Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

ΠΟΛΥΜΕΤΑΒΛΗΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΜΑΘΗΤΩΝ ΓΙΑ ΠΡΟΣΒΑΣΗ ΣΤΗΝ ΤΡΙΤΟΒΑΘΜΙΑ ΕΚΠΑΙΔΕΥΣΗ ΜΕ ΣΤΑΤΙΣΤΙΚΟ ΛΟΓΙΣΜΙΚΟ ΧΡΗΣΤΟΣ ΤΡΙΑΝΤΑΦΥΛΛΟΥ Φυσικός-Msc Πληροφορικής.

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "ΠΟΛΥΜΕΤΑΒΛΗΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΜΑΘΗΤΩΝ ΓΙΑ ΠΡΟΣΒΑΣΗ ΣΤΗΝ ΤΡΙΤΟΒΑΘΜΙΑ ΕΚΠΑΙΔΕΥΣΗ ΜΕ ΣΤΑΤΙΣΤΙΚΟ ΛΟΓΙΣΜΙΚΟ ΧΡΗΣΤΟΣ ΤΡΙΑΝΤΑΦΥΛΛΟΥ Φυσικός-Msc Πληροφορικής."— Μεταγράφημα παρουσίασης:

1 ΠΟΛΥΜΕΤΑΒΛΗΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΜΑΘΗΤΩΝ ΓΙΑ ΠΡΟΣΒΑΣΗ ΣΤΗΝ ΤΡΙΤΟΒΑΘΜΙΑ ΕΚΠΑΙΔΕΥΣΗ ΜΕ ΣΤΑΤΙΣΤΙΚΟ ΛΟΓΙΣΜΙΚΟ ΧΡΗΣΤΟΣ ΤΡΙΑΝΤΑΦΥΛΛΟΥ Φυσικός-Msc Πληροφορικής Τεχνικός Υπεύθυνος Κε. ΠΛΗ.ΝΕΤ Σερρών Μάρτιος 2007

2 Χρ. Τριανταφύλλου2 Εισαγωγή Τα δεδομένα που χρησιμοποιήθηκαν, αφορούν όλους τους μαθητές της Γ’ τάξης των Ενιαίων Λυκείων του Ν. Σερρών. Παραχωρήθηκαν από όλα τα Λύκεια του Νομού, ύστερα από εντολή της Δ/θμιας Εκπαίδευσης Ν. Σερρών, και δημιουργήθηκαν από το πρόγραμμα ΝΕΣΤΩΡ, που υπάρχει στη μηχανογράφηση των Λυκείων.

3 Χρ. Τριανταφύλλου3 Εισαγωγή Τα εν λόγω δεδομένα περιλάμβαναν: Βαθμούς μαθημάτων Γενικό βαθμό πρόσβασης στην τριτοβάθμια εκπαίδευση Το φύλο του μαθητή Επιτυχίες των μαθητών σε σχολές ΑΕΙ & ΤΕΙ Επιπρόσθετα, στα δεδομένα της τελευταίας εκπαιδευτικής χρονιάς, υπήρχαν και νέα στοιχεία η μόρφωση των γονέων (πατέρα & μητέρας) ονοματεπώνυμα ή ID των μαθητών Δεν περιλαμβανόταν ονοματεπώνυμα ή ID των μαθητών, για λόγους διαφύλαξης προσωπικών στοιχείων

4 Χρ. Τριανταφύλλου4 Περιεχόμενα 1.Εισαγωγή - Μεθοδολογία - Λογισμικό 2.Ανάλυση στοιχείων 3.Συμπεράσματα και ιδέες για τις μελλοντικές επεκτάσεις

5 Χρ. Τριανταφύλλου5 Μεθοδολογία Έγινε πολυμεταβλητή στατιστική ανάλυση, πρώτα περιγραφική και στη συνέχεια εξερευνητική Στόχος να απαντηθούν κάποια ερωτήματα, σχετικά με την εισαγωγή μαθητών στην τριτοβάθμια εκπαίδευση, όπως: Ποια η δυσκολία του κάθε μαθήματος κατεύθυνσης για τους μαθητές; Ποια κατανομή ακολουθούν τα διάφορα μαθήματα; Υπάρχουν γραμμικές σχέσεις μεταξύ των μαθημάτων; Στις υπάρχουσες ομάδες μαθητών, ανά σχολείο, κατεύθυνση ή φύλο, υπήρχε μήπως κάποια λανθάνουσα πληροφορία;

6 Χρ. Τριανταφύλλου6 Λογισμικό Χρησιμοποιήθηκε: Το στατιστικό λογισμικό SPSS, Το λογιστικό φύλο Excel και Η γλώσσα προγραμματισμού Visual Basic.

