课题研究.docx

1、课题研究课题指导一、 课题研究中需要阐明的几个问题；二、 研究变量的选择；三、 教育统计方法；四、 一个典型的研究案例；五、 预期的研究结果。研究中需要阐明的问题“网络班”1、 什么是网络班；2、 网络班与网校的区别和联系；3、 成立网络班的基本条件（硬件、软件、教师、学生）；4、 网络班的教学体制（管理办法、教学方法、评价方法）；5、 网络班的学习行为（自主学习、协作式学习、研究性学习是怎样开展的）；6、 网络班学习与常规学习案例对比（优在哪里、为什么）；7、 网络班对学生的影响。“基于网络环境的教学设计”1、 什么是教学设计、什么是现代教学设计、什么是基于网络环境的教学设计；2、 现代教学

2、设计的基本模式（21种、特点、适用条件）；3、 网络环境中的学习行为（自主学习、协作式学习、研究性学习是怎样开展的）；4、 网络环境教学与常规环境教学案例对比（理论、实验数据）；5、 网络环境教学与多媒体环境教学案例对比（理论、实验数据）；6、 数理化语英政史地生音体美信息劳技各科教学设计的相关规律；7、 大型研究性协作性网络学习教学设计案例（如美国“辛西娅你在哪里”）。“教学软件对教学影响的研究”1、 历史上的教学软件；2、 教学软件分类（三维坐标：平台、工具、资源；教、学；多媒体教室、网络教室、家庭）3、 教学软件背后的教育理念的发展；4、 教学软件背后的技术规则的发展； 5、 哪些是教学

3、软件对教和学影响的相关因素；6、 促使教学走向成功的因素；7、 从实践看未来更需要怎样的教学软件。变量设定1、 对象类：年龄段、不同年级、男生与女生、教师与学生与家长；2、 程度类：不同的起始学习差异、不同的信息技术水平；3、 学科类：文科与理科、定性课程与定量课程、各种学科；4、 时间类：实验时间、课内与课外、学校与家庭；5、 环境类：不同的硬件、不同的软件、不同的资源、不同的家庭环境；6、 方式类：研究性学习与协作式学习与自主学习、多媒体教学与网络教学；7、 理论类：不同的理论指导、不同的培训内容。教育统计方法目前，教育科研的精确化、科学化、规范化的要求愈来愈高，加上计算机技术的日益普及，

4、为定性与定量相结合的分析研究提供了可能。这样，测量与统计便更成为教育科研中不可缺少的手段与环节。因此，必须熟练地掌握统计与测量的运用技术。虽然实际的统计计算现在都是由软件（如SPSS、SAS等）来完成，但我们还是将常用的一些统计方法进行粗略的总结，并给出一些常用的计算公式和实例，目的是希望大家在碰到这些情况时知道该用什么方法，在需要时可以去查找有关资料作更详细的了解。一、教育统计的基本内容教育统计，就是应用数理统计学的一般原理和方法，对教育科研和教育实践中所获得的数据，进行整理、计算、分析与解释。其主要内容包括以下两个方面：1描述统计描述统计，就是将数据资料加以整理、简缩，使之有序化，制作成次

5、数分布表或分布图；或根据数据的分布特征，如集中趋势、离中趋势、相关强度等，计算出平均数、标准差、相关系数等概括性的统计量数，以便人们从杂乱的原始数据中获得有意义的信息，进行比较，作出结论。2推断统计 推断统计，是从样本统计量来推断它来自总体的特性，并标明可能发生的误差的统计方法。在现实的教育研究中，限于人力物力，总是从总体中抽取出有代表性的样本，然后从样本统计量对总体的特征进行推断，即进行相应的“显著性检验”等统计分析工作。在推断统计的基础上，研究者将对所研究的问题做出自己的解释、预测或估价。 二、数据的特征量及其计算除了编制原始数据的次数分布表或绘制其次数分布图以了解数据分布的概貌之外，作为

6、描述统计的主要方法，仍是用数据的特征量来表现其分布状况。 1集中量数 描述集中趋势的统计量，叫做“集中量数”，简称“集中量”。常用的集中量数有三种：算术平均数，中（位）数和众数。 （1）算术平均数，简称平均数、均数或均值。其符号为“”(读作X杠)，它起着衡量一定数据的集中趋势和大致水平的作用，是最常用的集中量，其计算公式是 从算术平均数可以看出，实验组与对照组的平均水平是否一样。（2）中数(符号为Mdn)，是依一定顺序（如由大到小）排列的一组数据居中间位置的一个点的数值，所以又叫中位数。如果数据个数N为奇数时，中位数的位置在(N+1)/2处，若N为偶数，就以居中的两个数据的平均数作中位数。（3

7、）众数(符号为“M0 ”)，指一组数据中出现次数最多的那个数值。在众数甚至没有的情况下，一般可看众数段，即哪个分数段的次数多，就以该段中点值作众数。 以上三个集中量中，平均数是无偏的客观量数，又最便于代数运算法则处理，从样本数值推断总体集中量时，平均数比中数、众数可靠，其缺点是易受两极端数值的影响。 2差异量数 差异量数是描述次数分布中“离中趋势”这一特征的统计量，简称“差异量”。一组数据，若离中趋势小，则集中量的代表性就大；反之，若离中趋势大，则集中量的代表性就小。但是，仅考虑集中量数是不够的。要了解两组学生成绩分布的全貌，还必须研究两个组的差异量数。最常用的差异量有全距、平均差和标准差。

