Материал: Анализ школ Калининского района г. Санкт-Петербурга с помощью основных методов экономической статистики
2. Задачи на нормальное
распределение
Даже, несмотря на анализ данных, который я провожу, и выводы, которые уже можно сделать, родители всегда будут до последнего сомневаться в правильности выбора школы для своего ребёнка. Я думаю, вы согласитесь, что помимо зависимостей есть ещё человеческий фактор, случайность и вообще много чего ещё.
Сейчас я постараюсь ещё немного помочь и приблизить родителей к заветной цели-выбору школы. Для этого мы будем исследовать вероятность событий, которые, по моему мнению, очень важны и дополняют сложившуюся уже картину.
Исследование мы будем проводить при помощи Excel и функции “НОРМРАСП», так как именно она ищет вероятность по значению.
Для примера возьмём один из старейших вузов, входящий в 200 лучших институтов мира - Санкт-Петербургский государственный университет (СПбГУ).
Выясним вероятность того, что случайно выбранный школьник, сдающий ЕГЭ по русскому языку получит более 72 баллов (7). Это значение в 2014 году будет минимальным проходным для поступления на бюджет в СПбГУ по данной дисциплине
Для этого нам понадобиться среднее, стандартное отклонение, интегральная.
(1-НОРМРАСП(72;67,02;5,766;1))*100%=19,38% (7)
Итак, получается, что вероятность того, что случайно выбранный школьник за ЕГЭ по русскому языку получит более 72 баллов и получит шанс поступить в СПбГУ, равняется 19,38 процента.
То же самое выясним касательно математики. Этот предмет, пожалуй, ещё важнее. Ведь русский большинство из нас знает с детства и нам легче его сдать априори. А вот точные науки, такие математика как всегда более сложны и требовательны к знаниям.
И так, выясним, какова вероятность того, что случайно выбранный школьник, сдающий ЕГЭ по математике получит более 62 баллов (8). Это значение по аналогии с русским языком в 2014 году будет минимальным проходным для поступления на бюджет по данной дисциплине.
Средний балл по такому сложному предмету - это уже не плохо, но не гарантирует поступления в более престижные вузы. Поэтому так важно узнать вероятность данного события.
(1-НОРМРАСП(64;51,786;8,61;1))*100%= 7,8% (8)
Таким образом я выяснил, что
вероятность того, что случайно выбранный школьник за ЕГЭ по математике получит
более 62 баллов и будет иметь шанс поступить в СПбГУ, ровняется 7,8 процента
3. Различные виды
анализа
Получив первое представление об исследуемых школах, нам важно продолжать двигаться дальше. Для работы мы будем использовать различные виды анализа: такие как кластерный, корреляционный, дисперсионный и регрессионный.
.1 Кластерный анализ
Кластерный анализ нужен нам для того, чтобы упорядочить наш объект исследований в сравнительно однородные группы, для лучшего понимания данных и выделения нетипичных объектов.
Я разделю наши школы на направления и проанализирую полученную информацию (приложение №3).
В процессе кластеризации школы были разделены на 4 группы.
В первую группу вошли 4 школы, у которых средний балл за ЕГЭ по русскому самый высокий, а занятия начинаются в 8:30 утра. Это школы: № 148, №98, №95 и № 184.
Во вторую группу вошла 1 школа. Мы на эту школу уже обращали внимание-это учебное заведение №55.Она и основана была не так давно - в 1955 году и у неё самый худший показатель по русскому и один из худших по математике. Я так понимаю - это школа для отстающих детей.
В третью группу вошли так называемые школы «среднечки». Средний балл у них ниже всех по сравнению с другими. Хотя и тут выделяются несколько школ. Школы с уровнем баллов выше среднего по группе: Это школа № 72 и № 121.
Ну и в 4 вошли все остальные школы. На мой взгляд - это самая сбалансированная группа. Минимальный результат больше 70 баллов и больше половины школ из этой группы имеют результат выше 72.