7 Χρ. Τριανταφύλλου7 Μεθοδολογία Οι μεθοδολογίες που ακολουθήθηκαν ήταν: Περιγραφική στατιστική για τις μεταβλητές Στατιστικά μέτρα για εύρεση συσχετίσεων ανάμεσα στις μεταβλητές Συσχετισμένος και μη συσχετισμένος έλεγχος t, για την εκτίμηση της στατιστικής σημαντικότητας της διαφοράς των βαθμών Πολυμεταβλητή ανάλυση που περιλάμβανε: Ανάλυση Παλινδρόμησης (RA), για διερεύνηση αν υπάρχει κάποιο πλεονέκτημα σε κάποιες ομάδες μαθητών. Ανάλυση κύριων συνιστωσών (PCA) και Ανάλυση Παραγόντων (FA), για εύρεση συνιστωσών της μαθητικής επίδοσης, και Ιεραρχική Ανάλυση συστάδων (Η-CA), για να διερευνηθεί κατά πόσο οι σχολές που επιλέγουν οι υποψήφιοι μπορούν να ομαδοποιηθούν.

8 Χρ. Τριανταφύλλου8 Περιεχόμενα 1.Ανάλυση στοιχείων  Περιγραφική στατιστική  Συσχετίσεις μεταβλητών  Συσχετισμένος και μη συσχετισμένος έλεγχος t  Παλινδρόμηση RA  Παραγοντική Ανάλυση FA  Ανάλυση σε συστάδες CA

9 Χρ. Τριανταφύλλου9 Περιγραφικά στατιστικά μέτρα Το διάγραμμα και ο πίνακας, αφορούν το συνολικό ποσοστό αγοριών και κοριτσιών για όλες τις κατευθύνσεις. Δεν υπήρχαν «χαμένες τιμές» στα δεδομένα μας, γιατί αφαιρέθηκαν μαθητές που είχαν μεν ΓΒΠ, αλλά δεν έδωσαν εξετάσεις σε όλα τα μαθήματα, λόγω κάποιου προβλήματος, και φαινόταν να αποτελούν missing values. Επίσης, βλέπουμε ότι τα κορίτσια (57%) είναι αισθητά περισσότερα από τα αγόρια (43%). Διάγραμμα: %Α/Κ 1267 Σύνολο 723 Κορίτσια 544 Αγόρια N ValidΦύλο

10 Χρ. Τριανταφύλλου10 Κατευθύνσεις 100,0 % 1267 Σύνολο 48,9 % 620 ΤΕΧΝΟΛΟΓΙΚΗ 37,8 % 479 ΘΕΩΡΗΤΙΚΗ 13,3 % 168 ΘΕΤΙΚΗ % Count ΚΑΤΕΥΘΥΝΣΗ

11 Χρ. Τριανταφύλλου11 Κατευθύνσεις 100,0%723100,0%544Σύνολο 34,4%24968,2%371ΤΕΧΝΟΛΟΓΙΚΗ 51,2%37020,0%109ΘΕΩΡΗΤΙΚΗ 14,4%10411,8%64ΘΕΤΙΚΗ %Count% Κατευθύνσεις ΚορίτσιΑγόρι

12 Χρ. Τριανταφύλλου12 Πίνακας 4.1.5: Στατ. Μέτρα ΘΕΩ Θεωρητική κατεύθυνση

13 Χρ. Τριανταφύλλου13 Θεωρητική κατεύθυνση Διάγραμμα: ΓΒΠ ΘΕΩΡ Ο Γενικός Βαθμός Πρόσβασης, πλησιάζει τη συμμετρική κατανομή.

