基于相關性計算的軟件工程專業核心課程設置評價方法

摘要：高校專業核心課程設置的合理性評價是教學改革的難題。基于此，本文提出一種以教指委核心課程指南為標準的軟件工程專業核心課程設置評價方法。以某校軟件工程本科生課程成績為例，使用皮爾遜相關系數計算10個學年度的平均學分績點與各門課程績點之間的相關性，按照相關系數大小對課程的相關程度進行排序，計算出不同版本軟件工程專業培養方案核心課程評價分數，并將結果與教指委的核心課程設置進行比較分析，有效發現了某校軟件工程不同版本培養方案中課程設置存在的不足及原因。本方法能夠有效避免傳統問卷調查法的不足，為高校軟件工程專業核心課程設置提供更客觀的評價結果。

關鍵詞：核心課程評價；皮爾遜相關系數；課程設置；軟件工程；課程成績

中圖分類號：G642" " " " 文獻標識碼：A

文章編號：1009-3044（2025）19-0144-03

開放科學（資源服務） 標識碼（OSID）

0 引言

高校課程體系是實現人才培養目標的重要載體，其設置的合理性直接影響人才培養目標的達成 [1]。專業核心課程則是課程體系中最核心的部分，高校在人才培養方案的制定過程中通常以專業核心課程為載體，輻射形成專業課程體系[2]。在教學改革中，核心課程評價至關重要，它能確保課程內容與教學方法的科學合理，滿足學生成長需求。而對于專業核心課程設置的合理性評價，并沒有客觀統一的評價方法和標準，常規的措施是通過設置具體的調查問卷，根據學生或者專家的反饋數據進行課程設置修訂。

最初，大部分學者均圍繞如何設計更合理的調查問卷反饋來實現對專業課程設置的評價[3-4]。但這種基于調查問卷的課程評價方法，由于大部分學生評教內容流于形式，致使特殊量表率高，學生有效參評率低，評價整體偏高，區分度低 [5]，從而導致了評價結果主觀性強，數據可靠性低、難以量化、使用價值低等問題。

隨著大數據時代的到來，教育教學過程中產生的大量學生成績數據，成為基于數據分析進行教育教學改革的新基石。近年來，利用學生成績數據進行課程重要性評價的研究工作越來越受到關注[6]。郭鵬等[7] 根據課程間的關聯規則的數量和置信度的大小得到課程的重要程度，為教學方案的設計和改進提供一定的參考信息。董丹等[8]則運用聚類分析分別對專業基礎課因子和專業課因子中的課程進行聚類，給出課程重要性排名，驗證專業核心課程設置的合理性。張培尼等[9]通過分析期末考試成績，對教學模式、教學內容、成績評價機制等本科課程教學改革關鍵因素進行探討，并提出相應的對策和改革建議。但以上研究大部分關注的是課程之間的關系，并未對課程體系進行評價，也沒有對標本專業的教指委標準，評價方法難以通用化。

綜上，通過大數據的手段量化課程重要性評價方法，能夠避免學生直接參評帶來的問題，更加科學地對課程進行評價。本文以某校軟件工程專業為例，以教指委核心課程建議作為參照標準，通過計算相關系數，從優秀學生與較差學生兩方面對專業核心課程設置進行評價，給出了軟件工程專業核心課程量化評價方法實例。

1 課程設置評價方法

1.1 課程重要性評價

由于核心課程對學生的GPA影響較大，因此核心課程成績與GPA之間存在較強的相關性，從而可以使用兩者之間的相關程度來量化課程重要程度，即使用核心課程成績與學生總GPA之間的相關系數來表示該門課程的重要程度。相關關系分析因為能夠高效快捷地發現事物之間的關聯而受到廣泛關注，其中皮爾遜相關系數是相關分析中最具影響力的方法，它能有效量化兩個連續型變量之間的線性關系強度和方向，直觀反映某門課程成績對總體GPA的影響。計算公式如式（1） 所示。

[ρ=E（X-X）（Y-Y）E（X-X）2E（Y-Y）2] " "（1）

式中，ρ值即為X和Y兩組變量的相關系數，相關系數的取值范圍是[-1，1]，大于零代表正相關，小于零代表負相關，接近零代表相關性越弱，絕對值越大代表相關性越強。本文使用皮爾遜相關系數來得到課程成績與學生GPA之間的相關性，并根據相關性大小確定課程的重要性。

1.2 核心課程設置評價

本文在計算得到每門課程的重要性評價之后，再對專業核心課程的設置進行評分計算。核心課程是所學專業課程中最重要的課程，故可以根據核心課程在相關性排序的情況得到專業核心課程體系設置的分數。計算公式如式（2） 所示。

[S=i=1nρMCii=1nρTopi] （2）

式中，S表示評價分數，n表示核心課程的數量并且應為大于0的整數，[ρMC]表示核心課程相關系數，[ρTop]為由高到低排序的課程相關系數。公式（2） 計算得出的評價分數取值范圍是[0，1]，越接近1表示被評價的核心課程越重要，核心課程體系設置越合理，反之，說明核心課程重要性越低，核心課程體系設置需要改進。此方法能夠將重要性量化成可以比較的數值，從而能夠通過客觀的數值對課程體系設置進行評價。這種方法能夠有效地評價和比較不同課程體系設置的合理性。