В подтверждение выше сказанного построим график, в нашем случае лучше Boxplot. Мы взяли именно его, так как нас интересует динамика изменения одного признака по нескольким категориям.
В качестве переменной - ЕГЭ по русскому
языку (средний балл) категория - кластеры (рис.11).
Рисунок 11
Построим ещё 1 график. Только теперь
в качестве переменной будет выступать результат сдачи ЕГЭ по математике (рис.
12).
Рисунок 12
Начнём с 1 группы. Это те школы, у которой занятия начинаются в 8.30 и результаты ЕГЭ по русскому лучше всех. С математикой не всё так хорошо. Мне кажется, они в большей степени относятся к гуманитариям.
Группа 2 и школа № 55. Мы видим, что математика написана слабо, но не хуже всех школ в районе. Есть результаты намного хуже. И если бы не русский язык - она спокойно могла бы перейти в другой кластер. Видимо не хватает в этой школе хороших педагогов по русскому языку.
Группа 3. Как и по русскому языку, результаты достаточно сильно колеблются. Сюда вошли школы, как с наихудшими показателями, так и с наилучшими. Из общего числа выделяется школа № 146.
И наконец, группа 4. ЕГЭ по математике написано на достаточно хорошем уровне. Портит немного статистику Гимназия №192 со средним результатом в 52 балла. А выделяется школа №470 и не удивительно, ведь данная школа считается одной из сильнейших по математике в городе Санкт- Петербург.
.2 Корреляционный анализ
Корреляционная зависимость - статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.
Я хочу выяснить: от каких признаков зависит успешность сдачи ЕГЭ по русскому языку и математике. Для данного вида анализа нам подходят только количественные непрерывные признаки (приложение №4).
Исследование корреляционной зависимости мы будем подтверждать графическим анализом. Для графического представления связи между признаками можно использовать прямоугольную систему координат с осями, которые соответствуют обеим переменным. По оси Х - признак-фактор, по оси Y - признак-результат. Такой график, называемый «диаграммой рассеяния» для двух зависимых переменных.
Мы можем наблюдать достаточно
сильную зависимость сдачи ЕГЭ по русскому языку от количества учащихся детей в
школе (рис.13). То есть получается, что чем больше учащихся - тем лучше пишется
данный экзамен.
Рисунок 13
Сильная зависимость также видна от
сдачи ЕГЭ по математике. Это хорошо видно из диаграммы рассеивания (рис.14). То
есть можно сделать вывод о том, что чем лучше пишут математику - тем лучше
сдают русский язык.
Рисунок 14
3.3 Дисперсионный анализ
Как уже было сказано мной при первичном анализе, количество почётных работников является немаловажным фактором при выборе школы. То есть, чем больше таких работников, тем лучше для учеников. Теперь я хочу разобраться: есть ли принципиальная разница в количестве таких преподавателей между обычными общеобразовательными школами и более статусными.
Для этого нам нужно сделать гипотезу:
H0: Нет принципиальной разницы в количестве почётных преподавателей в зависимости от статуса общеобразовательного учреждения
H1: Принципиальная разница в количестве почётных преподавателей в зависимости от статуса общеобразовательного учреждения есть
Проанализируем при помощи spss (таблица 1).
Таблица 1 - Дисперсионный анализ
Sum of Squares
df
Mean Square
F
Sig.
Between Groups
56,507
2
28,254
3,504
,040
Within Groups
314,469
39
8,063
Total
370,976
41
В последнем столбце - вероятность
ошибки при отвержении нулевой гипотезы (Sig.=0,40). Это менее 5%,
отсюда можно сделать вывод, что мы можем отвергать нулевую гипотезу.
Получается, что всё же есть принципиальная разница в почётных преподавателях в
зависимости от учреждения. Подтвердим вышесказанное графически (рис.15).
Рисунок 15
.4 Регрессионный анализ
В моём исследовании
хотелось бы обратиться так же к данному виду анализа. Регрессионный анализ -
статистический метод исследования влияния одной или нескольких независимых
переменных на зависимую переменную. С его помощью я смогу предсказать значения
зависимой переменной с помощью независимой.
