《误差理论与测量平差基础》课程成绩分析.pdf

误差理论与测量平差基础是测绘工程专业的一门重要的专业基础课1，为学生学习大地测量学基础GPS原理与应用摄影测量学工程测量学等课程提供理论基础。课程主要讲述测量误差及其传播、经典平差理论与方法、近代平差理论与方法和误差椭圆等。长春工程学院测绘工程专业开设的该课程共56学时，涉及的理论和公式较多，是该专业学生公认的最难学的专业基础课。学生成绩是衡量教学质量的重要依据，也是判断学生是否掌握所学知识的重要标志，因此学生成绩的分析工作至关重要2。目前大部分教师对成绩的分析仅限于分析卷面知识点难易程度和统计各分数段学生成绩的分布；而通过工程教育认证的专业，则主要通过课程教学目标达成度评价进行成绩分析。工程教育认证标准下的课程教学目标达成度评价是课程体系建设中的重要环节，通过评价结果可以发现课程教学短板，定位需改进的教学环节3-4。近年来数据挖掘技术在教育行业得到了广泛应用，但主要是从管理者角度出发挖掘学生信息，针对学生课程成绩的分析较少5。利用数据挖掘技术对学生成绩数据进行分析可以发现潜在的、有价值的信息，对学生学习有很大的指导和方向性作用6。本文拟从课程教学目标达成度评价和数据挖掘两个方向着手，分析长春工程学院测绘工程专业2018级74名学生的误差理论与测量平差基础课程成绩，以期发现课程教学内容短板、挖掘影响学生成绩的主要因素，从而指导教师提升教学质量。1课程教学目标达成度评价1.1课程教学大纲基本要求该课程教学目标包括两个：理解观测误差和误差椭圆的相关理论，并能用于分析解决实际测量问题（20学时）；理解经典和近代平差方法，并能根据具误差理论与测量平差基础 课程成绩分析摘要：学生成绩的分析工作对于提升课程教学质量具有重要的指导作用，但传统统计分析方法未能对学生成绩进行深入挖掘和分析。从课程目标达成度评价和数据挖掘两个方向出发，对长春工程学院测绘工程专业2018级学生的误差理论与测量平差基础课程成绩进行了分析。结果表明，课程目标达成度评价能发现课程教学内容短板，数据挖掘技术能找出影响学生成绩的主要因素，将二者结合分析学生成绩对于提升课程教学质量和学生学习质量具有重要意义。关键词：成绩分析；达成度评价；数据挖掘；平差中图分类号：P207P237文献标志码：B文章编号：1672-4623（2023）07-0134-04Achievement Analysis of Error Theory and Foundation of Surveying Adjustment CourseXIAO Yan1(1.College of Exploration and Surveying Engineering,Changchun Institute of Technology,Changchun 130012,China)Abstract:Achievement analysis plays an important guiding role in improving the quality of curriculum teaching,but the traditional statisticalanalysis methods can t deeply excavate and analyze students achievements.Starting from the two directions of curriculum objective achieve-ment evaluation and data mining,we analyzed the achievements of Error Theory and Foundation of Surveying Adjustment course of students ofgrade 2018,majoring in surveying and mapping engineering of the Changchun Institute of Technology.The results show that the curriculum ob-jective achievement evaluation can find some weak spots for curriculum teaching contents,data mining technology can find out the main factorsaffecting studentsachievements,so combining them to analyze studentsachievements has important guiding significance for improving thequality of curriculum teaching and students learning.Key words:achievement analysis,achievement evaluation,data mining,adjustment（1.长春工程学院 勘查与测绘工程学院，吉林 长春 130012）肖艳1引 文 格 式：肖 艳.误差理论与测量平差基础 课程成绩分析J.地理空间信息,2023,21(7):134-137.doi:10.3969/j.issn.1672-4623.2023.07.034Jul.，2023Vol.21，No.7地 理 空 间 信 息GEOSPATIAL INFORMATION2023 年 7 月第21卷第 7 期收稿日期：2022-03-14；修回日期：2022-06-25。项目来源：吉林省高等教育学会高教科研课题资助项目（JGJX2021D407）；吉林省高等教育教学改革研究课题资助项目（20213F28LZ800CK）。作者简介：肖艳（1988），博士，讲师，主要从事误差理论与测量平差基础、遥感影像分类的教学和研究工作，E-mail：。