【《高中生数学阅读能力的现状调查分析案例》9800字】

高中生数学阅读能力结构因素及培养研究（1）在语言表征能力上，由表4-16可知：方差齐性检验的P值为0.629（>0.05）,说明两个样本不存在差异，进一步进行单因素方差分析,表4-18结果显示：P值为0.390（>0.05），说明男女生在语言表征能力上不存在差异。（2）在语言互译能力上，由表4-16可知：方差齐性检验的P值为0.315（>0.05）,说明两个样本不存在差异，进一步进行单因素方差分析，表4-18结果显示：P值为0.210（>0.05），说明男女生在语言互译能力上不存在差异。（3）在信息筛选能力上，由表4-16可知：方差齐性检验的P值为0.001（<0.05）,说明两个样本存在差异，由表4-17的均值可知：女生说明男女生的信息筛选能力略好于男生。（4）在数学元认知能力上，由表4-16可知：方差齐性检验的P值为0.066（>0.05）,说明两个样本不存在差异，进一步进行单因素方差分析，表4-18结果显示：P值为0.000（<0.05），由表4-17的均值可知：说明女生的数学元认知能力略好于男生。（5）在逻辑推理能力上，由表4-16可知：方差齐性检验的P值为0.012（<0.05）,说明两个样本存在差异，由表4-17的均值可知：说明男生的逻辑推理能力略好于女生。（6）在阅读迁移能力上，由表4-16可知：方差齐性检验的P值为0.010（<0.05）,说明两个样本存在差异，由表4-17的均值可知：说明男生的阅读迁移能力略好于女生。（7）在总结概括能力上，由表4-16可知：方差齐性检验的P值为0.030（<0.05）,说明两个样本存在差异，由表4-17的均值可知：说明男生的总结概括能力略好于女生。（8）在合情推理能力上，由表4-16可知：方差齐性检验的P值为0.005（<0.05）,说明两个样本存在差异，由表4-17的均值可知：说明女生的阅读迁移能力略好于男生。综合以上的分析：在信息筛选能力、合情推理能力、数学元认知能力女生的情况略好于男生；阅读迁移、总结概括、逻辑推理能力男生的情况略好于女生；在语言互译能力和语言表征能力是不存在性别差异的。1.1.4高中生数学阅读能力与数学成绩的相关性分析下面通过建立线性回归模型，利用向后排除法保留最后一次模型结果的方1、语言表征能力和数学成绩的回归分析表4-19语言表征能力的描述性统计量均值标准偏差N语言表征能力2.0788.70503609数学学习成绩1.7685.69580609表4-20语言表征能力和数学成绩的相关性语言表征能力数学学习成绩Pearson相关性语言表征能力1.000.017数学学习成绩.0171.000Sig.（单侧）语言表征能力..336数学学习成绩.336.由表4-19和表4-20的统计结果，可以看出语言表征能力和数学成绩的相关性比较明显，可以做回归分析。表4-21语言表征能力和数学成绩的模型汇总模型RR方调整R方标准估计的误差1.313a.098.096.61815a.预测变量:(常量),数学学习成绩由表4-21可知：回归模型的拟合优度达9.8%，调整拟合优度达9.6%，即数学学习成绩9.6%以上，都可以被该模型解释，拟合优度较高。使用向后排除的方法，保留最后一次模型的结果见表4-22。表4-22语言表征能力和数学成绩的方差分析表模型平方和df均方FSig.回归25.115125.11565.726.000b残差231.940607.382总计257.054608a.因变量:数学学习成绩b.预测变量:(常量),语言表征能力由表4-22可知：方差分析的结果F值为65.726,P<0.05，所以具有统计学意义。表4-23语言表征能力和数学成绩的系数模型非标准化系数标准系数tSig.B标准误差试用版(常量)1.127.10610.648.000语言表征能力.340.042.3138.107.000a.因变量:数学学习成绩表4-23为回归系数表，可知回归方程如下：数学学习成绩=1.127+0.340×语言表征能力2、语言互译能力和数学成绩的回归分析表4-24语言互译能力的描述性统计量均值标准偏差N语言互译能力2.0887.66046609数学学习成绩1.7685.69580609表4-25语言互译能力和数学成绩的相关性语言互译数学成绩Pearson相关性语言互译能力1.000-.073数学学习成绩-.0731.000Sig.（单侧）语言互译能力..035数学学习成绩.035.由表4-24和表4-25的统计结果，可以看出语言互译能力和数学成绩的相关性比较明显，可以做回归分析。表4-26语言互译能力和数学成绩的模型汇总模型RR方调整R方标准估计的误差1.326a.106.105.66700a.预测变量:(常量),数学学习成绩由表4-26可知：回归模型的拟合优度达10.6%，调整拟合优度达10.5%，即数学学习成绩10.5%以上，都可以被该模型解释，拟合优度较高。使用向后排除的方法，保留最后一次模型的结果见表4-27。