结对项目 —— 第一次结对作业

这个作业属于哪个课程 软件工程 (福州大学至诚学院 - 计算机工程系)
这个作业要求在哪里 第一次结对作业
这个作业的目标 数据采集以及数据可视化
作业正文 见下文
学号 洪成龙211706174、林航211706186
其他参考文献 pandas.DataFrame.plot( )参数详解常用模块之matplotlib

简单的自我介绍

  • 我是来自计算机工程系计算机科学与技术的洪成龙,学号211706174,喜欢篮球,动漫。
  • 我的结对同伴是来自计算机工程系计算机科学与技术的林航,学号211706186,是我在大学里认识的第一个朋友。

此篇博客由我与林航共同完成

希望同学们在看这篇博客前,能先完成一下这份问卷调查
对我们的问题有一定的了解,才能更好地理解我们为什么这么处理数据及其它思路。
代码没有完全发出来,大家有什么不懂的地方,也可以私聊我们。

关于选取的角度

此次因疫情延期开学情况下,学生在家线上学习的学习吸收率如何。

  • 学习吸收率与学习态度的相关性
  • 学习吸收率与学习状态的相关性
  • 学习吸收率与问老师问题的频率的相关性
  • 学习吸收率与其它特征的相关性

关于采集的数据

  • 采集对象:在校大学生
  • 数据量:110份+
  • 数据采集方式:问卷调查
  • 数据采集过程:把问卷调查分享自己同学们,对他们进行一次调查
  • 数据处理过程:对收集到的数据使用python进行可视化分析

数据处理

从问卷系统导出编码数据

总体预览


发现有很多无用的数据和一些空值,于是进行一些简单的清洗。

students.set_index('编号', inplace=True) # 将编号设为索引列
students.sort_index(inplace=True) # 排序索引列
students.drop(['开始答题时间', '结束答题时间', '答题时长','IP归属地市',
               '自定义字段','2.你的年级是?[选项填空]','3.你的专业是?[选项填空]'],axis=1,inplace=True) #删除不需要的列
students = students.fillna(0) # 用0填充所有缺失值,表示没有
students = students.applymap(lambda x: int(x) if type(x)==float else x) # 如果数据是浮点数转为整数


接下来便可以开始对数据进行处理。

数据分析

> 从以上三幅图可以看出本次采集的数据样本大部分为17计科的男同学

这是我们统计的目前在使用的几种线上授课平台受喜爱程度,可以看出B站直播是同学们最为喜欢的授课平台

从图中可以分析到对于线上课程,同学们还是都有在学习的,只有极少数同学并不认真。

结合前面这两张图(‘态度’,‘状态’),可以看出对于现在的线上教学,大部分同学们仍处于被动状态。

因此,我们就可以要了解一下,同学们对于知识的吸收程度,看看对于网络授课同学们能不能学到东西

可以看出有一半的同学其实对于知识点的学习吸收并不理想。

那我们就来分析一下学习吸收率与一些其他因素的相关性


注:1-3数值增加 表示 学习吸收率增加,态度增加,状态增加,笔记增加,自我感觉作业量增加,得到网课的帮助增加,问老师问题的频率增加。

根据表格可以观察出,笔记这列比较反常,所以不考虑这个特征。

注:以下密度图的纵坐标是人数密度,横坐标是等级,等级越高,表现越好。

可以看出学习吸收率与学习态度, 学习状态, 作业量, 帮助大小,有问题是否及时询问老师的相关性总体趋势几乎一致。

对于学习吸收率与学习态度的独立分析

注:1类吸收率:'0-33%', 2类吸收率:'34%-66%', 3类吸收率:'67-100%'
1类态度:'只是播放并不听讲,应付老师要求,抄同学作业',
2类态度:'偶尔划划水,开个小差,独立完成课后作业',
3类态度:'认真听讲,有思考,做笔记,独立完成课后作业'

可以看出

1类态度同学的人数密度比1类吸收率同学的人数密度少0.05
2类态度同学的人数密度比2类吸收率同学的人数密度多0.7
3类态度同学的人数密度比3类吸收率同学的人数密度少0.26
说明2类态度(偶尔划水)的同学中有极小部分处于1类吸收率,有小部分处于3类吸收率。

对于学习吸收率与学习状态的独立分析

注:1类吸收率:'0-33%', 2类吸收率:'34%-66%', 3类吸收率:'67-100%'
1类状态:'迷迷糊糊,还未适应', 2类状态:'被动学习,效果一般', 3类状态:'努力学习,受益良多'

1类状态同学的人数密度比1类吸收率同学的人数密度多0.16
2类状态同学的人数密度比2类吸收率同学的人数密度多0.08
3类状态同学的人数密度比3类吸收率同学的人数密度少0.35
说明3类吸收率(67%-100%)的同学有很大一部分还没调整好状态。

对于学习吸收率与有问题是否及时询问老师的独立分析

注:1类问题:'从来不', 2类问题:'偶尔会', 3类问题:'经常会'
1类吸收率:'0-33%', 2类吸收率:'34%-66%', 3类吸收率:'67-100%'