Предскажем, каково
будет среднее значение сдачи ЕГЭ в 2018 году по городу Санкт- Петербург. Это нужно
для того, чтобы предсказать тенденцию развития данного экзамена и понимать
насколько сильно увеличится уровень оценок и соответственно требования к
поступлению в вузы. Для этого соберём данные среднего значения по ЕГЭ
за последние 5 лет по всем районам города (таблица 2).
Таблица 2 - Данные
по районам за последние 5 лет
Район
2009
2010
2011
2012
2013
Адмиралтейский
58,5
61,4
63,7
65,6
67,9
Василеостровский
62,4
63,5
67,3
67,1
69,6
Выборгский
59,3
61,5
65,7
65,5
67,4
Калининский
60,3
60,5
65,6
66
68,2
Кировский
58,3
60,2
64,6
64,3
66,5
Колпинский
58,1
58,9
61,3
62,3
64,8
Красногвардейский
58,8
57,6
61,5
64,2
66,6
Красносельский
59,4
62,3
66
65,5
67,6
Кронштадтский
55,3
55,9
58,8
60,2
62,5
Продолжение таблицы 2
Район
2009
2010
2011
2012
2013
Курортный
57,6
58,9
63,9
63,1
64,1
Московский
57,2
60,7
65
64,4
66,7
Невский
57,6
59,9
63,1
63,7
66,7
Петроградский
60,1
61,6
64,9
68
70,7
Петродворцовый
57,2
59,6
64,1
63,3
67,1
Приморский
58,2
60,4
64,5
65,2
67,6
Пушкинский
56,9
61,6
65,3
65,7
66,8
Фрунзенский
57,2
59,8
62,2
63,7
66,2
Центральный
62,3
63,6
67,6
67,9
71
Затем в
получившихся данных мы считаем среднее значение для Санкт- Петербурга за каждый
год. Для оценки связи мы строим точечный график зависимости среднего балла ЕГЭ
по городу от года, в котором это ЕГЭ проходило, и добавим линию тренда.
Получаем график с линейным уравнением регрессии (рис.16).
Рисунок 16
В получившемся уравнении регрессии
мы будем предсказывать средний балл ЕГЭ, подставляя в качестве X не громоздкие четырехзначные года,
а номер временного периода. Вместо 2009 - 1, 2010 - 2 и так далее.
Нам нужен 2018 год, что
соответствует 10 периоду. Подставив в уравнение получаем (9): = 2,1356*10 +
56,609=77,974 (9)
И так, получается
что в 2018 году если не произойдёт ни каких существенных изменений средний балл
ЕГЭ по городу вырастет и составит примерно 77,97, что говорит о том что
готовиться придётся чуть больше, чем мы бы поступали сегодня.
4. Проверка гипотез
Проверять гипотезы я буду при помощи
критерия c2 средствами SPSS. Нужно
это для того, чтобы попытаться найти дополнительные нестандартные зависимости,
которые не видны на первый взгляд, но которые могут помочь определиться при
выборе школы.
.1 Ненаправленная
гипотеза о зависимости золотой медали и даты основания школы
Я хочу проверить: зависит ли то, что
ученик получит по окончании школы золотую медаль от того в каком году школа
была основана. Год мы берем 1989. Именно в этом году началась реформа
образования в РФ, определив основные принципы реформирования. Это
демократизация, многовариантность и многоукладность образования, учет
национальных особенностей в многонациональной стране, разнообразие и
дифференциация образования, гуманизация его содержания.
Сформулируем гипотезы:
H0 - Медали получают любые школы, независимо основаны они были до
1989 г. или после.
H1 - Больше медалей получают те школы, которые были основаны после
1989 г.
Проверяем с помощью SPSS (таблица
3). В таблице первая строка - результаты расчета критерия Хи-квадрат (61,056) и
вероятность ошибочно отвергнуть нулевую гипотезу (0,546). Это говорит нам о
том, что гипотеза H0 верна.
