在聚类分析的基础上,根据学生的学习态度进行分组

J. Shinebayar, Badarch Jadamba, Ochirbat Altangoo, Raash Namjildagva, Tumurbaatar Ganbaatar, Ravdandorj Togoo, Sukhbaatar Batchuluun
{"title":"在聚类分析的基础上,根据学生的学习态度进行分组","authors":"J. Shinebayar, Badarch Jadamba, Ochirbat Altangoo, Raash Namjildagva, Tumurbaatar Ganbaatar, Ravdandorj Togoo, Sukhbaatar Batchuluun","doi":"10.5564/lavai.v18i27.2493","DOIUrl":null,"url":null,"abstract":"Tests are frequently used in any field of science education to assess students’ knowledge and skills. In this paper, we briefly introduce the results of the analysis on the test data of twelve grade students in Mongolia. These analyses are based on two approaches- classical test theories and cluster analysis. It is less important to measure learners’ attitudes through only one subject. We believe that students’ attitudes towards learning academic subjects and acquiring scientific education can be defined through their achievement data on their knowledge and skills on multiple subjects. According to learning attitudes, most researchers analyze the data using a survey that includes “Likert” scale statements and questions. In this paper, we have categorized students' learning attitudes based on their results of academic performances that assess only students’ knowledge and skills. Students are categorized into five groups according to their learning attitudes based on the two-step clustering components. \nКластер анализ ашиглан суралцагчдыг сурах хандлагаар ангилсан нь \nХураангуйСуралцагчдын мэдлэг, чадварыг үнэлэхэд ихэвчлэн тестийг ашигладаг. Уг өгүүлэлд Сүхбаатар аймгийн II сургуулийн 12-р ангийн суралцагчдын улсын шалгалтын үр дүнгийн өгөгдөлд классик тестийн онол, кластер анализ зэрэг аргыг хэрэглэн анализ хийсэн үр дүнг толилуулж байна. Ангийн суралцагчдын сурах хандлагын хэв маягийг зөвхөн нэг хичээлийн эцсийн дүнгээр хэмжих нь ач холбогдол багатай. Ихэнх судлаачид суралцагчдыг сурах хандлагаар ангилахдаа лайкертын хэмжээс бүхий өгүүлбэрүүд болон асуултуудыг агуулсан судалгааны асуулгаар цуглуулсан өгөгдөлд анализ хийдэг. Харин, бид бүхэн зөвхөн суралцагчдын мэдлэг, чадварыг үнэлэх академик гүйцэтгэлийн үр дүнгээр суралцагчдыг сурах хандлагаар ангилсан нь онцлогтой. Шинжлэх ухааны буюу академик боловсролтой холбоотой сурах хандлагыг олон хичээлийн мэдлэг, чадварын цогц байдлаар авч үзэх нь зүйтэй гэдгийг баталж, кластерчлалын хоёр алхамт аргад тулгуурлан суралцагчдыг сурах хандлагаар 5 бүлэгт ангиллаа. \nТүлхүүр үг: Классик тестийн онол, кластер анализ, сурах хандлага, үнэлгээ, даалгаврын хариултын онол","PeriodicalId":383392,"journal":{"name":"Lavai - International Journal of Education","volume":"197 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Categorizing students into groups according to their learning attitudes based on cluster analysis\",\"authors\":\"J. Shinebayar, Badarch Jadamba, Ochirbat Altangoo, Raash Namjildagva, Tumurbaatar Ganbaatar, Ravdandorj Togoo, Sukhbaatar Batchuluun\",\"doi\":\"10.5564/lavai.v18i27.2493\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Tests are frequently used in any field of science education to assess students’ knowledge and skills. In this paper, we briefly introduce the results of the analysis on the test data of twelve grade students in Mongolia. These analyses are based on two approaches- classical test theories and cluster analysis. It is less important to measure learners’ attitudes through only one subject. We believe that students’ attitudes towards learning academic subjects and acquiring scientific education can be defined through their achievement data on their knowledge and skills on multiple subjects. According to learning attitudes, most researchers analyze the data using a survey that includes “Likert” scale statements and questions. In this paper, we have categorized students' learning attitudes based on their results of academic performances that assess only students’ knowledge and skills. Students are categorized into five groups according to their learning attitudes based on the two-step clustering components. \\nКластер анализ ашиглан суралцагчдыг сурах хандлагаар ангилсан нь \\nХураангуйСуралцагчдын мэдлэг, чадварыг үнэлэхэд ихэвчлэн тестийг ашигладаг. Уг өгүүлэлд Сүхбаатар аймгийн II сургуулийн 12-р ангийн суралцагчдын улсын шалгалтын үр дүнгийн өгөгдөлд классик тестийн онол, кластер анализ зэрэг аргыг хэрэглэн анализ хийсэн үр дүнг толилуулж байна. Ангийн суралцагчдын сурах хандлагын хэв маягийг зөвхөн нэг хичээлийн эцсийн дүнгээр хэмжих нь ач холбогдол багатай. Ихэнх судлаачид суралцагчдыг сурах хандлагаар ангилахдаа лайкертын хэмжээс бүхий өгүүлбэрүүд болон асуултуудыг агуулсан судалгааны асуулгаар цуглуулсан