Sử dụng Microsoft Excel để phân tích phổ điểm một số môn học ở Trường đại học Thủ Dầu Một

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:5

Thêm vào BST

Báo xấu

5
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong báo cáo này, nhóm tác giả sẽ xuất kết quả phổ điểm của một số môn học ở trường Đại học Thủ Dầu Một bằng công cụ MS Excel. Các bước được trình bày chi tiết và có thể được tham khảo như một nghiên cứu mẫu.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Sử dụng Microsoft Excel để phân tích phổ điểm một số môn học ở Trường đại học Thủ Dầu Một

SỬ DỤNG MICROSOFT EXCEL ĐỂ PHÂN TÍCH PHỔ ĐIỂM MỘT SỐ MÔN HỌC Ở TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT Huỳnh Văn Hiếu 1 1. Trung tâm Đảm bảo chất lượng, Trường Đại học Thủ Dầu Một TÓM TẮT Microsoft Excel (MS Excel) là chương trình xử lý bảng tính nằm trong bộ Microsoft Office của hãng phần mềm Microsoft được thiết kế để giúp ghi lại, trình bày các thông tin xử lý dưới dạng bảng. Với cách sử dụng đơn giản, MS Excel giúp người dùng lập các bảng, bảng tính, tính toán các dãy số, thống kê số liệu nhánh chóng, chính xác. Trong hoạt động đào tạo ở trường đại học, việc phân tích phổ điểm có vai trò quan trọng trong việc đánh giá hiệu suất học tập của sinh viên, cung cấp thông tin về xu hướng và mức độ khó khăn của các môn học. Điều này giúp người học và nhà trường thực hiện một số điều chỉnh thích hợp nhằm cải thiện chất lượng giáo dục. Trong báo cáo này, chúng tôi dùng công cụ văn phòng thông dụng này để xuất kết quả phổ điểm một số môn học của sinh viên Trường đại học Thủ Dầu Một. Từ khóa: MS Excel, phổ điểm, phân tích phổ điểm, VBA Excel. 1. TỔNG QUAN Kết quả học tập một học phần của sinh viên có thể gồm điểm quá trình, điểm kiểm tra kết thúc học phần, điểm tổng hợp. Với các nhà quản lý giáo dục, điểm số không chỉ cung cấp thông tin tỷ lệ sinh viên xuất sắc, giỏi, khá, trung bình,... mà còn có thể được sử dụng khéo léo để khai thác một số thông tin hữu ích khác. Một trong những thông tin phổ biến được khai thác từ các điểm số này là phổ điểm. Một số kết quả phổ điểm có thể tham khảo tại (Gardner-Webb University, 2011; Á. Kocsis and G. Molnár, 2024). Ngày càng có nhiều trường quan tâm đến việc phân tích phổ điểm. Phân tích phổ điểm giúp đánh giá hiệu suất học tập bằng cách xem xét các thông số như điểm trung bình, phần trăm sinh viên đạt điểm cao, các mức phân vị của điểm, điểm trung bình theo môn học, điểm trung bình theo nhóm học… Phân tích phổ điểm giúp nhà trường thấy được xu hướng thay đổi điểm số qua các kỳ thi, năm học, hoặc theo các nhóm sinh viên khác nhau để xác định các yếu tố ảnh hưởng đến kết quả học tập nói riêng, chất lượng đào tạo nói chung. Ngoài ra, kết quả phân tích giúp xác dịnh một cách nhanh chóng các vấn đề cụ thể như mức độ thấp của điểm số, sự phân bố không đồng đều của điểm số, hoặc xu hướng giảm dần của hiệu suất học tập. Từ đó, đề xuất các biện pháp nhằm cải thiện kết quả học tập như tăng cường hỗ trợ học tập, điều chỉnh phương pháp giảng dạy, thúc đẩy sự tham gia của sinh viên. Sau đó theo dõi và đánh giá xem liệu các biện pháp trên có giúp cải thiện phổ điểm và hiệu suất học tập hay không. Trong báo cáo này, chúng tôi sẽ xuất kết quả phổ điểm của một số môn học ở trường Đại học Thủ Dầu Một bằng công cụ MS Excel. Các bước được trình bày chi tiết và có thể được tham khảo như một nghiên cứu mẫu. 2. PHƯƠNG PHÁP NGHIÊN CỨU Chúng tôi sử dụng phương pháp nghiên cứu thu thập số liệu, phương pháp quan sát, phương pháp điều tra, phương pháp định lượng trong báo cáo này. 353