Таблица 3 - Результаты количества
золотых медалей
Value
df
Asymp. Sig. (2-sided)
Pearson Chi-Square
61,056a
63
,546
Likelihood Ratio
51,572
63
,848
Linear-by-Linear Association
,051
1
,822
N of Valid Cases
42
Теперь построю график, который
подтверждает нашу гипотезу (рис.17). Действительно, никакой разницы не
наблюдается. Однако в нулевой группе есть пару интересных школ, которые выделяются
тем, что были основаны до 1989 года и у них много медалей: №137 и № 189.Так же
советую обратить на это внимание.
Рисунок 17
.2 Ненаправленная
гипотеза о зависимости среднего балла за ЕГЭ по математике от вида образовательного
учреждения
Сейчас я проверю, зависит ли какой
средний балл за ЕГЭ по математике от вида образовательного учреждения. Для
этого сформируем гипотезы:- Средний балл за ЕГЭ по математике не зависит от
вида образовательного учреждения.
H1- Средний балл за ЕГЭ по математике зависит от вида
образовательного учреждения.
Проверяем с помощью SPSS (таблица
4). В таблице первая строка - результаты расчета критерия Хи-квадрат (53,958) и
вероятность ошибочно отвергнуть нулевую гипотезу (0,102). Это говорит нам о
том, что гипотеза H0 верна.
Таблица 4 - Результаты ЕГЭ по
математике
Value
df
Asymp. Sig. (2-sided)
Pearson Chi-Square
53,958a
42
,102
Likelihood Ratio
41,884
42
,476
N of Valid Cases
42
Теперь построю график (рис.18).
Несмотря на то, что Хи-квадрат равный 10% говорит нам о том, что нулевая
гипотеза верна мы можем видеть, что разница всё-таки есть. Действительно балл
по ЕГЭ зависит от выбора образовательного учреждения. Причина в том, что
вероятность отвергнуть нулевую гипотезу не такая большая, поэтому и получается
противоречие.
В школах балл за данный экзамен
слабее всего. На втором месте после школ идут гимназии. Их минимальный
результат начинается с 50 баллов. Медиана показывает, что более половины из них
получили за данный предмет более 52 баллов. В общем можно сказать про
гимназистов, что они неплохо справились с ЕГЭ по математике. Ну и на первом
месте лицеисты. Минимальный балл начинается где-то с 58 и более половины из них
получили более 60 баллов. Самый максимальный балл так же остаётся за учащимися
лицея № 470.
Рисунок 18
.3 Ненаправленная
гипотеза о зависимости участия в международных проектах от вида
образовательного учреждения
Одной из основных задач школ,
является обучение иностранному языку, точным наукам, творческим специальностям
и различным другим направлениям развития школьников как инструменту общения в
диалоге культур со странами Европы и мира.
Эта задача решается как в ходе
учебного процесса, так и в рамках программы по участию международных
образовательных проектах. Поэтому я считаю, что этот фактор становится немало
важным при выборе школы.
Сейчас я попробую проверить данную
зависимость. Для этого сформируем гипотезы:- Участие в международных проектах
не зависит от вида образовательного учреждения
H1 - Участие в международных проектах зависит от вида
образовательного учреждения
Проверяем с помощью SPSS (таблица
5). В таблице первая строка - результаты расчета критерия Хи-квадрат (2.58) и
вероятность ошибочно отвергнуть нулевую гипотезу (0,865). Это говорит нам о
том, что гипотеза H0 верна. Value
df
Asymp. Sig. (2-sided)
Pearson Chi-Square
2,528a
6
,865
Likelihood Ratio
3,492
6
,745
N of Valid Cases
42
Теперь построю график, который
подтверждает нашу гипотезу (рис.19). Как мы видим, международные проекты
осуществляются как в школах, так и в лицеях и гимназиях.
Однако в большей степени это
реализовано в лицеях, либо в обычных школах.