14 Χρ. Τριανταφύλλου14 Θεωρητική κατεύθυνση

15 Χρ. Τριανταφύλλου15 Θεωρητική κατεύθυνση

16 Χρ. Τριανταφύλλου16 Θεωρητική κατεύθυνση

17 Χρ. Τριανταφύλλου17 Θηκόγραμμα 4.1.3: ΜΟ(ΘΕΩ) ανά σχολείο & ανά φύλο

18 Χρ. Τριανταφύλλου18 Πίνακας Descriptive Statistics (ΘΕΤ) 14,3493, ,262320,005,4053 (Επιλ)Αρχές Οικονομικής Θεωρίας 22,3374, ,415220,00,60165 (ΘΕΤ)Χημεία 18,3934, ,972120,00,10165 (ΘΕΤ)Βιολογία 16,1284, ,864819,801,00165 (ΘΕΤ)Φυσική 25,8465, ,980020,00,80165 (ΘΕΤ)Μαθηματικά 11,3563, ,891119,562,18165 ΓενΒαθμόςΠρόσβασης VarianceStd. DeviationMeanMaximumMinimumN Θετική κατεύθυνση

19 Χρ. Τριανταφύλλου19 Θετική κατεύθυνση

20 Χρ. Τριανταφύλλου20 Θετική κατεύθυνση

21 Χρ. Τριανταφύλλου21 Θετική κατεύθυνση

22 Χρ. Τριανταφύλλου22 Θετική κατεύθυνση

23 Χρ. Τριανταφύλλου23 Θηκόγραμμα 4.1.7: ΜΟ(ΘΕΤ) ανά σχολείο & ανά φύλο

24 Χρ. Τριανταφύλλου24 Πίνακας : Descriptive Statistics (ΤΕΧ) 5,13613,3820,00,60408 (Επιλ) Αρχές Οικονομικής Θεωρίας 5,33911,9920,00,60618 (ΤΕΧΝ)ΑΕΠΠ_Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον 4,28813,1320,00,60618 (ΤΕΧΝ)ΑΟΔ_Αρχές Οργάνωσης και Διοίκησης Επιχειρήσεων 4,0568,8019,50,60618 (ΤΕΧΝ)Φυσική 5,2558,3220,00,80618 (ΤΕΧΝ)Μαθηματικά 4,03211,7719,383,08618 ΓενΒαθμόςΠρόσβασης Std. DeviationMeanMaximumMinimumN Τεχνολογική κατεύθυνση

25 Χρ. Τριανταφύλλου25 Τεχνολογική κατεύθυνση

26 Χρ. Τριανταφύλλου26 Τεχνολογική κατεύθυνση

27 Χρ. Τριανταφύλλου27 Τεχνολογική κατεύθυνση

28 Χρ. Τριανταφύλλου28 Τεχνολογική κατεύθυνση

29 Χρ. Τριανταφύλλου29 Τεχνολογική κατεύθυνση

30 Χρ. Τριανταφύλλου30 Περιεχόμενα 1.Ανάλυση στοιχείων  Περιγραφική στατιστική  Συσχετίσεις μεταβλητών  Συσχετισμένος και μη συσχετισμένος έλεγχος t  Παλινδρόμηση RA  Παραγοντική Ανάλυση FA  Ανάλυση σε συστάδες CA

31 Χρ. Τριανταφύλλου N,000 Sig. (2-tailed) 1,769(**),629(**),743(**),749(**) Pearson Correlation (Επιλ) Αρχές Οικονομικής Θεωρίας N,000 Sig. (2-tailed),769(**)1,714(**),753(**),802(**) Pearson Correlation Ιστορία,629(**),714(**)1,612(**),716(**) Pearson Correlation Νεοελληνική Λογοτεχνία,743(**),753(**),612(**)1,822(**) Pearson Correlation Λατινικά,749(**),802(**),716(**),822(**)1 Pearson Correlation Αρχαία Ελληνικά (Επιλ) Αρχές Οικονομικής Θεωρίας Ιστορία Νεοελληνική Λογοτεχνία Λατινικά Αρχαία Ελληνικά Πίνακας: Correlations ΘΕΩΡ (Pearson) ** Correlation is significant at the 0.01 level (2-tailed).

