है। यह माना जाता है कि विभाग में रवैया अधिक वफादार है। वरिष्ठ पाठ्यक्रमों में लगभग कोई गैर-कैथेड्रल विषय नहीं हैं।


4) सेमेस्टर।
जैसा कि वे कहते हैं, मुख्य बात यह है कि पहले दो पाठ्यक्रम जीवित रहें। यह 4 सेमेस्टर है, जो सामान्य रूप से, अनुसूची की पुष्टि करता है।

5) सबसे दिलचस्प कारकों में से एक: उपस्थिति

उपस्थिति को 0 से 1. के पैमाने पर मापा गया था, जहाँ 1 - सभी व्याख्यान और सेमिनार में 100% उपस्थिति। 0-एक व्याख्यान और सेमिनार की यात्रा।


सब कुछ सच लगता है - जितना अच्छा आप जाते हैं, उतना अधिक स्कोर (यह सिर्फ 20% उपस्थिति पर एक विफलता है - मैं समझा नहीं सकता, सिवाय नमूना के क्विक के)। लेकिन अब हमें यह देखने की जरूरत है कि क्या यह रिश्ता सभी पाठ्यक्रमों में समान रूप से मजबूत है?
बॉन्ड स्ट्रेंथ को क्रैमर गुणांक का उपयोग करके मापा गया था।


जैसा कि हम देख सकते हैं, वरिष्ठ पाठ्यक्रमों में संचार की शक्ति कम हो जाती है, जबकि युवा पाठ्यक्रमों में यह अधिकतम है। डेटा को जोड़े में वर्गीकृत किया, क्योंकि यह एक अधिक रैखिक अनुसूची का पता लगाता है, और यह भी क्योंकि 1-2 पाठ्यक्रमों के लिए प्रशिक्षण प्रणाली 3-6 पाठ्यक्रमों से बहुत अलग है।

यही है, छात्र उपस्थिति का वास्तविक महत्व केवल पहले दो पाठ्यक्रमों में है। जिस पर तथाकथित "मॉड्यूलर प्रणाली" का उपयोग किया जाता है, जो ग्रेड सेट करते समय परीक्षा पर अधिक उन्मुख होता है, लेकिन सेमेस्टर के दौरान छात्र के प्रदर्शन और उपस्थिति पर।

निष्कर्ष

कोई भी लड़कों के लिए उपस्थिति के समान स्तर पर लड़कियों के लिए रेटिंग के अजीब overestimation पर ध्यान नहीं दे सकता है। लेकिन शायद यह बिल्कुल भी अतिश्योक्ति नहीं है, और लड़कियां बस अधिक बुद्धिमान हैं? आखिरकार, मैंने उत्तरदाताओं की मानसिक क्षमताओं को नहीं मापा (और क्या यह वास्तव में संभव है?)।

विशेष ध्यान इस तथ्य के भी योग्य है कि उपस्थिति केवल पहले दो पाठ्यक्रमों में मूल्यांकन को दृढ़ता से प्रभावित करती है।
एक तस्वीर उभर रही है जो प्रचलित राय (कम से कम MSTU पर) की पुष्टि करती है: 3-4 छात्रों के पाठ्यक्रम से शुरू होकर अध्ययन करने के लिए "हथौड़ा करना" शुरू होता है, पेशे से विभिन्न कंपनियों में नौकरी मिल रही है या नहीं। उपस्थिति गिर रही है, वरिष्ठ वर्षों में अधिक से अधिक ग्रेड "मुफ्त" में डाल दिए जाते हैं, क्योंकि शिक्षक कैथेड्रल और परिचित हैं, और ज्ञान की गुणवत्ता ... हालांकि, यह एक अलग अध्ययन के लिए एक विषय है।

यह एक सामान्य तस्वीर है, या नहीं - यह सभी को तय करना है। यह मेरे व्यक्तिगत अनुभव और टिप्पणियों के साथ मेल खाता है। और स्पष्ट रूप से, यह सकारात्मक भावनाओं का कारण नहीं बनता है।

मुझे आशा है कि किसी ने इस लेख को अपने लिए उपयोगी या दिलचस्प पाया। आपका ध्यान देने के लिए धन्यवाद।