Рисунок 19
5. Динамика
Одной из важнейших задач для меня
является изучение изменений анализируемых показателей во времени, то есть их
динамика. Эта задача решается при помощи анализа рядов динамики (временных
рядов).
Ряд динамики (или временной ряд) - это
числовые значения определенного статистического показателя в последовательные
моменты или периоды времени (т.е. расположенные в хронологическом порядке).
5.1 Анализ района
Для начала я бы хотел оценить, как
вообще Калининский район смотрится на фоне других районов по сдаче ЕГЭ.
Рассчитаем наиболее удобный в данном
случае показатель динами по результатам ЕГЭ за прошедшие 5 лет по каждому
району: абсолютный цепной прирост.
Абсолютный цепной прирост - это
разность между двумя уровнями динамического ряда, которая показывает, на
сколько данный уровень ряда больше или меньше предыдущего периода (10):
(10)
Как мы видим из таблицы 6, динамика
роста наблюдается во всех районах Санкт-Петербурга.
Таблица 6 -Абсолютный цепной прирост
Район
Адмиралтейский
Василеостровский
Выборгский
Калининский
Кировский
Колпинский
Красногвардейский
Красносельский
Кронштадтский
Курортный
Московский
Невский
Петроградский
Петродворцовый
Приморский
Пушкинский
Фрунзенский
Центральный
2009
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
2010
2,9
1,1
2,2
0,2
1,9
0,8
-1,2
2,9
0,6
1,3
3,5
2,3
1,5
2,4
2,2
4,7
2,6
1,3
2011
2,3
3,8
4,2
5,1
4,4
2,4
3,9
3,7
2,9
5
4,3
3,2
3,3
4,5
4,1
3,7
2,4
4
2012
1,9
-0,2
-0,2
0,4
-0,3
1
2,7
-0,5
1,4
-0,8
-0,6
0,6
3,1
-0,8
0,7
0,4
1,5
0,3
2013
2,3
2,5
1,9
2,2
2,2
2,5
2,4
2,1
2,3
1
2,3
3
2,7
3,8
2,4
1,1
2,5
3,1
Калининский район в 2009 начинал как
один из лидеров по статистике сдачи ЕГЭ деля это место с центральным районом. В
2010 остальные районы сильно подтянулись, а вот Калининский почти не изменился,
поэтому динамика его роста на фоне других почти не заметна. В 2011 опять
произошёл резкий скачёк и Калининский район опять вырвался в перёд. Это
подтверждается самым большим цепным показателем.
В 2012 году в большинстве районов, в
том числе и Калининском произошёл спад. Я это связываю с теми нововведениями,
которые были введены в этом году: изменились форматы заданий, добавились новые
задания, была увеличена сложность. И многие школы при подготовке видимо просто
это не учли.
В 2013 году все районы опять же все
районы показали рост в том числе и исследуемый.
Можно сделать небольшой вывод о том,
что Калининский район как начинал в лидерах, так и по сей день в них остаётся.
Статистика показывает, что даже, несмотря на спад 2011, район отличается стабильностью:
не было ни одного года с момента начала сдачи ЕГЭ, когда бы не наблюдалось
прогресса. Однако так же стоит обратить внимание, что есть районы, которые были
готовы к 2011 году и уделили этому внимание и показатели прироста у них выше.
Для подтверждения я рассчитаю ещё
средний абсолютный прирост (11), показывающий на сколько в среднем за каждый
год наших наблюдений рос результат ЕГЭ (таблица 7):
(11)
Таблица 7 - Средний абсолютный
прирост
Район
Адмиралтейский
Василеостровский
Выборгский
Калининский
Кировский
Колпинский
Красногвардейский
Красносельский
Кронштадтский
Курортный
Московский
Невский
Петроградский
Петродворцовый
Приморский
Пушкинский
Фрунзенский
Центральный
1,8
2,03
1,98
2,05
1,68
1,95
2,05
1,8
1,63
2,38
2,28
2,65
2,48
2,35
2,48
2,25
2,18
.2 Анализ школы
Рассмотрим 470 школу, являющуюся
одной из ведущих школ не только Калининского района, но и города. Я хочу
увидеть: действительно ли она за последние 5 лет набирает обороты или наоборот
можно говорить об отрицательной динамике. Построим таблицу сдачи ЕГЭ за
последние 5 лет (таблица 8).
