Miesiąc: czerwiec 2014

Wyniki matur…

…z roku 2014 CKE ogłosi 27 czerwca. Dziś przyjrzymy się wynikom z roku 2013. Jest to kontynuacja wpisu ,,Czy poloniści są mniej obiektywni a matematyki jest za mało w liceum?”, w którym pokazaliśmy jak w latach 2010-2012 niektórzy ,,podprogowi maturzyści” na maturze z języka polskiego mogą liczyć na kilka punktów, jeżeli pozwolą im one zaliczyć maturę.
Ale tylko gdy chodzi o poziom podstawowy na maturze z języka polskiego.

A jak ta sytuacja wyglądała w roku 2013? Raport CKE dostępny jest tutaj.

Sytuacja dla języka polskiego przedstawiona jest poniżej. ,,Przeniesienie podprogowe” dotyczy około 2% uczniów, a to mniej niż w roku 2012, gdy rozkład był zaburzony o ponad 2,5%.

Sytuacja dla matematyki jest bardzo podobna do tej z roku 2012.
Można ,,dopatrzeć się” trzech składowych i podobnie jak w 2012 ,,przeniesienie podprogowe” dotyczy najprawdopodobniej mniej niż 0,5% maturzystów.

Największa niespodzianka w wynikach matur z roku 2013?
Mnie zaskoczyły wyniki z informatyki, spodziewałem się lepszych, przynajmniej jakiejś ,,górki” w okolicy maksimum.

Pewnie część z Was zadaje sobie pytanie, jak wyglądają pytania na maturze z informatyki?
Jedno przykładowe poniżej (nie wszystkie były takie, niektóre były algorytmiczne).

W oczekiwaniu na koniec czerwca, na wyniki matur z roku 2014.

Are they happy at school? PISA data and visualisation challange @ useR!2014

I hope you have already heard about DataVis contest at useR!2014 (in case you did not, here is more information: http://www.oecd.org/pisa/pisaproducts/datavisualizationcontest.htm).
As a jury member I am not going to submit any work, but I am going to encourage you to play with the data, crunch a finding and submit interesting plot.

How easy is to download the data and create some graph?

Let’s take a look at students’ answers for questions: ’Do you feel happy at school?’ and ’How familiar are you with Declarative Fractions?’.

Are boys more familiar with 'Declarative Fractions’ than girls?
(funny fact: 'Declarative Fraction’ is a fake concept that is used in PISA to measure overconfidence)
(funny fact 2: plot familiarity with 'Declarative Fractions’ across countries, results are very interesting)

library(ggplot2)
library(reshape2)
library(likert)
library(intsvy)
 
# read students data from PISA 2012
# directly from URL
con <- url("http://beta.icm.edu.pl/PISAcontest/data/student2012.rda")
load(con)
 
# variable ST62Q13 codes familiarity with 'Declarative Fraction'
tab <- pisa.table(variable="ST62Q13", by="ST04Q01", data=student2012)
ptab <- acast(tab, ST04Q01~ST62Q13, value.var="Percentage")
ddat <- data.frame(Item=rownames(ptab), ptab)
 
# plot it with the likert package
likert.bar.plot(likert(summary=ddat), center=2) + ggtitle("Declarative Fraction") + theme_bw()

In which countries the fraction of kids that declare that they are happy at school is the highest?

# variable ST87Q07 codes 'Sense of Belonging - Feel Happy at School'
# pisa.table calculates weighted fractions and it's standard errors
tab <- pisa.table(variable="ST87Q07", by="CNT", data=student2012)
ptab <- acast(tab, CNT~ST87Q07, value.var="Percentage")
 
# need to add fake column with 0, otherwise likert.bar.plot will fail
ddat <- data.frame(Item=rownames(ptab), cbind(ptab[,4:3], 0, ptab[,2:1]))
ddat <- ddat[-grep(rownames(ddat),pattern="(", fixed=TRUE),]
 
# plot it with the likert package
likert.bar.plot(likert(summary=ddat),  plot.percent.neutral=FALSE) + ggtitle("Sense of Belonging - Feel Happy at School")

There is a lot of 'kind of Likert’ scale questions in the PISA study, for sure there is a lot of nice stories as well.

Dzień dziecka

Wczoraj był dzień dziecka. Młody wygrzebał skądś kilka szkiców wykresów, które kiedyś rysowałem długopisem i stwierdził, że też taki chce narysować (młody ma 6 lat).

No dobrze.
Ponieważ przedwczoraj był piknik naukowy, na którym między innymi uczono dzieci programować w Scratch, stwierdziliśmy, że wykres zrobimy nie długopisem ale na komputerze.

W przedszkolu akurat wałkują temat bohaterów z Hero Factory, zebraliśmy więc kilka charakterystyk sześciu głównych bohaterów i przepisaliśmy je do R.

nazwy <- c("SURGE", "STORMER", "EVO", "ROCKA", "BULK", "BREEZ", "FURNO")
pancerz <- c(2700, 2800, 2500, 2700, 2700, 2700, 2900)
ogien <- c(238, 244, 228, 239, 247, 243, 232)
bieg <- c(43, 43, 48, 44, 41, 45, 43)
 
hero.factory <- data.frame(nazwy, pancerz, ogien, bieg)
rownames(hero.factory) <- nazwy

Czas na wykres. Eksploracja tematu trochę trwała, ale końcowy kod jest tutaj

library(ggplot2)
library(gridExtra)
 
p1 <- ggplot(hero.factory, aes(x=pancerz, y=bieg, label=nazwy)) + geom_text() + theme_bw()
p2 <- ggplot(hero.factory, aes(x=pancerz, y=ogien, label=nazwy)) + geom_text() + theme_bw()
p3 <- ggplot(hero.factory, aes(x=bieg, y=ogien, label=nazwy)) + geom_text() + theme_bw()
 
grid.arrange(p1, p2, p3, nrow=2)

Po małym tuningu w Ilustratorze mamy

Czytaj dalej Dzień dziecka