部门统计,Mawlana Bhashani科技大学,桑托什,显示- 1902,孟加拉国
收到日期:12/04/2018;接受日期:26/06/2018;发表日期:05/07/2018
访问更多的相关文章研究和评论:统计和数学雷竞技苹果下载科学杂志》上
一些研究表明,社交媒体的使用影响学生的学业表现。本研究关注Facebook等社交媒体平台,Whatsapp, Skype, Twitter, 2, Instagram, Badoo,更不用说一些学生经常利用,以便确定它们对学生学业成绩影响的核心主题。卡方自动交互检测(CHAID)决策树技术用于建立这个解释和反应变量之间的关系;这项技术是基于调整意义之间的交互测试和用于检测因变量(学生学业成绩)和预测。本研究探讨了这种网络站点的不利影响在中学学生的学业表现。考虑的因素;读书的时间,时间在社交媒体网站上,《卫报》监控互联网的,数量的任务,目的是互联网和社交媒体网站的频繁访问的学生。这些因素被用来确定在英语语言和学业成绩的学生数学科目。的结果分析表明,学生往往会频繁的像Facebook这样的社交媒体网站,Whatsapp,和Instagram倾向于两个主题进行平均而那些频繁的Skype, Twitter和2去网络往往表现得更好在这两个科目。
互联网,社交媒体使用,Chisquared自动交互检测(CHAID),学业成绩,学生
社交网络在中学生中越来越受欢迎,在过去的几年里,因为它是一个方法,使学校内外的朋友之间的联系。由于这种流行,人们开始问问题学生的性能是否受到影响学生多少时间花在各种社交网络网站(1]。现在青少年使用互联网对于大多数日常活动和信息收集,与老一辈曾经资源像电视或报纸2]。根据(3),Facebook的使用提高了水平焦虑在学生中,他们担心没有手机几个小时。似乎有一个重要的关系所花费的时间在社交网络网站和他们的学生学业成绩。卡方自动交互检测(CHAID)首次使用决策树技术在南非和被用于制造预测和分类。依赖于使用的技术测试和调整意义申请检测变量之间的相互作用。CHAID方法是一个扩展的自动交互检测(援助)和θ自动交互检测(THAID)程序4]。CHAID可用于以图形方式显示多元关系及其输出树结构是简单的解释。这种方法被广泛用于指导和数据库营销等领域的研究和预测不同的集团客户响应影响的变量。CHAID使用多路分裂的违约,增大样本量的客户组有效工作,可靠性分析不仅仅是较小的样本大小。树模型可以用来分析被调查者的属性组,然后预测客户的可能性将使用网上银行。技术分区数据相互排斥,详尽的子集,最好的描述了一个前因变量是最重要的。建立了子集用小组的预测因子。然后使用所选择的预测在未来的分析,预测因变量或代替总在随后的数据收集。
社交媒体网络的使用在学生中是旨在创造广阔的空间知识使他们变得更聪明和启发,与世界保持联系,即使世界通过互联网正在成为一个地球村。通过这个论坛社交媒体网站提供,学生在学校中获得更好的理解工作和职业理想他们打算追求通过获得的信息从这些网站1]。学生现在已经允许这些平台来影响他们的学术生活,形成一个拖延的习惯可以对他/她的学业成绩构成严重威胁。因此,有需要确定社交媒体网络的影响学生学业成绩的关系,利用卡方自动交互检测(CHAID)决策树技术建立社交媒体和学生的学业成绩之间的关系。
本研究的总体目标是确定社交媒体网络的影响学生的学业表现。
之前的目标将通过这些具体目标:
•识别社交媒体因素有助于学生学术的弱点。
•确定影响学术表现(成绩)使用卡方自动交互检测(CHAID)决策树技术。
•启发教师和父母,这样他们就可以拿起责任来控制学生在利用特定的社会媒体平台在研究时间。
Facebook等社交媒体的使用互联网网站,2,Instagram, Badoo, WhatsApp,等中学生中获得更多的受欢迎程度在过去几个衰变,因为它作为一种手段建立学校内外的朋友之间的联系。由于这种流行,人们开始问问题学生的性能是否受到影响他们多少时间花在各种社交网络网站(1]。现在青少年使用互联网对于大多数日常活动和信息收集,与老一辈曾经资源(如电视或报纸。根据(3),Facebook的使用已经提升了学生的焦虑水平,他们担心没有手机几个小时。似乎有一个重要的关系所花费的时间在社交网络网站和他们的学生学业成绩。一些研究发现积极的使用之间的关系技术与小学和高中学生和学术成果标准化考试成绩和课程成绩(2]。另一方面,一些研究发现技术使用和学术成果之间的负相关关系在这些设置1]。还是其他的研究也发现矛盾的积极和消极的结果。