评价的分类？

一、评价的分类？

评价种类如下:

(一) 根据评价的作用的不同，可以分为诊断性评价、形成性评价、总结性评价

诊断性评价是指学期开始前的或者教学活动开始前，为了了解学生现在的学习情况而进行的评价，为了了解学生的准备程度对学生做一个适当的安排，比如说高二文理分科前的评价，再比如老师进行的摸底考试都是属于诊断性评价

(二) 根据运用的标准的不同，可以分为相对性评价、绝对性评价、个体内差异评

这个划分方法简单的说可以说是按照跟谁来比的，是跟其他人还跟一个分数或者是跟自己比的来区分的。

绝对性评价又称为目标参照评价，这个评价是设置好一个具体的分数目标，然后把学生的成绩与之进行比较，所以所有过关类的考试、资格类的考试都是属于绝对性评价，再比如大家考的教师资格证、考的驾照、四六级考试等。

个体内差异评价，是自己跟自己比较，自己的现在跟过去比较，或者是自己的某一个方面跟另一个方面比较。

(三) 根据评价主体的不同可以分为内部评价和外部评价

(四) 根据评价的方法不同，可以分为定性评价和定量评价

定性评价是用分析综合、比较分类等方法对评价资料进行的质的分析，一般不会用到数据分析。

定量评价就是对评价资料用数理统计、多元分析、等数学上的统计方法来进行的评价，和质性分析的最大区别就是运用到了数据分析。

二、教学评价分类？

（一）诊断性、形成性与总结性评价;(二)常模参照评价与标准参照评价;(三)量化评价与质性评价。教育评价是指在一定教育价值观的指导下,依据确立的教育目标,通过使用一定的技术和方法,对所实施的各种教育活动、教育过程和教育结果进行科学判定的过程。

三、pandas数据分类？

Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。

Time- Series：以时间为索引的Series。

DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。

Panel ：三维的数组，可以理解为DataFrame的容器。

Panel4D：是像Panel一样的4维数据容器。

PanelND：拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。

四、数据的分类？

根据不同的分类方法，可以将统计数据分为以下几种类型：

按计量层次分类

按照数据的计量层次，可以将统计数据分为定类数据、定序数据、定距数据与定比数据。

1.定类数据。这是数据的最低层。它将数据按照类别属性进行分类，各类别之间是平等并列关系。这种数据不带数量信息，并且不能在各类别间进行排序。例如，某商场将顾客所喜爱的服装颜色分为红色、白色、黄色等，红色、白色、黄色即为定类数据。又如，人类按性别分为男性和女性也属于定类数据。虽然定类数据表现为类别，但为了便于统计处理，可以对不同的类别用不同的数字或编码来表示。如1表示女性，2表示男性，但这些数码不代表着这些数字可以区分大小或进行数学运算。不论用何种编码，其所包含的信息都没有任何损失。对定类数据执行的主要数值运算是计算每一类别中的项目的频数和频率。[3]

2.定序数据。这时数据的中间级别。定序数据不仅可以将数据分成不同的类别，而且各类别之间还可以通过排序来比较优劣。也就是说，定序数据与定类数据最主要的区别是定序数据之间还是可以比较顺序的。例如，人的受教育程度就属于定序数据。我们仍可以采用数字编码表示不同的类别：文盲半文盲=1，小学=2，初中-3，高中=4，大学=5，硕士=6，博士=7.通过将编码进行排序，可以明显地表示出受教育程度之间的高低差异。虽然这种差异程度不能通过编码之间的差异进行准确的度量，但是可以确定其高低顺序，即可以通过编码数值进行不等式的运算。[3]

3.定距数据。定距数据是具有一定单位的实际测量值（如摄氏温度、考试成绩等）。此时不仅可以知道两个变量之间存在差异，还可以通过加、减法运算准确的计算出各变量之间的实际差距是多少。可以说，定距数据的精确性比定类数据和定序数据前进了一大步，它可以对事物类别或次序之间的实际距离进行测量。例如，甲的英语成绩为80分，乙的英语成绩为85分，可知乙的英语成绩比甲的高5分。[3]

4.定比数据。这是数据的最高等级。它的数据表现形式同定距数据一样，均为实际的测量值。定比数据与定距数据唯一的区别是：在定比数据中是存在绝对零点的，而定距数据中是不存在绝对零点的（零点是人为制定的）。因此定比数据间不仅可以比较大小，进行加、减运算，还可以进行乘、除运算。[3]

