Статистический анализ факторов академической успеваемости (на примере обучающихся экономического факультета ФГБОУ ВО «ВГУ»)

Ключевые слова: высшее образование, экономический анализ, успеваемость

Аннотация

Предмет. Образовательные процессы являются одной из конституирующих составляющих жизни современного социума. При этом процессы высшего образования играют важную роль в достижении как индивидуальной, так и коллективной эффективности, и поэтому подвергаются тщательному государственному и общественному мониторингу.
Цели. Выявление статистически значимых детерминант академической успеваемости обучающихся и с целью повышения качества учебного процесса.
Метод. В процессе исследования использовались параметрические и непараметрические методы анализа данных и машинного обучения. Информационную базу исследования сформировали данные об учебной деятельности, успеваемости, баллах на Едином государственному экзамене, а также обобщенные адресные данные обучающихся в бакалавриате по направлениям «Экономика», «Менеджмент» 2013-2015 годов набора.
Результаты. В эмпирической части исследования протестированы несколько рабочих гипотез о связи академической успеваемости обучающихся с их домашним регионом, полом, источником финансирования учебной деятельности, а также результатами вступительных испытаний. Также протестирована гипотеза о взаимосвязи преждевременного завершения учебной деятельности обучающихся по причине неуспеваемости и их низким вступительным баллом. Мы установили, что стресс, связанный со сменой места жительства в период учебы почти не сказывается на показателях успеваемости. Обучающиеся девушки демонстрируют более высокие результаты на обоих направлениях подготовки. Девушки, обучающиеся за счет федерального бюджета, характеризуются большей мотиваций на высокую успеваемость по сравнению с обучающимися за счет собственных средств. Статистически значимых линейных связей между вступительными баллами и успеваемостью обучающихся не выявлено. Поскольку обучающиеся, завершающие учебную деятельность по причине неуспеваемости, поступили преимущественно с низкими суммарными баллами ЕГЭ имеет смысл значительно усилить фундаментальную подготовку, а именно аудиторную нагрузку по дисциплинам базовой части учебных планов, развивать конвергентные образовательные направления, а также укреплять междисциплинарные связи и практики изучения логики познания в целях сглаживания неоднородности в формировании компетенций у обучающихся.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Павел Анатольевич Канапухин, Воронежский государственный университет

д-р экон. наук, доцент, заведующий кафедрой экономики, маркетинга и коммерции

Вячеслав Владимирович Коротких, Воронежский государственный университет

канд. экон. наук, доцент кафедры информационных технологий и математических методов в экономике

Светлана Станиславовна Щекунских, Воронежский государственный университет

канд. физ.-мат. наук, доцент кафедры информационных технологий и математических методов в экономике

Литература

Levene, H. (1960) Robust tests for equality of variances. In Olkin, I. (ed.) Contributions to Probability and Statistics. Palo Alto, California, Stanford University Press, pp. 278-292.

Bartlett, M. S. (1937) Properties of Sufficiency of Statistical Tests. Proc. Roy. Soc. A 160, 268-287.

Shapiro, S. S. & Wilk, M. B. (1965) An Analysis of Variance Test for Normality. Bio-metrika. 52(3), 591-611.

Filliben, J. J. (1975) The Probability Plot Correlation Coefficient Test for Normality. Technometrics. 17(1), 111-117.

Kruskal, W. H. & Wallis, W. A. (1952) Use of Ranks in One-criterion Variance Analysis. Journal of the American Statistical Association. 47(260), 583-621.

Antonenkov, E. & Kryukov, Y. (2019) Intellectual analysis of personal preferences of students in the course of training in higher education. Modern Science: Actual problems of theory and practice. Series: Natural and Technical Sciences. 11(2), 30-34. (In Russ.)

Bystrova, T., Larionova, V., Sinitsyn, Е. & Tolmachev, А. (2018) Learning Analytics in Massive Open Online Courses as a Tool for Predicting Learner Performance. Educational Studies Moscow. 4, 139-166. (In Russ.)

Grankov, M. & Al-Gabri, W. (2017) Regression model of the performance of students groups in higher education institution. Engineering journal of Don. 1(44), 46. (In Russ.)

Endovitsky, D. (2019). [The Moscow International Ranking "Three University Missions” as an Item for the Analysis of the Current State and Development Prospects of Universi-ties]. Proceedings of Voronezh State University. Series: Problems of Higher Education. 1, 5-11. (In Russ.).

Endovitsky, D., Korotkikh, V., & Voronova, M. (2020). Competitiveness of Russian Universities in the Global System of Higher Education: Quantitative Analysis. Vysshee obrazovanie v Rossii [Higher Education in Russia]. 29(2), 9-26. (In Russ., abstract in Eng.)

Kondrateva, E. & Kondrateva O. (2018) Analysis of efficiency of forecasting prosperity on the basis of fuzzy logic. In: Dudov, S. (ed.) Mathematical and computer modeling in economics, insurance and risk management : Proceedings of the International youth scien-tific and practical conference, 14-17 November 2018, Saratov. pp. 79-82. (In Russ.)

Kotova, Е. & Pisarev, A. (2019) Automated prediction of student learning outcomes. Proceedings of Saint Petersburg Electrotechnical University. 5, 31-39. (In Russ.)

Kuznetsov, V., Bayramov, R., Smirnov, E., Kosilova, E. & Kosilov K. (2019) The rela-tionship of self-assessment of health status and morbidity with academic performance in senior students of medical specialties, taking into account the impact of socio-economic and demographic characteristics. Medical Almanac. 5-6 (61), 10-15. (In Russ.)

Martynov G. (2019) Statistical dependency analysis performance students from related factors. Aktualnye voprosy obrazovaniya. 3. 62-66. (In Russ.)

Nikulina, I. & Snezhkova, A. (2019) Study of the level of formation of motivation for learning activities of students. Vestnik of Samara University. History, pedagogics, philolo-gy. 25(3), 89-94. (In Russ.)

Sadovnichy, V. (2019). [Eurasian University Mission]. V. А. Sadovnichy et al. (Eds.). Three University Missions : Education, Science, Society. Moscow : Maks Press Publ., pp. 7-19. (In Russ.).

Stepanova, I., Ganzina, I., Atavina, O., Postnova, T. & Mugak V. (2018) Prognosis of training success in chemical disciplines according to results of the Unified state exam (USE) in medical university. International journal of experimental education. 11, 17-22. (In Russ.).

Tarasova, E. (2018) [Analysis of the influence of environmental factors on the annual dy-namics of student performance at a northern university]. Bulletin of the Northern State Medical University. 1(40), 13-14. (In Russ.)

Temnyatkina, O. & Tokmeninova, D. (2019) Models of teacher performance evaluation applied in various countries. Perspectives of science and education. 3(39), 489-499. (In. Russ.)

Shmarikhina, E. (2018) Investigation the factors of students performance. Vestnik NSUEM. 3, 130-143. (In. Russ.)

Опубликован
2020-06-25
Раздел
Бухгалтерский учет, статистика