32 Χρ. Τριανταφύλλου32

33 Χρ. Τριανταφύλλου33 Συσχετίσεις μαθημάτων

34 Χρ. Τριανταφύλλου34 Σχήμα 4.2.6:Scatterplot ΘΕΩΡΗΤΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Συσχετίσεις μαθημάτων

35 Χρ. Τριανταφύλλου35 Περιεχόμενα 1.Ανάλυση στοιχείων  Περιγραφική στατιστική  Συσχετίσεις μεταβλητών  Συσχετισμένος και μη συσχετισμένος έλεγχος t  Παλινδρόμηση RA  Παραγοντική Ανάλυση FA  Ανάλυση σε συστάδες CA

36 Χρ. Τριανταφύλλου36 Συσχετισμένος έλεγχος t Διατύπωση υπόθεσης Μηδενική υπόθεση Η ο : «Δεν υπάρχει διαφορά μεταξύ των μέσων όρων των δειγμάτων» Εναλλακτική υπόθεση Η 1 : «Υπάρχει διαφορά μεταξύ των μέσων όρων των δειγμάτων»

37 Χρ. Τριανταφύλλου37 Συσχετισμένος έλεγχος t Υλοποίηση Paired Samples Test και διαδικασία Wilcoxon ΘΕΩΡΗΤΙΚΗ ΚΑΤΕΎΘΥΝΣΗ Ισχύει η Η 0 (Δεν υπάρχει διαφορά απόδοσης μαθημάτων, εκτός της Ιστορίας) ΘΕΤΙΚΗ ΚΑΤΕΎΘΥΝΣΗ Ισχύει η Η 1 (Είχαμε σημαντικές διαφορές στις αποδόσεις όλων των μαθημάτων) p<5% ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΎΘΥΝΣΗ Ισχύει η Η 1 (Είχαμε σημαντικές διαφορές στις αποδόσεις των μαθημάτων)

38 Χρ. Τριανταφύλλου38 Μη Συσχετισμένος έλεγχος t (Uncorrelated Test) Στατιστική υπόθεση Η 0 : «Δεν υπάρχει διαφορά μεταξύ Αγοριών & Κοριτσιών σε σχέση με την απόδοσή τους στα μαθήματά της Θεωρητικής κατεύθυνσης» Η 1 : «Υπάρχει διαφορά…»

39 Χρ. Τριανταφύλλου39 Πίνακας: Διακυμάνσεις ΜΟ (ΘΕΩ) >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) -0,5ίσες Μ=13,3 SD=5,4 Μ=12,8 SD=5,4 Αρχές Οικονομικής Θεωρίας p= 0,001<0,05-1,9άνισες Μ=11,5 SD=5,5 Μ=9,6 SD=4,9 Ιστορία <0,001-2,3ίσες Μ=12,8 SD=4,1 Μ=10,5 SD=4,1 Νεοελληνική Λογοτεχνία <0,001-3,8ίσες Μ=12,8 SD=5,3 Μ=9,0 SD=5,2 Λατινικά <0,001-2,7ίσες Μ=12,4 SD=4,4 Μ=9,7 SD=4,6 Αρχαία Ελληνικά Δίπλευρη σημαντικότητα (p) Διαφορά ΜΟ ΔιακυμάνσειςΚορίτσιαΑγόριαΜάθημα Θεωρητική κατεύθυνση

40 Χρ. Τριανταφύλλου40 Πίνακας: Διακυμάνσεις ΜΟ (ΘΕΤ) >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) 0,24ίσες Μ=17,2 SD=3,4 Μ=17,4 SD=4,3 (Επιλ) Αρχές Οικονομικής Θεωρίας >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) 1,04ίσες Μ=15,9 SD=5,0 Μ=17,0 SD=4,7 Χημεία >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) 0,41ίσες Μ=15,7 SD=4,5 Μ=16,1 SD=4,4 Βιολογία <0,05 Σημαντική διαφορά 2,17ίσες Μ=12,0 SD=3,8 Μ=14,1 SD=4,4 Φυσική <0,05 Σημαντική διαφορά 1,85ίσες Μ=13,2 SD=4,9 Μ=15,1 SD=5,2 Μαθηματικά Δίπλευρη σημαντικότητα (p) Διαφορά ΜΟ ΔιακυμάνσειςΚορίτσιαΑγόρια Μάθημα Θετική κατεύθυνση

