| 這個作業屬於哪個課程 | 軟件工程 (福州大學至誠學院 - 計算機工程系) |
|---|---|
| 這個作業要求在哪里 | 第一次結對作業 |
| 這個作業的目標 | 數據采集以及數據可視化 |
| 作業正文 | |
| 其他參考文獻 | pandas.DataFrame.plot( )參數詳解、常用模塊之matplotlib |
簡單的自我介紹
-
我是來自計算機工程系計算機科學與技術的林航，學號211706186，一名渣渣
-
我的結對同伴是來自計算機工程系計算機科學與技術的洪成龍，學號211706174，一名大佬
此篇博客由我與洪成龍共同完成。
希望同學們在看這篇博客前，能先完成一下這份問卷調查
對我們的問題有一定的了解，才能剛好地理解我們為什么這么處理數據及其它思路。
關於選取的角度
此次因疫情延期開學情況下，學生在家線上學習的學習吸收率如何。
- 學習吸收率與學習態度的相關性
- 學習吸收率與學習狀態的相關性
- 學習吸收率與問老師問題的頻率的相關性
- 學習吸收率與其它特征的相關性
為什么選取這個角度呢
主要想了解面對這么多五花八門的在線平台，這么多紛繁復雜的授課方式，這么多天南地北的同學，究竟大家學的如何？
關於采集的數據
- 采集對象：至誠學院學生
- 數據量：110份+
- 數據采集方式：問卷調查
- 數據采集過程：把問卷調查分享自己同學們，對他們進行一次調查
- 數據處理過程：對收集到的數據使用python進行可視化分析
數據處理
從問卷系統導出編碼數據
總體預覽
發現有很多無用的數據和一些空值。於是進行一些簡單的清洗。
students.set_index('編號', inplace=True) # 將編號設為索引列
students.sort_index(inplace=True) # 排序索引列
students.drop(['開始答題時間', '結束答題時間', '答題時長','IP歸屬地市',
'自定義字段','2.你的年級是？[選項填空]','3.你的專業是？[選項填空]'],axis=1,inplace=True) #刪除不需要的列
students = students.fillna(0) # 用0填充所有缺失值,表示沒有
students = students.applymap(lambda x: int(x) if type(x)==float else x) # 如果數據是浮點數轉為整數
接下來便可以開始對數據進行處理。
數據分析
這是我們統計的比較常見的幾種線上授課平台受喜愛程度，可以看出嗶哩嗶哩直播是同學們最為喜歡的授課平台了
這是關於課堂簽到的樣本數據分析
很明顯可以看出對於線上學習大部分同學還是比較重視的，有七成的同學害怕睡過頭而錯過課堂簽到，三成的同學並不害怕
友情提醒：害不害怕沒關系，記得簽到就好
從圖中可以分析到對於線上課程，同學們還是比較認真的，大部分可以做到獨立完成作業
結合前面這三張圖（‘簽到’，‘態度’，‘狀態’），可以看出對於現在的線上教學，網絡授課，大部分同學們仍處於被動狀態。
因此，我們就可以要了解一下，同學們對於知識的吸收程度，看看對於網絡授課同學們能不能學到東西
可以看出有一半的同學其實對於知識點的學習吸收率並不高，那我們就來分析一下學習吸收率與一些其他因素的相關性
注：以下密度圖的縱坐標是人數密度，橫坐標是等級，等級越高，表現越好。
可以看出學習吸收率與學習態度, 學習狀態, 作業量, 幫助大小,有問題是否及時詢問老師的相關性總體趨勢幾乎一致。
我們對於學習吸收率與學習態度獨立出來進行分析
可以從中看出
注：1類態度：'只是播放並不聽講，應付老師要求，抄同學作業', 2類態度：'偶爾划划水，開個小差，獨立完成課后作業', 3類態度：'認真聽講，有思考，做筆記，獨立完成課后作業'
1類吸收率：'0-33%', 2類吸收率:'34%-66%', 3類吸收率:'67-100%'
1類態度同學的人數密度比1類吸收率同學的人數密度少0.05
2類態度同學的人數密度比2類吸收率同學的人數密度多0.7
3類態度同學的人數密度比3類吸收率同學的人數密度少0.26
說明2類態度(偶爾划水)的同學中有極小部分處於1類吸收率，有小部分處於3類吸收率。
我們對於學習吸收率與學習狀態獨立出來進行分析
注：1類狀態：'迷迷糊糊，還未適應', 2類狀態：'被動學習，效果一般', 3類狀態：'努力學習，受益良多'