在尼日利亚,中学生沉迷于社交网络,他们花费了如此多的时间在一定程度上,他们的学术成绩受到影响。学生在社交网站上花的时间也影响他们参与类反过来事关他们的学业成绩2]。Adhatrao,等人使用CHAID方法研究教育机构需要为了近似先验知识的学生数量和预测他们的性能在未来的学者5]。他们的分析结果表明,该方法可以帮助确定有前途的学生,也为他们提供一个机会来关注和改善那些可能会得到较低的分数。你们et al .,以为CHAID方法是一个很好的技术隔离某些模式与许多庞大的人口趋势(6]。许多实际问题涉及相关或感兴趣的标准变量之间的关系和一组自变量或潜在的预测变量。在上述研究工作,CHAID方法已经被使用,由于其功能;其灵活性的数据分析是否合适当一个定量变量(依赖或标准变量)是研究关系类别和在任何其他因素(表示为独立或预测变量)4]。CHAID决策树技术目前已经广泛应用于实验和研究工作处理探索变量(通常是预测结果通过使用预测变量)在目标客户市场研究示例中更容易应对营销活动,结果是因变量,自变量的预测变量。因此,在这项研究中,CHAID方法是使用,因为有一个需要探索的变量更容易影响学生的学业表现。考虑的因素可以影响学生学业成绩的学生基于社交媒体的使用;上网解决方案作业,上网获取更多的知识对一个类话题,家长/监护人的意识有关他或她的病房的学术表现和使用社交媒体网络,分配给从学校,时间阅读和时间在互联网上,这是自变量,因变量是学业表现(例如成绩的学生在英语语言和数学)。有了这些知识,需要探索这些变量之间的关系,看看这些变量可能会如何影响目标变量;学生的学业成绩。
在研究,出现了一个需要解决的问题,回答问题,发现新的思想和知识,在进行研究,有考虑的方法。这些方法提供问题解决方案,旨在解决或回答问题。
抽样完成通常是因为不可能测试人群中每一个个体。这也是为了节省时间,金钱和精力,同时进行研究。抽样方法分为概率和非概率。使用简单随机抽样是从事这项研究。的目标人群是整个高级中学学生(SS3)私立学校位于Naraguta B,乔斯北高原州地方政府区域。总共有11个私立中学调查共有四百五十六SS3这些学校的学生。样本大小五个私立中学的45.45%的人口规模的私立中学,和样本量200 SS3学生是有针对性的,43.86%的人口规模。总数量200份问卷被随机分配到SS3学生五私立中学和学生管理的随机问卷调查。和142问卷得到的总数代表31.14%的人口规模。这些都是用于分析的研究。
创建模型(决策树分析模型)
在创建CHAID模型中,选择独立即最强的预测变量与因变量(解释变量)的关系。,每个独立变量的类别合并如果不明显不同的因变量。规范部分引出更多信息日益增长的方法,因变量,自变量,最大树深度,最小数量的情况下在父节点和子节点。结果部分提供的信息独立变量在模型中使用,终端节点的节点数量、数量和深度f树(7]。CHAID Ch et al .,以为是一个算法执行的多路采用卡方分割或野生方法(8]。CHAID算法利用皮尔逊卡方的分类目标变量时,使用似然比卡方统计被视为分离参考的目标变量是连续的。
来自卡方(f二世)分区表是由(f二世)观察。皮尔逊卡方统计量是由:
(1)
而当目标变量是连续的,似然比卡方统计量是由:
(2)
在这个立场,卡方统计量比自由度非常小,这意味着每个类别的目标变量的分布的预测变量是相同的。因此,可以得出结论,预测变量不会影响目标的分类变量。卡方统计量的大小的自由度通常假定值的表示形式。注意:当卡方统计量小于自由度,p的值增加。事实上,使用卡方统计量作为参考意味着分离子节点是由最小的预测变量p值和最优分离4]。
在目前的研究所有解释变量包括结果变量被当作分类变量为了最小化CHAID算法尽可能的方便8]。也为本研究模型中,分离和合并准则的决策规则CHAID算法设置为0.05和父节点的数量,子节点,和分支仅限于15日10日和2,视情况而定。使用10倍的有效性模型确定cross-validity测试和模型的度比较误分类错误的风险。
一个统计假设检验是一种决策方法使用数据,无论是控制实验或观察性研究(不受控)。在统计数据,因此被称为统计上显著的如果它不太可能仅是偶然因素。本研究的假设是所有表示零的形式如下:
H0:没有意义的预测变量和响应变量之间的关系(用英语学业成绩)。
H0:没有意义的关系预测变量和响应变量(学术表现数学)
这里H0是整体的零假设,即没有一个X变量y相关替代一个表明至少有一个是相关的。
从问卷调查得到的数据进行分析使用以下软件:
•SPSS(社会科学统计软件包现在被称为PASW(预测分析软件)
•一款统计软件
考虑人口的截图下表为本研究调查的参与者:
CHAID决策树图英语性能如下所示
CHAID决策树图所示的数学成绩:
考虑到决策树图的结果锡英语学生的表现。第一个节点是一个简单的频率显示等级类别的学生英语考试。人们可以清楚地看到,4.2%(6)的学生有F级,3.5% (5)E级,12% (17)D级,38% (54)C级,13.4%(19)乙级和28.9%(41)年级答:一个小的节点显示的响应问题你在任何社交媒体网络吗?如有哪些(WhatsApp, Facebook Instagram等)产生剧烈的影响学生在英语语言的表现。这表明互联网使用是最好的预测变量对学生的学业成绩(分数),因为它是最
重要的变量与一个调整假定值= 0.000 5%水平的重大意义和卡方检验
1自由度。下一个重要的变量决策树的注意到第二个节点变量:Facebook, Whatsapp,其他性能有显著的影响学生在英语语言。决策树显示,学生使用这些网络平台最平均的执行。8% (6)F分数,(4)E成绩5.3%,21.3% (16)D分数,64% (48)C的成绩,0% (0)B级和1.3%(1)一个年级。而他们的对手,利用社交媒体平台2,Twitter, Badoo, Instagram,棕榈,Skype有0% F级,E和D的成绩1.5%,9% C的成绩,28.4% B成绩和分数的59.7%。这些组的学生往往表现更好,尽管几乎没有人知道为什么他们往往得分更高但有机会,他们的父母将限制他们在网上发送的极限,他们使用它教育目的,父母检查他们的笔记在整个学期或其他因素没有被包括在本研究的范围。注意:终端节点构成学生学业表现的不同特点的基础上,他们常常利用互联网平台。接下来,考虑决策表;这两个表阴影更光的性能模型。风险估计是0.380,显示的顺序模型预测学生学业成绩错误情况下的38%。这是验证从分类表给的总百分比为62%正确分类模型。看第二个表,C是正确预测为88.9%和97.6%。获得图是另一个模型的观察能力的方法。对一个随机模型相比。对角线表示模型,学生成绩:A, B, C, D, E, F .对角线的距离越大就越发挥获得例如如果一个随机选择50%的学生的学业成绩在英语语言类别,然后一个凸轮能够确定学生的数量得到F分数的结果利用某些社交媒体网络平台。
单击数据视图,创建两个变量列,终端节点数量和预测变量。终端节点识别是指不同段的学生成绩基于每个互联网平台(社交媒体)使用的订阅。它是非常有用的信息,发现的一些片段(社交媒体平台),学生利用大多数及其对性能的影响。这要求严厉的措施对他们的学术生活的影响降到最低。同样,观察学生的决策树图在数学学业成绩;互联网由学生利用临界显著影响他们的表现,因为它显示了调整假定值= 0.000,Chi -广场,
,
这意味着它在5%显著水平的意义。学生频繁使用Facebook, Whatsapp, Skype,其它:20.2%(18)的F级,5.6% (5)E级,14.6% (13)D级,53.9% (48)C级,3.4% (3)B级和2.2%(2)有一个年级。另一方面,学生利用2,Twitter, Badoo, Instagram和棕榈玩耍:1.9% (1)F级,0.0% (0)E和D的成绩,1.9% (1)C级,43.4% (23)B级和52.8%(28)有一个年级。这表明,这些学生往往比他们的同行,在数学方面表现更好利用其他平台。表显示,46.5%风险模型的分类错误和验证的分类表,整体比例显示,62.7%的C级分类正确。37.3%的等级分类正确,53.5%的成绩是正确分类。
的结果分析清楚地表明,社交媒体的使用有显著影响学生的学业表现在这两个科目通过;英语和数学。因此,拒绝零假设意义和得出结论,5%的有意义的预测变量和响应变量之间的关系在英语和数学(性能)。值得注意的是,在这两种决策树,Facebook和Whatsapp显示有负面影响学生的学业表现。每个需要家长和指导、教师、管理员等监控学生特别是世界逐渐在网络世界。这些平台在消极的方式探索能侵犯了学生的学术阅读时间,从而使他们在核心科目表现严重喜欢数学和英语。还值得注意的是,社会媒体并不是唯一的因素影响着学生的学习成绩在学校,其他因素可能出现这生进一步研究。因此,它将建议进一步研究可能使用强大的数据挖掘支持向量机等工具,判别分析或者大数据分析保持360度检查学生在学术环境中这将有助于把其他因素如心理抑郁、习惯等。
菜单