41 Χρ. Τριανταφύλλου41 Πίνακας: Διακυμάνσεις ΜΟ (ΤΕΧ) >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) -0,43ίσες Μ=13,6 SD=5,1 Μ=13,2 SD=5,2 (Επιλ) Αρχές Οικονομικής Θεωρίας >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) -1,9άνισες Μ=12,0 SD=4,8 Μ=12,0 SD=5,7 ΑΕΠΠ >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) -0,59ίσες Μ=13,5 SD=4,4 Μ=12,9 SD=4,2 ΑΟΔ >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) -0,09άνισες Μ=8,8 SD=3,6 Μ=8,8 SD=4,3 Φυσική >0,05 άρα όχι σημαντική (το δ.ε. 95% περιείχε το 0,00) -0,09άνισες Μ=8,7 SD=4,9 Μ=8,1 SD=5,4 Μαθηματικά Δίπλευρη σημαντικότητα (p) Διαφορά ΜΟ ΔιακυμάνσειςΚορίτσιαΑγόρια Μάθημα Τεχνολογική κατεύθυνση

42 Χρ. Τριανταφύλλου42 Περιεχόμενα 1.Ανάλυση στοιχείων  Περιγραφική στατιστική  Συσχετίσεις μεταβλητών  Συσχετισμένος και μη συσχετισμένος έλεγχος t  Παλινδρόμηση RA  Παραγοντική Ανάλυση FA  Ανάλυση σε συστάδες CA

43 Χρ. Τριανταφύλλου43 Παλινδρόμηση RA Εδώ διερευνήσαμε αν υπάρχει κάποιο πλεονέκτημα σε μαθητές που φοίτησαν σε σχολεία της πόλης σε σχέση με τους υπόλοιπους μαθητές που φοίτησαν σε επαρχιακά σχολεία. Διατύπωση υπόθεσης

44 Χρ. Τριανταφύλλου44 Παλινδρόμηση RA Για να ελέγξουμε αν υπάρχει θετική ή αρνητική συνεισφορά της προαναφερθείσης υπόθεσης, υλοποιήσαμε μία παλινδρόμηση με εξαρτημένη μεταβλητή «ΓενικόςΒαθμόςΠρόσβασης» και ανεξάρτητες μεταβλητές τις ποιοτικές (δίτιμες) μεταβλητές FYLO_01 (0=Αγόρι, 1=Κορίτσι) και την κατεύθυνση ΘΕ_ΤΕΧ (0=Τεχνολογική, 1=Θετική ή Θεωρητική) και ΠΟΛΗΕΠΑΡΧΙΑ (0,1) Κάνουμε λοιπόν την υπόθεση ότι: ΓενικόςΒαθμόςΠρόσβασης = b 0 + b 1 (ΠΟΛΗΕΠΑΡΧΙΑ) + b 2 (ΘΕ_ΤΕΧ) + b 3 (FYLO_01) + e i

45 Χρ. Τριανταφύλλου45 Γενικός Β αθμόςΠρόσβασης = 10,25 + 2,23 (ΠΟΛΗΕΠΑΡΧΙΑ) + 0,60(ΘΕ_ΤΕΧ) + 0,58 (FYLO_01) + ei  Συμπεραίνουμε ότι ο υποψήφιος της πόλης είχε 2230 μόρια (  230) περισσότερα από τον υποψήφιο της επαρχίας.  Οι υποψήφιοι των κατευθύνσεων Θεωρητικής & Θετικής είχαν περίπου 600 μόρια περισσότερα (  240) έναντι των υποψηφίων της Τεχνολογικής κατεύθυνσης.  Και τα Κορίτσια είχαν καλύτερη απόδοση στα μαθήματα κατά 585 μόρια (  245) από τα Αγόρια.

46 Χρ. Τριανταφύλλου46 Παλινδρόμηση RA – Ιούν2006 ΘΕΩΡΗΤΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΓενικόςΒαθμόςΠρόσβασης=11,40+2,36(Μόρφ_Μητ)+ei Ο υποψήφιος της Θεωρητικής με μορφωμένη μητέρα είχε 2360 μόρια (  650) περισσότερα από τον υποψήφιο με όχι ιδιαίτερα μορφωμένη μητέρα ΘΕΤΙΚΗ Ο υποψήφιος της Θετικής με μορφωμένη μητέρα είχε 2680 μόρια (  660) περισσότερα ΤΕΧΝΟΛΟΓΙΚΗ Ο υποψήφιος της Τεχνολογικής με μορφωμένη μητέρα είχε περίπου 1080 μόρια (  500) περισσότερα