1類吸收率：'0-33%', 2類吸收率:'34%-66%', 3類吸收率:'67-100%'
1類狀態同學的人數密度比1類吸收率同學的人數密度多0.16
2類狀態同學的人數密度比2類吸收率同學的人數密度多0.08
3類狀態同學的人數密度比3類吸收率同學的人數密度少0.35
說明3類吸收率(67%-100%)的同學有很大一部分還沒調整好狀態。
我們對於學習吸收率與有問題是否及時詢問老師獨立出來進行分析
注：1類問題：'從來不', 2類問題：'偶爾會', 3類問題：'經常會'
1類吸收率：'0-33%', 2類吸收率:'34%-66%', 3類吸收率:'67-100%'
1類問題同學的人數密度比1類吸收率同學的人數密度多0.18
2類問題同學的人數密度比2類吸收率同學的人數密度多0.66
3類問題同學的人數密度比3類吸收率同學的人數密度少0.56
說明2類問題(偶爾)同學的學習吸收率也還不錯
從這些分析我們可以看出學習吸收率和學習狀態最為相關，所以希望同學們調整自己的狀態，自己的學習狀態越好，才能吸收更多知識。
除了學習吸收率與各種因素的關聯，我們其實還分析了一些其他關聯
這是關於作業量與線上教學對於你的幫助
注：1類作業：'很少，十分輕松', 2類作業：'適中，可以接受', 3類作業：'很多，忙不過來'
1類幫助：'不大', 2類幫助:'一般', 3類幫助:'很大'
1類作業同學的人數比1類幫助同學的人數幾乎一致
2類作業同學的人數比2類幫助同學的人數十分接近
3類作業同學的人數比3類幫助同學的人數十分接近
說明你覺得作業量有多少，你自身得到的幫助就有多少
這是關於學習狀態與學習態度的關聯性分析
注：1類狀態：'迷迷糊糊，還未適應', 2類狀態：'被動學習，效果一般', 3類狀態：'努力學習，受益良多'
1類態度：'只是播放並不聽講，應付老師要求，抄同學作業', 2類態度：'偶爾划划水，開個小差，獨立完成課后作業', 3類態度：'認真聽講，有思考，做筆記，獨立完成課后作業'
1類態度同學的人數密度比1類狀態同學的人數密度少0.2
2類態度同學的人數密度比2類狀態同學的人數密度多0.66
3類態度同學的人數密度比3類狀態同學的人數密度少0.1
可以看出，1類狀態(迷迷糊糊)同學，雖然狀態不佳，但仍堅持學習。
最后我們用了一份熱力圖來表示各自的關聯性
注：熱力圖用皮爾遜相關系數來查看兩者之間的關聯性
這張圖描述了各個特征之間的關聯性。
可見，
- 吸收率與狀態關聯最強，上課狀態好了，學習吸收率自然提高。
- 關聯第二強的是態度。態度端正，但不在狀態，心有余而力不足，學習吸收率也受到影響。
缺陷：
由於數據量太少，所以得出的關聯不太准確。
另外有的問題出的不好，比如“你覺得作業量大嗎”，這和“學習吸收率”的確實沒什么關聯。
在做問卷時，沒考慮好重點是“學習吸收率”，所以關聯性不強。
關於雲結對
結對編程?不不不，面向“對象”編程！
上圖為 我寫編碼時
上圖為 我看代碼時
總計一共花了兩天多的時間，才終於完成數據收集及分析。
主要是使用騰訊會議進行交流，通過分享桌面，來一起探討代碼。
相對來說作圖相對比較容易，但在分析關聯圖時，我們倆都不能很好地表達出圖表所展示的內容。
吐槽
本來這次作業我是做好抱大腿的准備和這個表情包：
可惜洪成龍大佬竟然也忘記了數據分析的內容。迫於無奈我只能開始和大佬一起回憶思考。
其實關於數據分析代碼還算比較好回憶（這里就體現了我和大佬的差距，當我只能想起課堂上教過的，大佬開始拓展了）
最難的是：表達圖標所展示的內容，關分析關聯圖就占了我們大半的時間。
往往有時我們前面分析出來的結論，過不久又發現好像不對。
一直改來改去，最后得出分析出來的內容，我也不知道我們表達地對不對，如果有錯，懇請提出。
總結
我：
開個玩笑，其實根據此次疫情期間學生在家線上學習情況調查的分析，有一半同學的學習吸收率並不高，主要原因是狀態和態度。
有些同學學習態度是好的，但是錯誤的學習狀態卻會導致事倍功半。想要提高學習效率，我們當前的任務就是要辨別自己的學習狀態正確與否
- 有20%的同學還處於迷迷糊糊，未適應的狀態。建議調整好作息，合理安排課余時間。
- 有48.2%的同學處於被動學習的狀態。這類同學大多沒有一個明確的學習目標，且這種學習態度會導致時間周轉不過來。希望早日找到學習的目標，保持一顆熱愛學習的心。
- 有31.8%的同學努力學習。很棒！繼續加油！