This project, co-authored by Yao Zhang and Zengyi Yu, focuses on the cleaning and descriptive statistical analysis of the PISA 2022 dataset. The aim is to uncover insights into educational trends and student performance across different regions and genders.
Below is a snippet of the code used for data cleaning and descriptive statistical analysis:
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# Data loading
data_path = '/path/to/data.xlsx'
data = pd.read_excel(data_path)
# Data transformation and analysis here...
# (Include your code)
# Plotting the results
# (Include your plotting code)如果需要，提供如何在本地环境中运行代码的说明。
To run this analysis on your local machine, follow these steps:
- Clone the repository:
git clone https://github.com/your-repository.git - Navigate to the repository directory:
cd your-repository - Ensure that you have Python installed with required packages:
pandas,seaborn, andmatplotlib.
Our analysis revealed significant educational trends... (Briefly describe your findings)
Feel free to fork the repository and submit pull requests.
Thanks to Zhang Yao and Yu Zengyi for their collaboration on this project.
针对研究问题，需要对PISA大数据集进行数据筛选，以获取与研究主题相关的变量和测量量表。对数据集进行分析，可以看到数学焦虑的测量量表提供各类信息，包括学生在数学课堂中的焦虑水平、对数学作业的紧张程度等。自我效能感的测量量表提供学生在数学领域中的自我效能感水平、自主学习自我效能感以及数字能力自我效能感等信息。此外获取学生基本信息，如国家和地区、性别。最终获得21个变量字段，11339条数据。
| 变量分类 | 字段名称 | 字段含义 |
|---|---|---|
| 基本信息 | CNT | 参与PISA评估的国家或地区 |
| ST004D01T | 性别，1代表女生，2代表男生 | |
| 数学焦虑 | JLQ1 | 我经常担心在数学课上对我来说会很困难 |
| JLQ2 | 当我必须做数学作业时，我会非常紧张 | |
| JLQ3 | 我在做数学题时会非常紧张 | |
| JLQ4 | 做数学题时我感到无助 | |
| JLQ5 | 我担心我的数学成绩会很差 | |
| JLQ6 | 我对数学失败感到焦虑 | |
| 自我效能感 | MATHEFF | 形式数学和应用数学 |
| MATHEF21 | 数学推理和21世纪技能 | |
| SDLEFF | 社会比较对数学自我效能感的影响程度 | |
| ICTEFFIC | 信息和通信技术对数学自我效能感的影响程度 | |
| 数学成绩和数学素养分维度 | MCCR | 变化与关系 |
| MCQN | 数量认知 | |
| MCSS | 空间与形状 | |
| MCUD | 不确定性与数据 | |
| MPEM | 运用数学概念、事实和程序 | |
| MPFS | 用数学方法表述情境 | |
| MPIN | 数学成果的解释、应用和评价 | |
| MPRE | 数学推理 |
PISA数据集在数学领域中考察了学生的态度和情感方面的数据。通过问卷调查，PISA收集了学生对数学学习的态度、兴趣、自信心等数学焦虑的相关信息。我们在此基础上构建数学焦虑评估量表。考虑到PISA中原始数据是选项序号越小越焦虑，所以将其转换成四点量表(美国社会心理学家李克特设计的一种心理学评分加总式量表)，0-4分别代表“未选择”、“反对”、“强烈反对”、“赞同”、“强烈赞同”。
数学自我效能中的形式数学和应用数学（MATHEFF）是学生对于进行形式和应用数学任务的自信程度评级。数学自我效能中的数学推理和21世纪数学（MATHEF21）是学生对于进行数学推理和21世纪数学任务的自信程度评级。自主学习自我效能（SDLEFF）是学生在未来学校再次关闭时进行自主学习任务的自信程度评级。数字能力自我效能（ICTEFFIC）是学生对于使用数字资源进行各种任务的能力自信程度评级。
在数据清洗阶段，利用SPSS Modeler的“选择”节点筛选出需要的三个地区的数据字段。对于问卷中存在个别问题未作答的学生进行删除，由于这三个地区在CREATEFF创造性自我效能感列出现缺失，故删除此列。数学焦虑的量表中有六道题目，学生会选择5道题目作答，满分为20分，我们将其等比转化为1000分，与数学得分相统一，再分别将数学素养九个分维度的十个数据取平均值，得到数学素养分维度的评估数据。这样能够提供一个简单的指标来衡量学生在不同分维度上的表现，得到一个更全面的数学素养评估，以更好地了解学生在数学方面的能力和知识水平。
首先，检验数学焦虑、自我效能感和数学素养的收敛效度 (AVE) 和组成信度(CR)，建立测量模型（如图2）。
- (a) 男性相关分析模型
- (b) 女性相关分析模型