47 Χρ. Τριανταφύλλου47 Συμπεράσματα Παλινδρόμησης «Για να ανέβει το επίπεδο μόρφωσης των νέων μας, ΕΚΠΑΙΔΕΥΣΤΕ ΚΑΙ ΜΟΡΦΩΣΤΕ ΤΙΣ ΜΗΤΕΡΕΣ που παραμένουν, για τα Ελληνικά δεδομένα, βασικά και σημαντικά κύτταρα της Ελληνικής οικογένειας»

48 Χρ. Τριανταφύλλου48 Περιεχόμενα 1.Ανάλυση στοιχείων  Περιγραφική στατιστική  Συσχετίσεις μεταβλητών  Συσχετισμένος και μη συσχετισμένος έλεγχος t  Παλινδρόμηση RA  Παραγοντική Ανάλυση FA  Ανάλυση σε συστάδες CA

49 Χρ. Τριανταφύλλου49 Πίνακας FA με τη μέθοδο PCA και περιορισμό Eigenvalue >1 Total Variance Explained 100,0003,545, ,4555,186, ,2696,557, ,7117,084, ,628 3,88177,628 3,881 1 Cumulative % % of VarianceTotalCumulative % of VarianceTotal Extraction Sums of Squared LoadingsInitial EigenvaluesComponent Extraction Method: Principal Component Analysis. Παραγοντική ανάλυση Θεωρητικής

50 Χρ. Τριανταφύλλου50 Παραγοντικές επιβαρύνσεις της μίας κύριας συνιστώσας, σημειωτέον ότι είναι όλες μεγάλες (>0,87).,872 (ΕΠ) Αρχές Οικονομικής Θεωρίας,879 (ΘΕΩΡ) Ιστορία,882 (ΘΕΩΡ) Λατινικά,867 (ΘΕΩΡ) Νεοελληνική Λογοτεχνία,906 (ΘΕΩΡ) Αρχαία Ελληνικά 1 Component Πίνακας :Component Matrix(a) Extraction Method: Principal Component Analysis. a 1 components extracted. Παραγοντική ανάλυση Θεωρητικής

51 Χρ. Τριανταφύλλου51 Παραγοντική ανάλυση Θεωρητικής Χρήση των σκορ (factor scores) Θηκογράμματα: ΠόληΕπαρχία & φύλο (ΘΕΩ). Ο ένας παράγοντας, της Θεωρητικής, με βάση την έδρα του σχολείου φοίτησης και το φύλο.

52 Χρ. Τριανταφύλλου52 Πίνακας : FA με τη μέθοδο PCA - Total Variance Explained 100,0002,615, ,3853,437, ,9487,662, ,28638,2071,91086,28610,855,54386,28610,855, ,079 2,40475,431 3,77275,431 3,772 1 Cumulativ e % % of VarianceTotal Cumulative % % of VarianceTotal Cumulative % % of VarianceTotal Rotation Sums of Squared Loadings Extraction Sums of Squared LoadingsInitial EigenvaluesComponent Extraction Method: Principal Component Analysis. Πίνακας-Rotated Component Matrix(a),380, 856,380, 856 (ΕΠ) Αρχές Οικονομικής Θεωρίας,476, 754,476, 754(ΘΕΤ) Χημεία, 885,309, 885,309 (ΘΕΤ) Φυσική, 814,448, 814,448 (ΘΕΤ) Μαθηματικά,304, 899,304, 899(ΘΕΤ) Βιολογία EquamaxVarimax Component Extraction Method: Principal Component Analysis. Rotation Method: with Παραγοντική ανάλυση Θετικής

53 Χρ. Τριανταφύλλου53 Πίνακας Rotated Component Matrix(a),315,848 (Τ-ΙΙ) Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον,940,339 (Τ-ΙΙ) Αρχές Οργάνωσης και Διοίκησης Επιχειρήσεων,272,889 (Τ-ΙΙ) Φυσική,374,851 (Τ-ΙΙ) Μαθηματικά 21 Component Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 3 iterations. Παραγοντική ανάλυση Τεχνολογικής

54 Χρ. Τριανταφύλλου54 Παραγοντική ανάλυση Θετικής Χρήση των σκορ (factor scores) Για τα δύο σκορς της Τεχνολογικής, δεν παρατηρούμε κάποια ιδιαίτερη ομαδοποίηση, σε σχέση με το σχολείο, την έδρα του, καθώς και το φύλο.