表4-27语言互译能力和数学成绩的方差分析表模型平方和df均方FSig.回归32.173132.17372.318.000b残差270.044607.445总计302.217608a.因变量:学学习成绩b.预测变量:(常量),数语言互译能力由表4-27可知：方差分析的结果F值为72.318,P小于0.05，所以具有统计学意义。表4-28语言互译能力和数学成绩的回归系数模型非标准化系数标准系数tSig.B标准误差试用版(常量)1.135.1149.942.000语言互译能力.385.045.3268.504.000a.因变量:数学学习成绩表4-28为回归系数表，可知回归方程如下：数学学习成绩=1.135+0.385×语言互译能力3、信息筛选能力和数学学习成绩的回归分析表4-29信息筛选能力的描述性统计量均值标准偏差N信息筛选能力2.2956.68920609数学学习成绩2.4483.59690609表4-30信息筛选能力与数学学习成绩的相关性信息筛选数学学习成绩Pearson相关性信息筛选能力1.000-.229数学学习成绩.2291.000Sig.（单侧）信息筛选能力..000数学学习成绩.000.由表4-29和表4-30的统计的结果可知，信息筛选能力和数学成绩的相关性比较明显，可以做回归分析。表4-31信息筛选能力和数学学习成绩的模型汇总模型RR方调整R方标准估计的误差1.229a.053.051.67142a.预测变量:数学学习成绩由表4-31可知：回归模型的拟合优度达5.3%，调整拟合优度达5.1%，即数学学习成绩5.1%以上，都可以被该模型解释，拟合优度较高。使用向后排除的方法，保留最后一次模型的结果见表4-32。表4-32信息筛选能力与数学学习成绩的方差分析表模型平方和df均方FSig.回归15.162115.16233.634.000b残差273.636607.451总计288.798608a.因变量:数学学习成绩b.预测变量:信息筛选能力由表4-32可知：方差分析的F值为33.634，P<0.05，具有统计学意义。表4-33信息筛选能力与数学学习成绩的回归系数模型非标准化系数标准系数tSig.B标准误差试用版(常量)1.648.11511.335.000信息筛选能力.265.046.2295.800.000a.因变量:数学学习成绩表4-33为回归系数表，可知回归方程如下：数学学习成绩=1.648+0.265×信息筛选能力4、数学元认知能力和数学成绩的回归分析表4-34数学元认知能力的描述性统计量均值标准偏差N数学元认知能力2.0690.69904609数学学习成绩2.4483.59690609表4-35数学元认知能力与数学学习成绩的相关性数学元认知能力数学学习成绩Pearson相关性数学元认知能力1.000.257数学学习成绩.2571.000Sig.（单侧）数学元认知能力..000数学学习成绩.000.由表4-34和表4-35的统计结果可知，数学元认知能力和数学成绩的相关性比较明显，可以做回归分析。表4-36数学元认知能力与数学学习成绩的汇总模型模型RR方调整R方1.257a.066.064.67614a.预测变量:,数学学习成绩由表4-36可知：回归模型的拟合优度达6.6%，调整拟合优度达6.4%，即数学学习成绩6.4%以上，都可以被该模型解释，拟合优度较高。使用向后排除的方法，保留最后一次模型的结果见表4-37。表4-37数学元认知能力与数学学习成绩的方差分析表模型平方和df均方FSig.回归19.608119.60842.890.000b残差277.496607.457总计297.103608a.因变量:数学学习成绩b.预测变量:(常量),数学元认知能力由表4-37可知：方差分析的F为42.890，P<0.05，具有统计学意义。表4-38数学元认知能力与数学学习成绩的回归系数模型非标准化系数标准系数tSig.B标准误差试用版(常量)1.332.11611.510.000数学元认知能力.301.046.2576.549.000a.因变量:数学学习成绩表4-38为回归系数表，则回归方程如下：数学学习成绩=1.332+0.301×数学元认知能力5、逻辑推理能力和数学成绩的回归分析表4-39逻辑推理能力相关性逻辑推理能力数学学习成绩Pearson相关性逻辑推理能力1.000-.021数学学习成绩-.0211.000Sig.（单侧）逻辑推理能力..299数学学习成绩.299.表4-40逻辑推理能力和数学成绩的描述性统计量均值标准偏差N逻辑推理能力2.2906.77540609数学学习成绩1.7685.69580609由表4-39和表4-40的统计结果，可以看出逻辑推理能力和数学成绩的相关性比较明显，可以做回归分析。表4-41逻辑推理能力和数学成绩的模型汇总RR方调整R方标准估计的误差1.358a.128.127.72470a.预测变量:数学学习成绩由表4-41可知：回归模型的拟合优度达12.8%，调整拟合优度达12.7%，即数学学习成绩12.7%以上，都可以被该模型解释，拟合优度较高。