2 軟件工程專業核心課程評價分析實例

2.1 數據來源

本文用于實例分析的數據來源于某校教務系統中導出的軟件工程專業共十屆本科生各科考試成績，共計4 434 111條記錄，每條記錄包括學生專業、學號、姓名、課程、學分、總評成績等80個屬性。部分原始數據如表1所示。

實例分析所使用的核心課程分別為2005版、2009版、2013版和2017版的軟件工程培養方案中的核心課程，以及軟件工程教指委在《高等學校軟件工程專業規范》中給出的核心課程設置建議。

2.2 數據預處理

按照培養方案執行的時間將這十屆學生分為四組，2005—2008級學生成績使用2005版培養方案，2009—2011級學生成績使用2009版培養方案，2013—2015級學生成績使用2013版和2017版培養方案。同一培養方案的課程變動較小，除去缺少的課程，對跨學期開設的高等數學，大學英語，大學體育，高級語言程序設計等課程進行合并，合并的課程使用分數的平均值。部分課程成績使用等級評價，將其轉化成對應的分數，優秀轉為95分，良好轉為85分，中等轉為75分，及格轉為65分，不及格轉為50，缺考轉為0分。平均學分績點（Grade Point Average，即GPA） 是綜合評價學生學習能力和質量的重要指標之一，本文使用的學生GPA數據均為某校教務系統中經過特定公式計算后導出的真實數據。經過預處理后，根據學生的平均學分績點進行統計分析，共計42344條記錄。

2.3 課程設置評價及分析

分別對某校軟件工程專業四個版本的培養方案進行核心課程進行評價。四個培養方案核心課程設置如表2所示。

把分析數據分為四組：2013版培養方案和2017版培養方案，使用2013—2015級學生成績，共計286名學生；2009版培養方案使用2009—2011級學生成績，共計156名學生；2005版培養方案使用2005—2006級學生成績，共計151名學生。計算出四個培養方案中每門專業課程的學分績點與成績排名在前50%的學生的平均學分績點之間的皮爾遜相關系數，得到部分結果如表3所示。

從圖1可以直觀地看出2013、2017、2005版的核心課程體系評分均接近于0.9，顯著高于2009版的核心課程體系評分，并且2009版的核心課程體系評分明顯低于教指委核心課程評分，說明2009版培養方案里的核心課程設置存在不合理情況。經過分析對比2009版培養方案與教指委核心課程體系具體設置的課程，發現教指委核心課程給出的非常重要的數據庫概論、離散數學這兩門課程并沒有被納入軟件工程2009版培養方案的核心課程中，而其他版本的培養方案中核心課程都包含了數據庫原理、離散數學。對比教指委的課程建議，通過皮爾遜相關系數的計算，我們能夠更加客觀地評價專業課程體系設置的合理性。這種方法不僅考慮了課程成績與總體GPA之間的線性關系，還通過量化比較不同版本培養方案的核心課程相關系數，直觀地揭示了課程設置的優劣，可以更加科學、客觀地評價專業課程體系設置的合理性。

3 結束語

高校專業核心課程是整個課程體系中最核心的一部分，而學生成績能夠直觀地反映學生對于核心課程的學習情況，利用學生成績數據來對專業核心課程進行評價具有合理性。本文的主要貢獻在于提出了一種創新且實用的核心課程評價方法。該方法基于皮爾遜相關系數，通過精確量化學生核心課程成績與總學分績點（GPA） 之間的相關關系，為評價核心課程設置的合理性提供了一套客觀、科學的數值指標體系。該方法能夠為高校優化課程設置提供有力的數據支持，幫助學校直觀地了解到哪些核心課程對學生的學習成效具有重要影響，從而更加精準地進行課程調整和改進。這有助于提升教學質量，促進學生的學習和發展。同時，該方法的簡單明了，易于操作和理解，為高校課程評價工作提供了便利。當然，本文也存在一定的局限性，如數據處理部分可能針對不同專業需要進一步細化和完善。未來我們將繼續努力完善這一評價方法，并計劃將其封裝為核心課程體系評價系統，投入學校教務系統中進行實際應用和驗證，為高校課程設置的科學性和合理性提供更加有力的支持。

參考文獻：

[1] 駱佐龍，楊晶，牛璽榮.基于模糊層次分析法的建筑工程專業課程設置優選評定方法研究[J].黑龍江教育（理論與實踐），2024（8）：25-27.

[2] 鄭國華，萬廣圣，王婷婷，等.基于OBE理念的應用型本科專業課程設置探討：以健康服務與管理專業為例[J].教育教學論壇，2024（34）：141-144.

[3] 魏青，劉瑾，廖春華，等.基于數據分析的研學課程評價研究[J].中小學信息技術教育，2019（10）：83-86.

[4] 盤美秀.大學通識課程體系績效評價研究[D].廣州：華南理工大學，2015.

[5] 杜江，程建鋼.數據驅動的高校學生評教實施策略研究[J].中國電化教育，2019（9）：112-120.

[6] 黃桂琳，張膺鈦.智能技術在教學數據挖掘與分析中的應用[J].集成電路應用，2024，41（11）：176-177.

[7] 郭鵬，蔡騁.基于聚類和關聯算法的學生成績挖掘與分析[J].計算機工程與應用，2019，55（17）：169-179.

[8] 董丹，李新，殷曉梅.聚類分析統計方法在核心專業課程設置中的應用[J].科技視界，2019（28）：229-230.

[9] 張培尼，霍國平.考試成績分析與本科課程教學改革探索[J].教育教學論壇，2023（52）：86-91.

【通聯編輯：王力】