Таблица 8 - Статистика сдачи ЕГЭ за
5 лет
Год
ЕГЭ русский
ЕГЭ математика
2009
66,4
66,5
2010
68,54
66,8
2011
72,29
69,92
2012
77,4
71,79
2013
75,82
74,59
Возьму я для расчета несколько
показателей: абсолютный базисный прирост и темп прироста цепной (таблица 9).
Таблица 9 -Расчет динамических
показателей
Год
Абсолютный базисный прирост
Темп прироста цепной
ЕГЭ русский
ЕГЭ математика
ЕГЭ русский
ЕГЭ математика
2009
-
-
-
-
2010
2,14
0,3
3,22
0,45
2011
5,89
3,42
5,47
4,67
2012
11
5,29
7,07
2,67
2013
9,42
8,09
-2,04
3,90
кластерный
корреляционный статистика экономический
Как можно увидеть из таблицы 9,
результаты школы №470 планомерно растут. Абсолютный базисный прирост показывает
нам насколько уровень текущего периода больше базисного. Можно увидеть что по
русскому языку он сократился в 2013 году и составил 9,42. Причину этого можно
увидеть изучив темп прироста цепной, показывающий, насколько процентов по
сравнению с предыдущим годом растут или уменьшаются результаты. В 2013 как раз
был спад в сдаче ЕГЭ по русскому на 2 процента по сравнению с 2012 годом.
Что касательно математики то тут всё
в порядке. Результаты планомерно увеличиваются. Это видно по отношению к
базисному году. Цепной же темп прироста показывает нам, что в 2011, когда
наблюдался во многих школах спад в сдаче ЕГЭ школа № 470 резко прибавила.
Заключение
Правильно выбранная школа для
маленького ребёнка - это почти половина его успехов в учёбе. Поэтому нужно
очень серьезно отнестись к процессу выбора учебного заведения. Именно первая
школа определяет отношение ребёнка к процессу обучения на многие годы вперёд,
формирует умения и навыки, которые будут использоваться в дальнейшей жизни.
Поэтому затронутая в данной работе
тема актуальна в настоящее время.
Дело в том, что родителям необходимо
серьезно задуматься над вопросом - а какие результаты учебы они хотят получить.
Конечно, сейчас есть разные школы, разные программы обучения. Но дети тоже
очень разные. Одни спокойные, другие живчики, одни нуждаются в дисциплине, а
другим необходима свобода. К чему больше склонен ребенок - к рассуждениям или
действиям. Чем же руководствоваться при выборе школы?
В ходе выполнения данной работы
изначально мною были проанализированы особенности школ, располагающихся на
территории Калининского района: дата основания, количество почётных работников,
время начала занятий, количество учащихся, результаты ЕГЭ по русскому и ЕГЭ по
математике, участие в международных проектах, численность педагогов в школе,
золотые медалисты и вид образовательного учреждения. Исходя из этого анализа
мною были получены следующие результаты:
- Большинство школ
района были основаны в период 1960-1980 годов;
- По количеству
почётных работников школы можно разделить на 3 группы: 2-5 работников на школу,
6-10 и более 10 соответственно;
- Уроки начинаются в
большинстве школ в 9 часов утра
- По количеству
учащихся школы можно разделить на 3 группы: менее 500;500-800 и более 800
школьников соответственно;
- Большинство
образовательных учреждений уверенно сдали ЕГЭ по русскому, набрав более 60
баллов;
- Разброс результатов
ЕГЭ по математике достаточно существенный;
- В международных
проектах участвует менее половины школ;
- Самое часто
встречающееся количество педагогов в школе около 60;
- Золотые медалисты
встречаются менее чем в половине исследуемых школ;
- Большинство учебных
заведений в районе: школы, так же присутствуют лицеи и гимназии.