使用向后排除的方法，保留最后一次模型的结果见表4-42。表4-42逻辑推理能力和数学成绩的方差分析表模型平方和df均方FSig.回归46.771146.77189.056.000b残差318.786607.525总计365.557608a.因变量:数学学习成绩b.预测变量:逻辑推理能力由表4-42可知，方差分析的结果F值为89.056,P<0.05，所以具有统计学意义。表4-43逻辑推理能力和数学成绩的回归系数模型非标准化系数标准系数tSig.B标准误差试用版(常量)1.153.1249.293.000逻辑推理能力.465.049.3589.437.000a.因变量:数学学习成绩表4-43为回归系数表，可知回归方程如下：数学学习成绩=1.153+0.465×逻辑推理能力6、阅读迁移能力和数学成绩的回归分析表4-44阅读迁移能力描述性统计量均值标准偏差N阅读迁移能力2.3793.67300609数学学习成绩2.4483.59690609表4-45阅读迁移能力和数学成绩的相关性阅读迁移能力数学学习成绩Pearson相关性阅读迁移能力1.000.252数学学习成绩.2521.000Sig.（单侧）阅读迁移能力..000数学学习成绩.000.由表4-44和表4-45的统计结果可知，阅读迁移能力和数学成绩的相关性比较明显，下面做回归分析。表4-46阅读迁移能力和数学成绩的模型RR方调整R方标准估计的误差1.252a.063.062.65189a.预测变量:数学学习成绩由表4-46可知：回归模型的拟合优度达6.3%，调整拟合优度达6.2%，即数学学习成绩6.3%以上，都可以被该模型解释，拟合优度较高。使用向后排除的方法，保留最后一次模型的结果见表4-47。表4-47阅读迁移能力和数学成绩的方差分析表模型平方和df均方FSig.回归17.431117.43141.018.000b残差257.948607.425总计275.379608a.因变量:数学学习成绩b.预测变量:(常量),阅读迁移能力由表4-47可知：方差分析F为41.081，P<0.05，具有统计学意义。表4-48阅读迁移能力和数学成绩的回归系数模型非标准化系数标准系数tSig.B标准误差试用版(常量)1.685.11215.096.000阅读迁移能力.284.044.2526.405.000a.因变量:数学学习成绩表4-48为回归系数表，可知回归方程如下：数学学习成绩=1.685+0.284×阅读迁移能力7、总结概括能力和数学成绩的回归分析表4-49总结概括能力描述性统计量均值标准偏差N总结概括能力2.3793.65063609数学学习成绩1.7685.69580609表4-50总结概括能力和数学成绩的相关性总结概括数学学习成绩Pearson相关性总结概括能力1.000.096数学学习成绩.0961.000Sig.（单侧）总结概括能力..009数学学习成绩.009.由表4-49和表4-50的统计结果，可以看出总结概括能力和数学成绩的相关性比较明显，可以做回归分析。表4-51总结概括能力和数学成绩的模型汇总模型RR方调整R方标准估计误差1.349a.122.120.61018a.预测变量:(常量),数学学习成绩由表4-51可知：回归模型的拟合优度达12.2%，调整拟合优度达12.0%，即数学学习成绩12.0%以上，都可以被该模型解释，拟合优度较高。使用向后排除的方法，保留最后一次模型的结果见表4-52。表4-52总结概括能力和数学成绩的方差分析表模型平方和df均方FSig.回归31.381131.38181.284.000b残差225.999607.372总计257.379608a.因变量:数学学习成绩b.预测变量:总结概括能力由表4-52可知：方差分析的结果F值为81.284,P<0.05，所以具有统计学意义。表4-53总结概括能力和数学成绩的回归系数模型非标准化系数标准系数tSig.B标准误差试用版(常量)1.447.10413.856.000数学学习成绩自评.381.041.3499.181.000a.因变量:总结概括能力表4-53为回归系数表，可知回归方程如下：数学学习成绩=1.447+0.381×总结概括能力8、合情推理能力和数学成绩的回归分析表4-54合情推理能力描述性统计量均值标准偏差N合情推理能力2.0099.62030609数学学习成绩2.4483.59690609表4-55合情推理能力和数学成绩的相关性合情推理能力数学学习成绩Pearson相关性合情推理能力1.000.428数学学习成绩.4281.000Sig.（单侧）合情推理能力..000数学学习成绩.000.表4-54和表4-55的统计结果，可以看出合情推理能力和数学成绩的相关性比较明显，可以做回归分析。表4-56合情推理能力和数学成绩的模型汇总模型RR方调整R方标准估计的误差1.428a.183.182.56113a.预测变量:数学学习成绩由表4-56可知：回归模型的拟合优度达18.3%，