競賽網(wǎng)評結(jié)果的評價與分析(參考版)
2025-08-10 15:07本頁面
【正文】 end n=n+1。 B(m,3)=A(355,i+1)。n==355 %最后一個且與前值均不同時 B(m,1)=A(355,i)。 end elseif t==n1amp。 m=m+1。 B(m,2)=A(j,1)。 j=n+1。 B(m,3)=A(n,i+1)。n355 %非最后一個且與前值均不同 B(m,1)=A(n,i)。 end end if t==n1amp。endwhile(n356) t=0。 m=m+1。 B(m,2)=A(b,1)。B(1,3)=A(1,i+1)。B(1,1)=A(1,i)。b=2。 %定義存儲矩陣Bn=2。參考文獻[1]杰弗里評價與應(yīng)用本文模型的優(yōu)點：盡量使用定量分析代替定性分析，特別是在最終成績的絕對分數(shù)未知的情況下，將獲獎名次數(shù)值化，從而得出網(wǎng)評成績與總成績之間的相關(guān)性；在構(gòu)建評委素質(zhì)的評價指標(biāo)時，全面地利用了已知數(shù)據(jù)，得出了符合常理的結(jié)論；在集中評審分數(shù)未知的情況下，利用評委打分是獨立隨機事件這一特點，將網(wǎng)評成績改造成虛擬的集中評審成績，從而模擬出加入和不加入網(wǎng)評成績的過程，從而避免了主觀分析。但是，本文在這里的處理方法有些缺陷：由于重復(fù)使用網(wǎng)評成績來構(gòu)造“虛擬”總成績，會破壞評委評分的獨立性條件，也就是說，本文的處理方法相當(dāng)于默認網(wǎng)評的評委同時也是集中評審的評委。一般認為，進入集中評審的論文應(yīng)當(dāng)都是比較優(yōu)秀的，優(yōu)秀論文之間的差距減少是合乎常理的。由于方差減少，使得不同論文間的差別降低了，按照評價評委基本素質(zhì)的模型，不同論文間的方差減少，是不利于鑒別出優(yōu)良中劣的。從這點來看，加入網(wǎng)評成績有利于得出穩(wěn)妥、公正的競賽成績。可以清楚地看到，組內(nèi)方差是減小了的。這樣帶來兩方面的影響：加入網(wǎng)評成績后，單篇論文由3個評委打分轉(zhuǎn)變?yōu)?個評委打分，這樣改變了單篇論文得分的方差，本文稱其為“組內(nèi)方差”；進入集中評審的195篇論文，每篇論文的總成績之間會有方差的變化，本文稱其為“組間方差”。以A題為例，共355篇論文，取55%即取195篇。因此，可以認為，各組評委的整體表現(xiàn)之間并沒有顯著差異，說明競賽組織者較為均衡地分配了評委，沒有讓不同題目的評委之間出現(xiàn)太大的差異。將AC的評委方差序列輸入SPSS，檢驗結(jié)果如表3所示。本文使用的F統(tǒng)計量，不僅可以比較多因素間的差異，還可以作為單因素方差分析的工具。把此指標(biāo)已用于其他四個附件，同樣可以得出評委間的基本素質(zhì)情況。表2系數(shù)（常數(shù)項）標(biāo)準(zhǔn)誤P值無名次第三名第二名分數(shù) 問題二與問題三模型二即為問題二的解答，列出如下：素質(zhì)指標(biāo)=將指標(biāo)應(yīng)用與附件A，計算出指標(biāo)值。而自變量為網(wǎng)評總標(biāo)準(zhǔn)分，故自變量只有一個。圖1 附件A部分標(biāo)準(zhǔn)分示例將數(shù)據(jù)導(dǎo)入SPSS，數(shù)據(jù)含兩列，一列為網(wǎng)評標(biāo)準(zhǔn)分總分，另一列為名次，本題的因變量為名次，有四個水平：無獎、三等獎、二等獎、一等獎，分別取值0、3，如圖2所示。以上F統(tǒng)計量服從F分布，SPSS將自動計算F值，如果計算得到的相伴概率值小于顯著性水平，則拒絕零假設(shè)，即表明數(shù)據(jù)間存在顯著差異。F統(tǒng)計量的計算公式為：其中S表示樣本方差。由于所需要比
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1