Следующим шагом исследования стало
нахождение вероятности поступления в вуз на бюджет на примере СПбГУ, как одного
из самых престижных вузов Санкт- Петербурга. Опираясь на функцию Excel «НОРМРАСП» был получен
следующий результат: вероятность того, что случайно выбранный школьник, сдающий
ЕГЭ по русскому языку получит более 72 баллов составила 19,38%. Аналогичным
способом была рассчитана вероятность по математике при нижнем пороге в 62
балла, и она составила 7,8%.
Для выявления конкретных
закономерностей, таких как зависимость результатов ЕГЭ от времени начала
занятий; от школы; от количества учащихся и так далее, а так же для
предсказания результата сдачи ЕГЭ в 2018 году я воспользовался следующими
видами анализа: кластерный, корреляционный, дисперсионный и регрессионный.
Для того, чтобы найти дополнительные
нестандартные зависимости, которые не видны на первый взгляд, но которые могут
помочь определиться при выборе школы, был применён анализ, связанный с
проверкой гипотез.
Так же при анализе школ важно было
учесть изменения показателей во времени Калининского района в сравнении с
другими районами города. Эта задача была решена при помощи собранных за
последние 5 лет статистических данных по сдаче ЕГЭ.
На основании вышеизложенного мною
были сделаны следующие выводы и рекомендации:
- Школа № 692 - это
самая молодая школа Калининского района и в ней самые худшие результаты ЕГЭ по
математике;
- Школы с постройкой
ранее 1940 года (№514 и №138) почти не имеют почётных работников;
- Школы, занятия в
которых начинаются в 8.30 (№ 148, №98, №95 и № 184), обладают одними из лучших
результатов ЕГЭ по русскому языку;
- Школы, занятия в
которых начинаются в 9 утра, а результаты ЕГЭ по математике и русскому языку
выше среднего (больше 58 и 70 баллов соответственно): №126, №144, №179, №470,
№63, №89 и №619;
- В школах, с большим
количеством учащихся, результаты ЕГЭ по русскому языку выше;
- Прослеживается
зависимость лучшего написания ЕГЭ по русскому от высокого результата ЕГЭ по
математике;
- Количество почётных
работников общего образования зависит от вида образовательного учреждения:
лицеи занимают первое место, гимназии - второе и школы соответственно - третье;
- В зависимости от
вида образовательного учреждения средний балл ЕГЭ по математике распределяется
следующим образом: на первом месте - лицеи, на втором - гимназии, на третьем -
школы;
- Участие в
международных проектах лучше реализовано в школах и лицеях;
- Уровень сдачи ЕГЭ
по русскому языку в Калининском районе за последние 5 лет не отличается
принципиально от уровня сдачи в других районах города.
- Школа №470
показывает высокие темпы развития на протяжении последних 5 лет, подтверждая
статус лучшей школы района.
Основываясь на результатах
проделанной мною работы, родители ребёнка смогут сделать осознанный выбор школы
для своего ребёнка в Калининском районе. Но не стоит забывать, что успеваемость
ребёнка зависит не только от показателей школы, но и от многих других факторов:
психологическое состояние, атмосфера в семье и многих других.
Список источников
1. Статистика. Учебное пособие (интернет ресурс) http://www.hi-edu.ru / part-009.htm [на 10.04.2014]
2. Рейтинг школ Калининского района (интернет ресурс)
http://www.shkola-spb.ru/rajon/kalininskij/[на 10.04.2014]
. Официальный информационный портал ЕГЭ (интернет ресурс)
http://www.ege.edu.ru/[на 24.04.2014]
. Официальный информационный портал государственной
итоговой аттестации выпускников 9 и 11 классов в СПб (интернет ресурс)
http://www.ege.spb.ru/[на 25.04.2014]
. Рекомендации родителям в выборе школы для детей (интернет
ресурс) http://babyhelp.kiev.ua/?/article/124/478/11114111[на 28.04.2014]
2,35