өгөгдөлд анализ хийдэг. Харин, бид бүхэн зөвхөн суралцагчдын мэдлэг, чадварыг үнэлэх академик гүйцэтгэлийн үр дүнгээр суралцагчдыг сурах хандлагаар ангилсан нь онцлогтой. Шинжлэх ухааны буюу академик боловсролтой холбоотой сурах хандлагыг олон хичээлийн мэдлэг, чадварын цогц байдлаар авч үзэх нь зүйтэй гэдгийг баталж, кластерчлалын хоёр алхамт аргад тулгуурлан суралцагчдыг сурах хандлагаар 5 бүлэгт ангиллаа. \\nТүлхүүр үг: Классик тестийн онол, кластер анализ, сурах хандлага, үнэлгээ, даалгаврын хариултын онол\",\"PeriodicalId\":383392,\"journal\":{\"name\":\"Lavai - International Journal of Education\",\"volume\":\"197 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-12-29\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Lavai - International Journal of Education\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5564/lavai.v18i27.2493\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Lavai - International Journal of Education","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5564/lavai.v18i27.2493","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

在科学教育的任何领域,测试都经常被用来评估学生的知识和技能。本文简要介绍了对蒙古12年级学生测试数据的分析结果。这些分析是基于两种方法-经典测试理论和聚类分析。仅通过一门学科来衡量学习者的态度是不太重要的。我们认为,学生对学习学科和接受科学教育的态度可以通过他们在多个学科的知识和技能方面的成就数据来定义。根据学习态度,大多数研究人员使用包括“李克特”量表陈述和问题的调查来分析数据。在本文中,我们根据学生的学业成绩对他们的学习态度进行了分类,这些成绩只评估学生的知识和技能。基于两步聚类成分,根据学生的学习态度将其分为五组。КластеранализашиглансуралцагчдыгсураххандлагаарангилсанньХураангуйСуралцагчдынмэдлэг,чадварыгүнэлэхэдихэвчлэнтестийгашигладаг。УгөгүүлэлдСүхбаатараймгий第二нсургуулийн12 -рангийнсуралцагчдынулсыншалгалтынүрдүнгийнөгөгдөлдклассиктестийнонол,кластеранализзэрэгаргыгхэрэглэнанализхийсэнүрдүнгтолилуулжбайна。Ангийнсуралцагчдынсураххандлагынхэвмаягийгзөвхөннэгхичээлийнэцсийндүнгээрхэмжихньачхолбогдолбагатай。Ихэнхсудлаачидсуралцагчдыгсураххандлагаарангилахдаалайкертынхэмжээсбүхийөгүүлбэрүүдболонасуултуудыгагуулсансудалгааныасуулгаарцуглуулсанөгөгдөлданализхийдэг。б,Харинидбүхэнзөвхөнсуралцагчдынмэдлэг,чадварыгүнэлэхакадемикгүйцэтгэлийнүрдүнгээрсуралцагчдыгсураххандлагаарангилсанньонцлогтой。Шинжлэхухааныбуюуакадемикболовсролтойхолбоотойсураххандлагыголонхичээлийнмэдлэг,чадварынцогцбайдлааравчүзэхньзүйтэйгэдгийгбаталж,кластерчлалынхоёралхамтаргадтулгуурлансуралцагчдыгсураххандлагаар5бүлэгтангиллаа。Түлхүүрүг:Классиктестийнонол,кластеранализ,сураххандлага,үнэлгээ,даалгаврынхариултынонол
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Categorizing students into groups according to their learning attitudes based on cluster analysis
Tests are frequently used in any field of science education to assess students’ knowledge and skills. In this paper, we briefly introduce the results of the analysis on the test data of twelve grade students in Mongolia. These analyses are based on two approaches- classical test theories and cluster analysis. It is less important to measure learners’ attitudes through only one subject. We believe that students’ attitudes towards learning academic subjects and acquiring scientific education can be defined through their achievement data on their knowledge and skills on multiple subjects. According to learning attitudes, most researchers analyze the data using a survey that includes “Likert” scale statements and questions. In this paper, we have categorized students' learning attitudes based on their results of academic performances that assess only students’ knowledge and skills. Students are categorized into five groups according to their learning attitudes based on the two-step clustering components. Кластер анализ ашиглан суралцагчдыг сурах хандлагаар ангилсан нь ХураангуйСуралцагчдын мэдлэг, чадварыг үнэлэхэд ихэвчлэн тестийг ашигладаг. Уг өгүүлэлд Сүхбаатар аймгийн II сургуулийн 12-р ангийн суралцагчдын улсын шалгалтын үр дүнгийн өгөгдөлд классик тестийн онол, кластер анализ зэрэг аргыг хэрэглэн анализ хийсэн үр дүнг толилуулж байна. Ангийн суралцагчдын сурах хандлагын хэв маягийг зөвхөн нэг хичээлийн эцсийн дүнгээр хэмжих нь ач холбогдол багатай. Ихэнх судлаачид суралцагчдыг сурах хандлагаар ангилахдаа лайкертын хэмжээс бүхий өгүүлбэрүүд болон асуултуудыг агуулсан судалгааны асуулгаар цуглуулсан өгөгдөлд анализ хийдэг. Харин, бид бүхэн зөвхөн суралцагчдын мэдлэг, чадварыг үнэлэх академик гүйцэтгэлийн үр дүнгээр суралцагчдыг сурах хандлагаар ангилсан нь онцлогтой. Шинжлэх ухааны буюу академик боловсролтой холбоотой сурах хандлагыг олон хичээлийн мэдлэг, чадварын цогц байдлаар авч үзэх нь зүйтэй гэдгийг баталж, кластерчлалын хоёр алхамт аргад тулгуурлан суралцагчдыг сурах хандлагаар 5 бүлэгт ангиллаа. Түлхүүр үг: Классик тестийн онол, кластер анализ, сурах хандлага, үнэлгээ, даалгаврын хариултын онол
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信