8、(1)全距(符号为“R”)，指一组数据中由最大量数到最小量数的距离。R小说明离散程度小，比较整齐。(2)平均差，指一组数据内的每个数与均数差的绝对值的算术平均数，通常用A.D.表示。平均差的计算公式为： (3)标准差，指一组数据中每一个数值与它们的平均数之差的平方的算术平均数的平方根，其符号为“S”(样本标准差)、“”(总体标准差)。其计算公式为： S 越大表明离散程度越大，数据不均匀，集中量的代表性小。 3相对位置数平均值与标准差用来考察与分析同质的统计资料是有价值的，但对于不同质的考试，如不同学科、或同一学科不同考试意义就不大。这样就要计算相对位置量数。相对位置量数有百分等级与标准分数两种

9、。这里就常用标准分数作些介绍。 标准分数，又称Z分数，它是一种以平均数为参照点，以标准差为单位的，表示一个分数在团体分数中所处位置的量数，其计算方法为：由原始分数与平均分数的离差除以标准差所得的量数，其符号为“Z”，计算公式是： 例：有某生三次数学考试的成绩分别为70、57、45，三次考试的班平均为70、55、42，标准差分别为8、4、5。如何看待该生的三次考试成绩的地位?如果仅从原始分数看，肯定认为第一次最好，其实不然，要计算出各次的标准分数，才能说明问题。 根据公式得出：Z1=(7070)/8=0 Z2=（5755）/4=0.5 Z3=（4542）/5=0.6这说明，原始分数为70，其位置

10、正在平均线上，而原始分数为57的，其位置在平均线上0.5处，而原始分数为45的，其位置在平均线上0.6处。4相关系数在教育研究中，常涉及到两个事物(变量)的相互关系问题，例如，学习成绩与非智力因素的关系，数学成绩与物理成绩的关系，男女生学习成绩的关系，等等。其关系表现为以下三种变化；第一，正相关：一个变量增加或减少时，另一个变量也相应增加或减少；第二，负相关：一个变量增加或减少时，另一个变量却减少或增加；第三，无相关：说明两个变量是独立的，即由一个变量值，无法预测另一个变量值。统计学中，就用“相关系数”来从数量上描述两个变量之间的相关程度，用符号“r”来表示。相关系数取值范围限于：r相关系数表

11、示的意义相关系数（r）0.000.000.30.300.50相关程度无相关微正负相关实正负相关相关系数（r）0.500.800.801.00相关程度显著正负相关高度正负相关例：某语文实验班随机抽10名学生，参加市里的语文数学竞赛，其成绩如下表，求这两门成绩的相关系数。10名学生语文与数学相关系数计算表语文X数学Yx=XXxy=YYy2xy58684.722.091.803.428.46416712.3151.290.800.649.8449534.318.4913.20174.2456.7657553.713.6911.20125.4441.4462808.775.6913.8190.4412

12、0.0646657.353.291.210448.7648585.328.098.267.2443.4659675.732.490.80.644.5653770.30.0910.8116.643.2460626.744.894.217.6428.14533622440.10697.69159.4相关系数的计算公式是由英国统计学家皮尔逊提出的“积差相关”公式： 公式中，r=X与Y两数列之间的相关系数；x=X，即X数列中各量数与其平均数之差；y=Y，即Y数列中各量数与其平均数之差；Sx=X数列的标准差=；Sy=Y数列的标准差=；xy=各对离差积的总和；N=成对量数的次数，即总对数。计算步骤：1先计

13、算出X、Y、X、x2、Y、y2、xy分别填入表。2求X和Y的标准差. 求语文数学两门.成绩的相关系数： 4r=0.29在0与+0.3之间，属于微正相关，说明这10名学生的语文成绩与数学成绩就样本本身而言，是有一定相关的。 如果用的是等级评分法，就不宜用积差相关公式，而要用英国统计学家斯皮尔曼提出的等级相关公式： 式中，rR=斯皮尔曼等级相关系数；D=各对X与Y的差数，N=总对数。 三、统计检验及其应用 统计检验，就是对样本的特征量能否反映总体特征的问题，或两种不同样本数量标志的参数的差异性问题，作出定量分析与推断。 1统计检验的原理与方法 （1）统计检验的基本原理 统计检验的理论依据是概率论中

14、的“小概率事件实际上的不可能性”原理。所谓“小概率事件”，即假定某个事件在实验中出现的概率很小，则在一次实验中，该事件实际上是不会出现的，例如，把小于0.05或0.01的概率，视为“小概率”。 （2）统计检验的一般方法 一般来说，统计检验先对总体的分布规律作出某种假说，然后，根据样本提供的信息，对假说作出肯定或否定的决策。具体步骤为： 提出假设。如“假设两个总体平均数没有差别”，其数学符号为：“H0：1=2”，这种对总体所作的“无差别”的假设，称为“零假设”或称虚无假设，用符号“H0”表示。与此同时实际上存在第二种假设，“两个总体平均数有差别”，其符号为：“H0：12”，称为备择假设。显然，“零假设”与“备择假设”是两个对立的假设，肯定此，必否定彼。 根据不同条件和样本提供的信息即数据，从零假设出发，代入相应的公式，计算出零假设的概率。 作出统计决断，根据“小概率事件实际上不可能性”原理，研究Ho成立的概率。如果H0的概率P0.05，表示零假设不是一个小概率事件，则H0成立，便否定被择假设H1从而定“1=2”。如果H0的概率p0.05，表明是个小概率事件H0不成立，就肯定备择假设H1的成立，从而确定“12”。