3. KẾT QUẢ VÀ THẢO LUẬN Để tiến hành phân tích phổ điểm, chúng ta cần thực hiện các việc đây: 3.1. Thu thập và tổng hợp dữ liệu điểm Trong bài này, tôi thu thập dữ liệu điểm từ phần mềm quản lý đào tạo của Trường, sau khi kết thúc thời gian nhập điểm ở mỗi học kỳ. Ngoài ra, ta có thể thu thập điểm từ giảng viên. Tổng hợp dữ liệu điểm số từ các kỳ thi, bài tập, và báo cáo học tập của sinh viên vào một bảng dữ liệu. Tùy vào nhu cầu phân tích mà ta sẽ đi thu thập dữ liệu tương ứng. Ở Trường đại học Thủ Dầu Một, ta có thể tải dữ liệu điểm từ bất kỳ máy tính nào có cài đặt phần mềm Edusoft và được cấp tài khoản Edusoft. Ta có thể chọn tải dữ liệu điểm (quá trình, QT1, QT2, QT3, KTHP) của một vài nhóm học hoặc tất cả các nhóm học trong một học kỳ. Hiện tại mỗi học kỳ chính (học kỳ I, học kỳ II) có khoảng 1000 môn học với khoảng 2000 nhóm không kiểm tra tập trung (bài tập lớn, tiểu luận, thực hành, thí nghiệm, thực tập, báo cáo tốt nghiệp…) và khoảng 1000 nhóm kiểm tra tập trung (tự luận, vấn đáp, trắc nghiệm…); 1000 nhóm kiểm tra tập trung này được phân thành khoảng 3000 tổ thi (tương ứng 3000 phòng), với sự tham gia của 150.000- 300.000 lượt sinh viên tham dự kiểm tra. Mỗi sinh viên có thể có điểm QT1, QT2, QT3, QT, và KTHP. Một số lượng điểm khổng lồ. Xem Hình 1, đây là file dữ liệu điểm học kỳ 1 năm học 2023- 2024 toàn trường (gồm tất cả các môn học, nhóm học). Hình 1. Bảng dữ liệu điểm được tải từ Edusoft 3.2. Khai thác dữ liệu Sử dụng các công cụ thống kê và trực quan hóa dữ liệu để khám phá phân phối điểm số, tần suất xuất hiện của các loại điểm, và các xu hướng. Trong bài này tôi sử dụng MS Excel. Ngoài ra còn rất nhiều công cụ khác có thể làm được như R (R-4.4.0), SPSS (SPSS-29.0.10), Python (Python, 2021), … Tùy nhu cầu mà ta xác định cần phân tích điểm theo nhóm học, hay theo môn học, theo giảng viên, hay theo đề… Sau đó ta tiến hành thống kê mật độ điểm. Có thể chia [0-10] điểm thành 10 đoạn hoặc 20 đoạn hoặc nhiều hơn. Trong Hình 2, điểm được thống kê theo môn học và được chia thành 20 đoạn x 0.5đ (đồ thị mịn hơn 10 đoạn). Điểm được quan tâm nhiều nhất là điểm kiểm tra KTHP, nó thể hiện rõ năng lực của sinh viên sau thời gian được đào tạo. Kể từ đây, khi nói về phân tích điểm, nghĩa là phân tích phổ điểm KTHP, các điểm quá trình hay tổng hợp sẽ được nghiên cứu ở một dịp khác. 354
Phổ điểm bất thường là phổ điểm có tỉ lệ rớt lớn hơn hoặc bằng 30%. Con số 30% này không cố định, nó phụ thuộc vào tình trạng và mục tiêu phấn đấu hiện tại của đơn vị đào tạo. Nếu tình trạng điểm tốt, ta có thể xem xét 25%, 20% hoặc hơn thế nữa. Hình 2. Mật độ điểm theo môn học. 3.3. Đánh giá kết quả học tập Đánh giá hiệu suất học tập bằng cách xem xét các thông số như trung bình điểm, phần trăm sinh viên đạt điểm cao, điểm trung bình theo môn học, … Hình 3. Hình ảnh phổ điểm môn AMNH003 Hình 3 là hình ảnh phổ điểm môn AMNH003, đường màu xanh QT là đồ thị điểm quá trình, đường màu cam là đồ thị điểm kết thúc học phần, đường màu xám là điểm tổng kết. Theo đồ thị, điểm quá trình, kết thúc học phần thuộc nửa khoảng (5.5, 9.5], điểm quá trình thấp hơn điểm kết thúc học phần. Ở bảng thống kê điểm TK - %tích lũy, có 100% điểm tổng kết môn bé hơn 9 và không có bạn nào có điểm bé hơn 6 (có thể thay đổi điểm tổng kết thành điểm quá trình hoặc điểm kết thúc học phần). Ở bảng thống kê các chỉ số cơ bản cung cấp các đặc trưng thống kê như điểm min, điểm max, trung bình, trung vị, mode, phương sai, và 3 mức phân vị được sử dụng nhiều là 30% (dưới 30% là 355
