Анализ факторов, влияющих на успеваемость студентов

Данные были взяты из открытого источника на платформе Kaggle: «Student Performance Factors». Этот датасет содержит информацию о различных факторах, которые могут влиять на академическую успеваемость студентов.

Анализ этих данных представляет интерес, поскольку позволяет выявить наиболее значимые факторы, влияющие на успеваемость. Это может помочь образовательным учреждениям, преподавателям и родителям разрабатывать эффективные стратегии поддержки студентов и оптимизации образовательного процесса. Понимание этих факторов имеет ценность для повышения общего уровня образования и достижения лучших результатов.

Гистограмма: Для визуализации распределения одной количественной переменной (например, количество часов, затраченных на учебу), чтобы понять ее общую структуру и выявить пиковые значения. Диаграмма рассеяния (Scatter Plot): Для выявления взаимосвязи между двумя количественными переменными (например, количество часов учебы и оценка на экзамене). Box Plot (Ящик с усами): Для сравнения распределений количественной переменной (например, оценки на экзамене) в разных категориях (например, по уровню вовлеченности родителей). Столбчатая диаграмма (Count Plot): Для отображения количества наблюдений в каждой категории категориальной переменной (например, уровень мотивации). Тепловая карта (Heatmap): Для визуализации матрицы корреляций между всеми количественными переменными в датасете, что позволяет быстро оценить силу и направление взаимосвязей. Комбинированный график (Столбцы и Линия): Для одновременного отображения количества студентов (столбцы) и среднего балла (линия) по категориям категориальной переменной (например, уровень мотивации). Pair Plot (матрица графиков): Для визуализации всех попарных взаимосвязей между несколькими переменными одновременно.

Импорт библиотек, загрузка данных из CSV-файла, удаление строк с пропущенными значениями, корректировка оценок и создание новых признаков для анализа.

Цветовая палитра: Глубокий темно-синий фон (bg_color: midnightblue), акцентные цвета — сливовый (plum) и бордовый (maroon). Шрифты: DejaVu Serif (для обеспечения читаемости и классического вида). Размеры шрифтов: Настройки размеров шрифтов для заголовков, подписей осей и меток. Обводка и границы: Использование темно-серой обводки (dimgray) для выделения элементов графика. Глобальные параметры стиля: Все настройки объединены в словарь style_params для обеспечения единообразия.

Определение глобальных параметров стиля для обеспечения единообразного визуального оформления графиков.

Применение глобального стиля.

Для каждого типа графика (гистограмма, boxplot, и т. д.) создавалась отдельная функция, которая использовала общие параметры стиля для единообразного оформления.

Наиболее сильная положительная корреляция (0.58) наблюдается между посещаемостью (Attendance) и оценкой на экзамене (Exam_Score). Это говорит о том, что регулярное посещение занятий значительно влияет на успеваемость. Существует положительная корреляция (0.45) между количеством часов обучения (Hours_Studied) и оценкой на экзамене (Exam_Score). Это указывает на прямую зависимость между временем, затраченным на учебу, и результатами. Положительная корреляция (0.50) между успехом (Is_Successful) и оценкой на экзамене (Exam_Score).

На боксплоте видно, что распределение оценок по экзамену у студентов, участвующих во внеклассных мероприятиях (Yes), и у тех, кто не участвует (No), достаточно схожее. Медианные значения оценок у обеих групп примерно равны и находятся около 68–69 баллов. Диапазон значений и разброс оценок также сопоставимы, с наличием выбросов в обеих группах. Это говорит о том, что участие во внеклассных активностях не оказывает заметного влияния на средний уровень успеваемости по экзамену в данной выборке.