第21卷第7期体平差问题建立相应的函数模型和随机模型以及进行参数求解和精度评定等工作（36学时）。课程教学目标对毕业要求的支撑关系如表1所示。教学内容包括各部分教学内容的介绍、知识点与能力点要求、教学重点与难点以及其与教学目标的对应关系。教学进程包括各部分教学内容的学时、教学方式等。课程教学目标达成途径与措施中包括教学方法、教学手段、作业的基本要求、答辩的基本要求、课外教学的基本要求等。表1课程教学目标对毕业要求的支撑课程目标目标、目标目标支撑的毕业要求与指标点工程知识：具有测绘学基础、误差理论与测量平差基础等测绘工程专业基础知识，用于复杂测量问题分析、研究等问题分析：能够识别测绘数据中的误差来源、误差性质，并给出削弱措施问题分析：能够选取合适的数学模型表达测绘工程问题，并能用恰当的数据处理方法求解主要内容误差理论与测量平差误差分布与精度指标、协方差传播律及权、误差椭圆条件平差、间接平差、附有参数的条件平差、附有限制条件的间接平差、近代平差1.2课程考核与教学目标达成度评价方法课程考核以考查学生能力培养目标的达成情况为目的，以检查学生对各知识点的掌握情况和应用能力为重点，包括平时考核和期末考核两部分。平时成绩占总成绩的30%，由作业、平时答辩、平时测验 3 部分构成（作业、答辩和测验各两次，对应课程目标、），各部分成绩占比均为10%；期末成绩占总成绩的70%，期末考核采取闭卷笔试的形式。课程目标达成度评价包括课程分目标达成度评价和课程总目标达成度评价，课程目标达成度评价值计算见表2。表2课程目标达成度评价值计算表课程目标目标目标课程总体目标考核环节期中考试1作业1答辩1期末试卷1期中考试2作业2答辩2期末试卷2总评成绩目标分值5050503550505065100学生平均得分A1B1C1D1A2B2C2D2(A1+B1+C1+A2+B2+C2)0.1+(D1+D2)0.7各课程目标达成度计算示例0.1A1+0.1B1+0.1C1+0.7D1500.1+500.1+500.1+350.70.1A2+0.1B2+0.1C2+0.7D2500.1+500.1+500.1+650.7()A1+B1+C1+A2+B2+C20.1+()D1+D20.7100注：期末试卷1和期末试卷2的35分和65分不是固定值，可根据实际情况略微调整。1.3数据采集与评价以长春工程学院测绘工程专业2018级74名学生的成绩为样本，将作业、答辩、测验和期末考试成绩分别录入Excel表格，前3项只录入总分值（满分50分），期末考试成绩详细录入每个小题的得分（表3）。对各环节得分进行样本分类统计，根据教学大纲中制定的考核环节权重、课程教学目标以及与教学内容对应关系计算得到各教学目标考核环节的满分分值和学生实际平均得分，进而计算各教学目标的达成度和课程总目标达成度（表4）。1.4评价结果分析将课程教学目标达成度评价结果与对应教学内容进行整理分析，可以发现课程教学短板，定位需调整改进的教学环节，为课程质量的持续改进提供准确可表3期末考试成绩统计分析表题型简答题计算题考点偶然误差特性精度指标必要观测数据计算误差方程列立条件方程列立协方差传播率条件平差间接平差附有参数的条件平差附有限制条件的间接平差误差椭圆对应课程目标满分分值55446820205518实际平均分值4.34.11.81.24.76.118.415.23.04.111.5得分率0.860.820.450.300.780.760.920.760.600.820.64肖艳：误差理论与测量平差基础课程成绩分析135地理空间信息第21卷第7期靠的依据3。通过计算可知，课程目标、的达成度评价值（0.79）超过了该专业毕业要求达成度评价小组要求的阈值（0.65）。2基于数据挖掘技术的成绩分析课程目标达成度评价虽然可以发现教学内容短板，但无法找出影响学生成绩的因素。为挖掘更多有价值的信息，采用数据挖掘技术对学生成绩数据进行进一步处理和分析。决策树分类和关联规则挖掘均为数据挖掘的重要研究方向，本文采用决策树J48算法和关联规则Apriori算法进行数据挖掘。2.1决策树分类J48算法是近年流行的一种决策树算法，已在数据挖掘中得到广泛应用7-8；具有效率高、数据类型灵活、结构清晰、便于客户理解等优点9。J48算法是ID3 算法的改进算法，采用信息增益率选取分类属性，递归构造决策树的各个分支，完成对连续属性的离散化处理10。通过查阅资料，本文选定学生对该课程的热爱程度、课前预习情况、课后复习情况、作业完成情况、数学基础5个影响学生成绩的因素进行问卷调查。根据问卷调查数据和学生成绩进行决策树分类，构造的决策树见图 1，可以看出，课后复习情况、作业完成情况和学生对该课程的热爱程度是影响学生成绩的主要因素。不及格及格中等良好优秀良好课后复习 70 分作业完成 60 分否是作业完成 80 分课后复习 60 分热爱度 80 分是否是是是否否否图1决策树分类结果图2.2关联规则挖掘Apriori算法是经典的关联规则数据挖掘算法，核心是基于两阶段频集递推思想，对数据集进行逐层搜索以迭代识别所有的频繁项目集，并据此构造关联规则11。利用Apriori算法分析后，每条关联规则都呈现AB形式。支持度和置信度是两个重要的约束参数，支持度表示A和B同时发生的概率，描述关联规则的频度，是对关联规则重要性的度量，表达式为Support(AB)=P(AB)；置信度表示关联规则的强度，是对关联规则可靠性的度量，表达式为 Confidence(AB)=P(A|B)。利用Apriori算法对成绩为优秀的18名学生的成绩数据和相应问卷调查数据进行分析，其中支持度下界设为0.5，置信度下界设为0.9，共得到15条关联规则；再将得到的关联规则按照支持度大小排序，前10条关联规则结果见表5，可以发现，学生若在热爱度、作业完成情况、课后复习情况3个方面表现优秀，则最后成绩是优秀的可能性较大。3教学启示针对课程教学目标达成度评价和数据挖掘分析结果，给出以下