在统计分析中，区分数据的类型十分重要，不同测度类型的数据，扮演的角色是不一样的。[3]

按来源分类

数据的来源主要有两种渠道：一种是通过直接的调查获得的原始数据，一般称为第一手或直接的统计数据；另一种是别人调查的数据，并将这些数据进行加工和汇总后公布的数据，通常称之为第二手或间接的统计数据。[3]

按时间状况分类

1.时间序列数据。它是指在不同的时间上搜集到的数据，反映现象随时间变化的情况。

2.截面型数据。它是指在相同的或近似的时间点上搜集到的数据，描述现象在某一时刻的变化情况。

五、布鲁姆教育评价分类？

布鲁姆关于教学评价的分类即诊断性评价、形成性评价、终结性评价。布鲁姆认为：诊断性评价旨在促进学习，为缺少先决条件的学生设计一种可以排除学习障碍的教学方案，为那些已经掌握了一部分或全部教材内容的学生设计一些发挥长处并防止厌烦和自满情绪的学习方案。

六、文献评价的分类？

文献评价是情报报道工作中对科学技术文献的学术价值的评估，是情报刊物编辑工作的重要内容。

情报报道工作中对科学技术文献的学术价值的评估，是情报刊物编辑工作的重要内容。其目的在于通过对有关文献的鉴别和研究，评价其内在质量，借以选定具有报道价值的文献和确定其报道的方式。评价的标准是文献的科学性和重要性。文献的科学性表现在先进性和真实性两个方面。

七、数据质量六大评价标准？

1、数据的准确性

数据的准确性是指数据与其描述的客观实体的特征是否一致，即数据采集值或者观测值和真实值之间的接近程度，也叫做误差值，误差越大，准确度越低。

2、数据的一致性

一致性是指存储在不同的系统中的同一个数据，是否存在差异或相互矛盾。例如航班始发站，在不同系统中记录的应该是同一个站点。

3、数据的唯一性

唯一性用于度量哪些数据是重复数据或者数据的哪些属性是重复的。例如一个人只能有唯一的身份证号码。

4、数据的规范性

规范指的是一项数据存在它特定的格式，规范性用于约束数据按统一标准存储。例如IP地址必定是由 4个0到255间的数字加上”.”组成的；手机号码必定是13位的数字。

5、数据的及时性

数据的及时性是指数据从产生到可以查看的时间间隔，也叫数据的延时时长。就是数据能否在需要的时候得到保证。如果数据延时超出统计的要求，就可能导致分析得出的结论失去了意义。特别是业务覆盖多个市场、多个国家的大型企业，如果数据不能及时汇总，会影响到高层决策的及时程度。例如销售日报，用于要求每天统计T-1的销售数据，但是数据只能提供T-2，显然达不到用户的要求。

6、数据的完整性

数据的完整性是从数据采集到的程度来衡量的，是应采集和实际采集到数据之间的比例。指的是数据信息是否存在缺失的情况，数据缺失的情况可能是整个数据记载缺失，也可能是数据中某个字段信息的记载缺失。一个公司数据的完整性体现着这个公司对数据的重视程度。

八、数据行业分类？

归纳起来可以按照以下方式进行分类：

(1)从大数据处理的过程来分：包括数据存储、数据挖掘分析、以及为完成高效分析挖掘而设计的计算平台，它们完成数据采集、ETL、存储、结构化处理、挖掘、 分析、预测、应用等功能。

(2)从大数据处理的数据类型来划分：可以分为针对关系型数据、非关系型数据(图数据、文本数据、网络型数据等)、半结构化数据、混合类型数据处理的技术平台。

(3)从大数据处理的方式来划分：可以分为批量处理、实时处理、综合处理。其中批量数据是对成批数据进行一次性处理，而实时处理(流处理)对处理的延时有严格的要求，综合处理是指同时具备批量处理和实时处理两种方式。

(4)从平台对数据的部署方式看：可以分为基于内存的、基于磁盘的。前者在分布式系统内部的数据交换是在内存中进行，后者则是通过磁盘文件的方式

九、淘宝评价如何分类？

淘宝评价分为好评，中评，差评三类

十、学生评价的分类？

1.发展性学生评价,其根本目的在于促进学生发展的评价;

2.档案袋评价,一种重要的质性评价方法,是学生成长的记录袋;

3.表现性评价,让学生通过实际任务来表现知识和技能成就的评价,是评价学生学习成效的方法;

4.学生自我评价,让学生在学习过程中根据评价目标和标准对自身学习和发展中的各个方面所做的价值判断。