检验流程通过建立的CFA模型计算出各个测量题项在对应维度上的标准化因子载荷，然后通过AVE和CR的计算公式计算出，各个维度的收敛效度值和组合信度值，根据标准，AVE值最低要求达到0.5，CR值最低要求达到0.7，才能说明具有良好的收敛效度和组合信度。结果表明，男性的自我效能感、数学焦虑和数学素养平均AVE值为0.498，女性为0.471，平均AVE值接近0.5，可以用于研究。数据未达标的原因有自我效能感中加入的SDLEFF和ICTEFF对数学素养的影响较低，拉低了模型的准确度，可以删除这两个变量对模型进行改进使其达到内部一致性。但本文认为这两个变量是有价值的，能够探索学生在自主学习和数字能力方面对数学素养的影响，因此对这两个变量进行了保留。同时，在本次研究中通过PISA已设计好的量表进行测量，具有权威性及可靠性。采用Cronbach’s系数进行信效度检验，Cronbach’s系数取值在0-1之间，检验结果系数值越高，信度越高。在本次研究总信度为0.621，认为结果可信。
为进一步研究数学焦虑、自我效能感与数学素养的关系，本文采用Baron和Kenny提出的依次检验回归系数的因果步骤法检验中介效应。通过这种方法，本文可以明确自我效能感的中介作用及影响机制（HAYES A F, 2009）。
回归分析能够通过检验回归系数是否显著，来判断自变量能否显著预测因变量；类似地，在依次检验回归系数的因果步骤法中，分析加入中介变量前后，按顺序检验回归系数，能够判断中介变量是否起中介作用。检验步骤如下：
- Step1: 对数学焦虑与数学素养进行回归，通过检验回归系数的显著性，判断数学焦虑对数学素养的影响是否显著；
- Step2: 对数学焦虑与自我效能感进行回归，通过检验回归系数的显著性，判断数学焦虑对自我效能感的影响是否显著；
- Step3: 将数学焦虑和自我效能感均视为自变量对数学素养进行多元线性回归，通过检验回归系数的显著性，判断数学焦虑和自我效能感对数学素养的影响是否显著。
如果前两步骤回归系数与第三步骤中的自我效能感这个中介变量的回归系数都显著，就表示存在中介效应。如果加入中介变量后，自变量对因变量的效应反而变得不显著了，就称这个中介效应是完全中介效应。如果自变量对因变量的影响仍然显著，只是显著性低于自变量对因变量的单独效应，就称为部分中介效应。本文在加入自我效能感这一变量前，数学焦虑对数学素养的回归系数为-0.48，具有显著性；数学焦虑对自我效能感的回归系数为-0.79，同样具有显著性。加入中介变量后，数学焦虑和自我效能感对数学素养的回归系数分别为-0.17、0.40，具有显著性，但显著性低于数学焦虑对数学素养的单独效应。因此，自我效能感在数学焦虑对数学素养的影响中起部分中介作用。
分析模型各拟合度指标是否符合理想值。RMSEA需小于0.08，GFI、AGFI、NFI、IFI、TLI、CFI需大于0.9，PGFI、PNFI需大于0.5。
| 性别 | GFI | AGFI | RMSEA | NFI | TLI | CFI | IFI | PGFI | PNFI |
|---|---|---|---|---|---|---|---|---|---|
| 男 | 0.946 | 0.93 | 0.06 | 0.977 | 0.974 | 0.978 | 0.978 | 0.73 | 0.843 |
| 女 | 0.951 | 0.936 | 0.057 | 0.977 | 0.975 | 0.978 | 0.978 | 0.734 | 0.843 |
注: GFI为拟合优度指数，AGFI为调整的拟合优度指数，RMSEA为近似误差均方根，NFI为标准拟合指数，IFI为增值拟合指数，TLI为非规范拟合指数，CFI为比较拟合指数，PGFI为精简拟合指数，PNFI为精简规范拟合指数（方杰,张敏强,邱皓政.，2012）
实际的拟合度指标均满足条件。而CMIN/DF（卡方自由度之比）为21.723，不满足小于3的理想值，原因是本次研究样本数量较大，大样本难以满足卡方值检验，因此主要参考其他指标来判断模型的优劣。因此，可以认为模型的适配度和拟合度都表现出较好的水平。
[1] 《深化新时代教育评价改革总体方案》印发 [EB/OL]. (2020-10-13) [2023-03-23]. https://www.chinacourt.org/article/detail/2020/10/id/5523152.shtml.
[2] Richardson, Frank C.; Suinn, Richard M. The Mathematics Anxiety Rating Scale: Psychometric data. [J]. Journal of Counseling Psychology, 1972(6).
[3] 陈英和, 耿柳娜. 数学焦虑研究的认知取向 [J]. 心理科学, 2002(06): 653-655+648-764. DOI: 10.16719/j.cnki.1671-6981.2002.06.004.
[4] BANDURA A. Self-efficacy: toward a unifying theory of behavioral change [J]. Psychological Review, 1977, 84(2): 191-215.
[5] USHER E L, PAJARES F. Sources of self-efficacy in mathematics: A validation study [J]. Contemporary Educational Psychology, 2009, 34(1): 89-101.
[6] 崔志翔, 徐斌艳. 数智时代国际基础学科计算思维教育发展的策略、方向与启示——《PISA 2022数学框架》之思考 [J]. 远程教育杂志, 2022, 40(06): 13-21. DOI: 10.15881/j.cnki.cn33-1304/g4.2022.06.001.
[7] 方杰, 张敏强, 邱皓政. 中介效应的检验方法和效果量测量: 回顾与展望 [J]. 心理发展与教育, 2012, 28(1): 105-111.
[8] HAYES A F. Beyond Baron and Kenny: Statistical Mediation Analysis in the New Millennium [J]. Communication Monographs, 2009, 76(4): 408-420.
[9] Usher E L, Pajares F. Sources of SelfEfficacy in School: Critical Review of the Literature and Future Directions [J]. Review of Educational Research, 2008, 78(4): 751-796.