đối tượng bất thường), 50% (mức đạt môn học) và 70% (khá). Có thể xuất thêm các giá trị khác theo nhu cầu người sử dụng. 3.4. Phân tích xu hướng, biến động Phân tích xu hướng thay đổi điểm số qua các kỳ thi, năm học, hoặc theo các nhóm sinh viên khác nhau để xác định các yếu tố ảnh hưởng. Chẳng hạn: so sánh điểm giữa các nhóm học, so sánh điểm giữa các đề, so sánh điểm giữa các giảng viên, so sánh điểm KTHP và quá trình, so sánh điểm giữa các học kỳ… 3.5. Xác định vấn đề Dựa trên kết quả phân tích, xác định các vấn đề cụ thể như mức độ thấp của điểm số, sự phân bố không đồng đều của điểm số, hoặc xu hướng giảm dần của hiệu suất học tập. Điểm thấp có thể là do phương pháp giảng dạy, hình thức đánh giá, do đề, hay do bản thân sinh viên (Á. Kocsis and G. Molnár, 2024)… Xác định đúng vấn đề có thể giúp người học, người dạy đề xuất được biện pháp hữu hiệu để cải thiện kết quả học tập. 3.6. Đề xuất biện pháp cải thiện Dựa trên những vấn đề được phát hiện từ kết quả phân tích, một số biện pháp có thể được đề xuất để cải thiện kết quả học tập cũng như chất lượng đào tạo. Chẳng hạn như tăng cường hỗ trợ học tập, điều chỉnh phương pháp giảng dạy, rà soát lại đề hoặc thúc đẩy sự tham gia của sinh viên. 3.7. Theo dõi và đánh giá Sau khi triển khai các biện pháp cải thiện, theo dõi và đánh giá hiệu quả của chúng để xác định liệu chúng có giúp cải thiện phổ điểm và hiệu suất học tập hay không. Hiện tại phần mềm Edusoft có hỗ trợ xuất phổ điểm theo nhóm môn học và theo môn học, tuy nhiên, không hỗ trợ xuất các thông tin thống kê khác như trung bình, phương sai, min, max, sự tích lũy điểm số… Để thực hiện được các bước ở trên, ta có thể sử dụng Excel, R, SPSS… để thiết lập các tính toán. Ở đây, tôi xin giới thiệu Macro phân tích phổ điểm. Từ file dữ liệu điểm được tải về, Macro phân tích phổ điểm có thể: a. Thống kê mật độ điểm một đối tượng, một số đối tượng hoặc toàn trường (môn học, nhóm học, theo đề, theo giảng viên, theo giới tính-môn học…) b. Tìm các phổ điểm bất thường c. Vẽ không hạn chế các phổ điểm và các chỉ số thống kê theo danh sách đối tượng cho trước Tải Macro phân tích phổ điểm tại đây Tải hướng dẫn khai thác dữ liệu điểm từ Edusoft và sử dụng Macro phân tích phổ điểm tại đây 4. KẾT LUẬN Trong báo cáo này, tôi đã nghiên cứu dữ liệu điểm từ Edusoft, cách sử dụng Excel để tìm các nhóm học có điểm bất thường, xuất phổ điểm, xác định vấn đề cũng như giải pháp cải thiện, theo dõi sau cải thiện. Do nội dung bài viết khá ngắn gọn, cách sử dụng Excel từng bước cụ thể như thế nào có thể tìm thấy từ các tài liệu tải từ đường dẫn ở trên. Các sử dụng VBA Excel đọc ở phần tài liệu tham khảo (Phan Tự Hướng, 2019). Những kết quả trong báo cáo này chỉ là kết quả ban sơ của nghiên cứu nên chưa được phong phú lắm và có thể được cải thiện thêm. Trong thời gian tới, chúng tôi dự kiến sẽ tiến hành phân tích phổ điểm nhiều hướng hơn và đề xuất các giải pháp nhằm nâng cao kết quả học tập của sinh viên cũng như chất lượng đào tạo của Trường. 356
TÀI LIỆU THAM KHẢO 1. Phan Tự Hướng. (2019). Lập trình VBA trong Microsoft Excel. Tp. Hồ Chí Minh: Nhà xuất bản Thông tin và Truyền thông. 2. MS Excel (2019). https://microsoft-office-2019.en.uptodown.com/windows. Truy cập ngày 01/05/2024. 3. Python (2001). https://www.python.org/. Truy cập ngày 01/05/2024. 4. R-4.4.0. https://cran.r-project.org/bin/windows/base/. Truy cập ngày 01/05/2024. 5. Nguyễn Văn Tuấn. (2006). Phân tích số liệu và vẽ biểu đồ bằng R - Hướng dẫn thực hành. 6. SPSS-29.0.10. https://ibm-spss-statistics-base.en.uptodown.com/windows/download. Truy cập ngày 01/05/2024. 7. Gardner-Webb University. (2011). Factors Affecting Student's Academic Performance: A reviewhttps://gardner-webb.edu/wp-content/uploads/2020/08/fact-book-2011.pdf. Truy cập ngày 02/05/2024. 8. Á. Kocsis and G. Molnár. (2024). Factors influencing academic performance and dropout rates in higher education, https://www.tandfonline.com/doi/full/10.1080/03054985.2024.2316616. Truy cập ngày 02/05/2024. 357