● 摘要
随着当代科学和教育的发展，当前许多学校的在校生人数已经达到上万的规模，学生学习的各个课程之间相关联系复杂。在积累了大量各种成绩数据的情况下，如果教务人员和教师能够不只通过基本的统计和排序获取表面信息，而通过更深层的信息意识和技术利用隐藏在这些数据中的信息，将积累的数据转化为可以使用的知识，就可以提高教师对学生的掌握程度，从而提高教师的教学质量。这也是许多学校正在考虑的问题。然而传统的学生成绩分析往往仅限于均值、方差、显著性检验、信度等基本的计算分析，并不能直接对学生学习因素提供有效的反馈。随着自然科学和社会科学的发展，很多现代信息处理方法应运而生，如主成分分析法，聚类方法，典型相关分析法，决策树方法，支持向量机方法等等。这些方法在一定程度上了解决了传统分析方法的不足，它们能够提取隐藏在数据之中的有用信息，并针对大规模数据而运作，所以正在被越来越多的领域采用，为人们的决策提供重要的帮助，且取得了良好的效果。虽然这些方法在学生成绩处理方面也有一些初步应用，然而依然有很大的探索研究空间。如果我们能将这些方法更适当地应用于成绩分析方面，会是非常有益的，它能够帮助我们发现成绩和各因素之间的内在联系，并以此为依据，发现教学过程中的积极因素，抑制消极因素，在“教”的方面改进教学方法，在“学”的方面发挥学生的主观能动性。
本论文以此为出发点，对利用现代信息技术处理、分析学生成绩进行了一定的探索。首先总结了当前在学生成绩处理分析中用到的现代信息处理方法，之后分析了学生成绩处理分析的整体流程以及流程各步骤之间的关系，同时指出学生成绩的处理分析是一个系统化工程。其次，针对整体过程中处理和分析两个方面分别提出和讨论了相应的方法。具体而言，在成绩处理方面，论文分析了分组考核评分方法可能引起的小组间成绩分布不一致问题，针对这样的不公平性，讨论了如何合理地进行分组评分，着重提出了四点合理进行分组评分的原则，进而从信息处理角度提出了一种分组评分的成绩处理方法——直方图规定化方法，并给出了该方法的数学原理及完整的实施步骤。在成绩分析方面，论文讨论了如何研究两组变量之间相关关系的典型相关分析方法，阐述了其基本原理，说明了该方法能够分析成绩数据中的相关性，展望了其在教育研究中的潜在应用，同时也给出了利用典型相关分析方法进行多学科成绩关系研究的步骤。此外，还初步探讨了典型相关分析的非线性扩展方法。
在讨论了各方法的基本原理并研究了处理分析的过程之后，作者进行了进一步的实践工作。首先，作者收集了在校大学生不同类型的学科成绩作为原始数据信息的积累；其次，利用科学计算语言Matlab实现了文中讨论的直方图规定化方法和典型相关分析方法，对收集的成绩数据进行了处理分析，演示了方法的应用流程，验证了方法的效果，并根据这些成绩的分析结果，发现了教学过程中确实存在的问题，由此给出了改进教学的相应建议。