55 Χρ. Τριανταφύλλου55 Συμπεράσματα Παραγοντικής Ανάλυσης Θεωρητική κατεύθυνση Αντιπροσώπευση των μαθημάτων από μία μόνο συνιστώσα [Αρχαία Ελληνικά, Νεοελληνική Λογοτεχνία, Λατινικά, Ιστορία & (ΕΠ)Αρχές Οικονομικής Θεωρίας].  Εξήγηση:  η μεγάλη συσχέτιση που έχουν τα μαθήματα της Θεωρητικής κατεύθυνσης, και  το γεγονός ότι μοιάζουν τελικά όλα, ως προς την θεωρητική τους φύση.

56 Χρ. Τριανταφύλλου56 Συμπεράσματα Παραγοντικής Ανάλυσης Μαθήματα Θετικής και Τεχνολογικής Αντιπροσωπεύτηκαν καλύτερα από δύο συνιστώσες 1η κύρια συνιστώσα «ΙΚΑΝΟΤΗΤΑ_ΑΠΟΣΤΗΘΙΣΗΣ», αναφέρεται σε θεωρητικά μαθήματα (απαιτούν αποστήθιση σε μεγάλο βαθμό). Τα μαθήματα αυτά είναι: [Βιολογία, Χημεία, (ΕΠ) Αρχές Οικονομικής Θεωρίας] για την ΘΕΤΙΚΗ & [ΑΟΔ (Αρχές Οργάνωσης και Διοίκησης Επιχειρήσεων)] για την ΤΕΧΝΟΛΟΓΙΚΗ

57 Χρ. Τριανταφύλλου57 Συμπεράσματα Παραγοντικής Ανάλυσης 2η κύρια συνιστώσα, «ΚΡΙΤΙΚΟ_ΣΥΝΘΕΤΙΚΗ_ΙΚΑΝΟΤΗΤΑ» Αντιπροσωπεύει τα μαθήματα: [Μαθηματικά, Φυσική] για την ΘΕΤΙΚΗ & [Μαθηματικά, Φυσική, ΑΕΠΠ] για την ΤΕΧΝΟΛΟΓΙΚΗ

58 Χρ. Τριανταφύλλου58 Περιεχόμενα 1.Ανάλυση στοιχείων  Περιγραφική στατιστική  Συσχετίσεις μεταβλητών  Συσχετισμένος και μη συσχετισμένος έλεγχος t  Παλινδρόμηση RA  Παραγοντική Ανάλυση FA  Ανάλυση σε συστάδες CA

59 Χρ. Τριανταφύλλου59 Διάγραμμα: Συνολικά ποσοστά σχολών Στα ΤΕΙ εισάγεται το 47% των αγοριών και 37% των κοριτσιών 

60 Χρ. Τριανταφύλλου60 Διάγραμμα: Ακριβής αριθμός Υποψηφίων, που εισήχθηκαν σε Παιδαγωγικές σχολές, ανά σχολείο και ανά φύλο. Διάγραμμα: Ακριβής αριθμός Υποψηφίων, που εισήχθηκαν σε Αστυνομικές σχολές, ανά σχολείο και ανά φύλο.

61 Χρ. Τριανταφύλλου61 Μέθοδοι υπολογισμού απόστασης ανάμεσα σε ομάδες Μέθοδος κοντινότερου γείτονα (Nearest Neighbour) Μέθοδος μακρινότερου γείτονα (Farthest Neighbour) Μέθοδος μέσης απόστασης (Average Linkage method) Η ανάλυση μας έγινε βάσει τη μέθοδο Ward  Βασίζεται στην απόσταση των κέντρων των ομάδων, και ελαχιστοποιεί την απώλεια πληροφορίας που προκύπτει όταν δύο ομάδες συγχωνεύονται.  Καταλήγει σε καλή ομαδοποίηση, λαμβάνοντας υπ’ όψιν τη θέση και το σχήμα των συστάδων, δημιουργώντας κατά το δυνατόν ισοπληθείς ομάδες.