1类问题同学的人数密度比1类吸收率同学的人数密度多0.18
2类问题同学的人数密度比2类吸收率同学的人数密度多0.66
3类问题同学的人数密度比3类吸收率同学的人数密度少0.56
说明2类问题(偶尔)同学的学习吸收率也还不错。

从这些分析我们可以看出学习吸收率和学习状态最为相关,所以希望同学们调整自己的状态,自己的学习状态越好,才能更好地吸收知识,提高学习效率。

除了学习吸收率与各种因素的关联,我们其实还分析了一些其他关联

关于作业量与线上教学对于你的帮助


注:1类作业:'很少,十分轻松', 2类作业:'适中,可以接受', 3类作业:'很多,忙不过来'
1类帮助:'不大', 2类帮助:'一般', 3类帮助:'很大'

1类作业同学的人数比1类帮助同学的人数几乎一致
2类作业同学的人数比2类帮助同学的人数十分接近
3类作业同学的人数比3类帮助同学的人数十分接近
说明你认为的作业量越多,你所得到的帮助就越大,提升就越多。

关于学习状态与学习态度的关联性分析

注:1类状态:'迷迷糊糊,还未适应', 2类状态:'被动学习,效果一般', 3类状态:'努力学习,受益良多'
1类态度:'只是播放并不听讲,应付老师要求,抄同学作业',
2类态度:'偶尔划划水,开个小差,独立完成课后作业',
3类态度:'认真听讲,有思考,做笔记,独立完成课后作业'

1类态度同学的人数密度比1类状态同学的人数密度少0.2
2类态度同学的人数密度比2类状态同学的人数密度多0.66
3类态度同学的人数密度比3类状态同学的人数密度少0.1
可以看出,1类状态(迷迷糊糊)同学,虽然状态不佳,但仍坚持学习。

最后我们用了一份热力图来表示各个特征的关联性

注:热力图用皮尔逊相关系数来查看两者之间的关联性

这张图描述了各个特征之间的关联性。
可见,

  1. 吸收率与状态关联最强,上课状态好了,学习吸收率自然提高。
  2. 关联第二强的是态度。态度端正,但不在状态,心有余而力不足,学习吸收率也受到影响。

缺点:

  • 由于数据量太少,所以得出的关联不太准确。
  • 在做问卷时,没考虑好重点是“学习吸收率”,所以关联性不强。
  • 有的问题出的不好,比如“你觉得作业量大吗”,这和“学习吸收率”的确没什么关联。

关于云结对

结对编程?不不不,面向对象编程!
我看林航
上图为 我看林航编码
林航看我
上图为 林航看我编码

我们俩一共花了两天多的时间,才终于完成数据收集、可视化及分析。
我们主要是使用腾讯会议进行交流,我分享桌面,并一起探讨代码。
作图相对比较容易,但在分析关联图时,我们俩都不能很好地表达出图表所展示的内容。

吐槽

  1. 数据分析的内容都忘记了,一开始竟然无从入手。后来慢慢地,感觉来了,也就上手了。

  2. 我觉得最难的是,表达图标所展示的内容,分析关联图就占了我大半的时间,本以为已经准确描述。
    后来我自信满满地把做出来的图表分析给我姐姐听,但我姐姐提出的几个问题把我整懵了,于是又重新分析。
    但是最后分析出来的内容,我也不知道我表达地对不对,如果有错,恳请提出。

  3. 关于与林航的合作,还算愉快。
    他的不足之处在于,一个很简单的问题,他常常讲一堆话来解释,还停不下来,我都听不懂他在讲啥。
    而我,语言表达能力极差,不能清楚地表达出我分析的结果。

  4. 我在出问卷的时候,没抓好重点,导致做数据分析时磕磕碰碰。

改进

  • 在部分密度图上加了一条黑线
  • 在密度图旁边加上了相对应的表格,方便理解
  • 将不那么准确的词语如“一些”、“一半”等改成数值
  • 加了小提琴图,从吴秋悦大佬那学习到的新知识

总结

根据此次疫情期间学生在家线上学习情况调查的分析,有一半同学的学习吸收率并不高,主要原因是状态和态度。
有些同学学习态度是好的,但是错误的学习状态却会导致事倍功半。想要提高学习效率,我们当前的任务就是要辨别自己的学习状态正确与否。若不足,则改进。

  • 有20%的同学还处于迷迷糊糊,未适应的状态。建议调整好作息,合理安排课余时间。
  • 有48.2%的同学处于被动学习的状态。这类同学大多没有一个明确的学习目标,且这种学习态度会导致时间周转不过来。希望早日找到学习的目标,保持一颗热爱学习的心。
  • 有31.8%的同学努力学习。很棒!继续加油!

TO BE CONTINUED.

posted @ 2020-02-22 19:06  oeong  阅读(402)  评论(9编辑  收藏