非计算机专业计算机课程与专业课程相关关系分析研究

计划中的地位从20世纪90年代的“非常重视”逐步发展到目前的“不重要”状态，随之而来的是计算机基础课程门数和学时数的大幅减少，或者是将计算机基础课程性质改为选修课，或者是由于教学成本的控制，本科教学计划将教学重点转移到各类通识选修课或专业课程教学上。

对于一个完整的课程体系来说，基础课教学同专业课教学之间必定存在一定的相关关系，基础课之所以成为基础课，是因为对于专业课的学习肯定具有一定的促进作用。鉴于目前部分高校非计算机专业的计算机基础课程不景气的状况，本文以黑龙江八一农垦大学电子信息工程专业2011级开设的2门计算机基础课程和5门专业课程的考试成绩为基础，通过典型相关分析，从整体上揭示计算机基础课程在该专业课程体系中的基础性作用以及其对专业课程学习的促进作用。

典型相关分析是分析两组数据之间是否存在相关关系的重要的统计方法，1936年由Hotelling首次提出[2]，有着深厚的理论基础，并且在宏观经济研究和社会科学、自然科学等不同领域有着广泛应用[3-4]。

一、相关分析理论基础

（一）典型相关分析的计算

各门课程成绩之间的相关系数如下：

从相关系数矩阵Cxx可以看出，大学计算机基础和C语言程序设计之间的相关系数为0.5908，说明两者之间存在一定的相关性，这是因为，大学计算机基础课程中有关数制、码制、字符编码、计算机基本原理等知识是C语言程序设计的基础，为该课程学习打下一定的基础。因此两门课程成绩的相关系数较大。

从相关系数矩阵Cxy可知，作为基础课的大学计算机基础和C语言程序设计与各门专业课成绩之间存在不同程度的正相关。说明计算机基础课程教学对专业课教学的促进作用十分明显。C语言程序设计和Delphi程序设计同为程序设计类课程，两门课程成绩相关系数达到0.8505，说明学习C语言程序设计对学习Delphi程序设计的促进作用明显。同样，C语言程序设计对单片机原理与应用、嵌入式系统、数字信号处理等课程成绩之间的相关系数分别为：0.6566、0.5100、0.5047等，说明C语言程序设计对这些课程的教学也有促进作用。程序设计类课程教学更多注重对学生新型思维方式的训练，是计算思维培养的重要途径和形式[8]，因此C语言程序设计对其他课程的学习均具有不同程度的正相关性。

从相关系数上看，大学计算机基础成绩和专业课成绩之间的关系不如C语言程序设计明显。比如，大学计算机基础成绩与Delphi程序设计成绩之间的相关系数仅为0.4834，这可能是因为，大学计算机基础对专业的促进作用是通过C语言程序设计间接起作用的。

F1表达式中，x2（C语言程序设计）的系数绝对值较大，x1（大学计算机基础）次之，说明，x2对其他专业课程学习成绩的影响较大。

使用F1和G1绘制1阶典型成分图，如图1所示。从图可以看出，F1和G1之间存较为明显的线性关系，因此可见，第1典型成分很好地解释了两组变量之间的相关性，也证实了计算机基础课程成绩和电子信息工程专业课程成绩之间是相关的。此外，从图中可以看出，学生个体之间存在较大的差异，其中，6、12、36、45号学生占据着图形的上部，从学生原始成绩看，这几个学生各门课程的成绩都比较高；而31、41号等学生也占据图形的下部，这些学生中的计算机基础课成绩整体不高，专业课成绩也很低，存在课程补考现象。

从表3可知，典型成分F1可以解释68%的组内变异，并解释52%的专业课程成绩的变异。典型成分G1解释组内和组间的变异能力分别为45%和35%。第二典型成分解释组内的变异的能力分别是32%和14%，但是解释组间变异能力取值非常小。因此，使用第一典型成分能够在很大程度上解释2类课程成绩之间的相关关系。

三、结果

使用典型相关关系分析方法，从定量的角度对计算机基础课程成绩和电子信息专业部分专业课成绩之间的相关性进行了研究。分析结果表明，两类课程成绩之间存在较强的相关关系，计算机基础课程学习对专业课程学习起到一定的促进作用，特别是C语言程序设计课程，对所在专业的专业课程学习的促进作用更加明显，大学计算机基础通过C语言程序设计课程间接对所在专业课的学习起到推动作用。因此，计算机基础课程是大学本科教学计划中不可或缺的重要课程，对于本科人才培养起到积极的推动作用。

鉴于目前部分高校削减计算机基础课程学时的现状，建议计算机基础课程教师与时俱进，主动迎接挑战：改革教学内容，完善课程体系，使之适应新时代对计算机基础课程的要求。进行计算机课程和专业课程关系研究，教学过程中与专业应用有机结合，使之服务于专业课教学，加强课程的基础性地位。

参考文献：

[1]陈国良，董荣胜.计算思维与大学计算机基础教育[J]. 中国大学教学，2011，（1）.

[2]Samuel K，Norman L.，BREAKTHROUGHS IN STATISTICS [M].Springer Press，1992：321-377.

[3]Hardoon，D.，S.Szedmak，J.Shawe-Taylor.Canonical correlation analysis：An overview with applicat ion to learning methods[J].Neural computation， 2004，（12）.

[4]Marzban，C.，S.Sandgathe，J.D.Doyle.Model tuning with canonical correlation analysis[J].Monthly Weather Review，2014，（5）.

[5]Sakar，C.O.，O.Kursun，F.Gurgen.Ensemble canonical correlation analysis[J].Applied intelligence， 2014，（2）.

[6]傅德印，王俊.判别分析统计检验体系的探讨[J].统计 与信息论坛，2008，（5）.

[7]傅德印，黄健.典型相关分析中的统计检验问题[J].统 计研究，2008，（7）.

[8]陈杰华.程序设计课程中强化计算思维训练的实践探索 [J].计算机教育，2009，（20）.