62 Χρ. Τριανταφύλλου62 Αποστάσεις μεταξύ σχολών όπου, D ij = Η απόσταση μεταξύ των τμημάτων i και j x iλ και x jλ = Η κατάταξη των τμημάτων i και j από τον “λ” υποψήφιο στη δήλωση προτιμήσεων του n = Ο αριθμός υποψήφιων που έχουν δηλώσει προτίμηση και για το τμήμα i και για το τμήμα j.

63 Χρ. Τριανταφύλλου63 Πίνακας 4.8.1: Ομάδες σχολών που προέκυψαν με την HCA CA

64 Χρ. Τριανταφύλλου64 Συμπεράσματα της CA Παρατηρούμε ότι τμήματα σχολών με ίδιο αντικείμενο βρίσκονται σε διαφορετικές ομάδες Αν και θα περιμέναμε λοιπόν οι σχολές που προτιμούν οι υποψήφιοι, να επιλέγονται βάση γνωστικού αντικειμένου των τμημάτων, ούτως ώστε συναφή τμήματα να βρίσκονται σε γειτονικές θέσεις και προτιμήσεις από τους υποψηφίους, αυτό που πραγματικά συμβαίνει είναι διαφορετικό!!!

65 Χρ. Τριανταφύλλου65 Συμπεράσματα της CA Οι υποψήφιοι φαίνεται να επιλέγουν σχολές με κριτήριο την έδρα της σχολής, το επίπεδο μόρφωσης ΑΕΙ ή ΤΕΙ, τα παραδοσιακά Πανεπιστημιακά τμήματα, καθώς και τις προοπτικές.

66 Χρ. Τριανταφύλλου66 Περιεχόμενα 1.Εισαγωγή - Μεθοδολογία - Λογισμικό 2.Ανάλυση στοιχείων 3.Συμπεράσματα και ιδέες για τις μελλοντικές επεκτάσεις

67 Χρ. Τριανταφύλλου67 Γενικά Συμπεράσματα Παραγοντική ανάλυση ( FA) Αντιπροσώπευση μαθημάτων: Θεωρητική κατεύθυνση ένας παράγοντας Θετική-Τεχνολογική δύο παράγοντες «ΙΚΑΝΟΤΗΤΑ_ΑΠΟΣΤΗΘΙΣΗΣ» & «ΚΡΙΤΙΚΟ_ΣΥΝΘΕΤΙΚΗ_ΙΚΑΝΟΤΗΤΑ».

68 Χρ. Τριανταφύλλου68 Ανάλυση σε ομάδες CA Στην επιλογή σχολών μετρά: η έδρα το επίπεδο μόρφωσης ΑΕΙ ή ΤΕΙ τα παραδοσιακά τμήματα, και οι προοπτικές Γενικά Συμπεράσματα

69 Χρ. Τριανταφύλλου69 Γενικά Συμπεράσματα ΕΚΠΑΙΔΕΥΣΤΕ ΚΑΙ ΜΟΡΦΩΣΤΕ ΤΙΣ ΜΗΤΕΡΕΣ Ο υποψήφιος της πόλης είχε 2200 μόρια περισσότερα από τον υποψήφιο της επαρχίας. Οι υποψήφιοι Θεωρητικής-Θετικής είχαν 600 μόρια περισσότερα των υποψηφίων της Τεχνολογικής κατεύθυνσης. Τα Κορίτσια είχαν καλύτερη απόδοση περίπου κατά 600 μόρια από τα Αγόρια.

70 Χρ. Τριανταφύλλου70 Σας ευχαριστώ Ερωτήσεις ? …


Κατέβασμα ppt "ΠΟΛΥΜΕΤΑΒΛΗΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΜΑΘΗΤΩΝ ΓΙΑ ΠΡΟΣΒΑΣΗ ΣΤΗΝ ΤΡΙΤΟΒΑΘΜΙΑ ΕΚΠΑΙΔΕΥΣΗ ΜΕ ΣΤΑΤΙΣΤΙΚΟ ΛΟΓΙΣΜΙΚΟ ΧΡΗΣΤΟΣ ΤΡΙΑΝΤΑΦΥΛΛΟΥ Φυσικός-Msc Πληροφορικής."

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google