关于高校新专业的课程设置与学生能力培养的分析.docx

《关于高校新专业的课程设置与学生能力培养的分析.docx》由会员分享，可在线阅读，更多相关《关于高校新专业的课程设置与学生能力培养的分析.docx（37页珍藏版）》请在三一办公上搜索。

1、关于高校新专业的课程设置与学生能力培养的分析 关于高校新专业的课程设置与学生能力培养的分析 摘要 随着我国高等教育事业的发展，各高校之间公共资源和优质生源的竞争日趋激烈，提高教学质量和切实地增加课程设计也是高等教育吸引学生和培养学生能力的重要环节。一所高校课程设置和教学内容，直接反映出其培养专业人才的教学目标和宗旨。因此，一个院系开设的课程不仅仅是向学生传授本专业的知识，更要通过开设新课程培养学生创新、逆向思考、推理、演算、表达、空间逻辑、编程能力等能力，以满足社会对新型专业人才的需求。 本文主要从能力培养的角度对某所高校目前教学计划中新课程设置方面作有关探讨。学生们的各科考试分数作为学生在校

2、期间学习成绩的综合考量。在文中我们着重运用SAS软件对学生各科成绩进行分析处理，并以学生各科之间典型相关系数来考查课程之间的影响。 在问题一中对于03级学生，我们对其数学分析成绩和概率统计成绩进行典型相关分析，得出总的相关性系数为0.749853，故数学分析成绩与概率统计成绩呈正相关，数学分析的成绩的好坏对概率统计得分的情况影响较大。 问题二，仍然运用典型相关分析，对03级学生成绩进行综合分析，得出总的相关性系数为0.879266，故三大基础课对后继专业基础课程有很强的影响。 问题三，用正态分布检验法与主成分分析法对03级学生样本数据进行了分析处理，从而分析学生学习状况。 问题四，利用因子分析

3、法定量分析03、04两级学生能力培养的特点，所得数据在进行因子旋转，从而得出各个因子得分。 关键字：学生成绩、典型相关、正态分布检验，主成分分析、因子分析 一、 问题重述 高校教学评估中非常注重对专业的评价，专业评估是高校教学评估发展的方向。新专业的办学水平在很大程度上反映了整个学校的教学质量，对新专业进行评价是高校进一步落实以教学工作为中心，切实提高教学质量的有力举措。 一个学校如果新专业办得很好，具有很高的教学质量，那么其传统的专业水平也不会太低，因此，很有必要对新专业进行评价。 而对新专业进行评价也是专业建设的需要。通过对新专业进行评价，我们就能清楚地发现专业课程设置与学生能力培养合理性

4、在教学过程中是否存在的问题，在对这些问题调查分析的基础上，我们就可以采取有针对性的措施，逐步解决存在的问题，不断提高专业的办学水平。 附件1、附件2是我校伴随着高等教育的大众化，学校进行了大幅度扩招初期开置的专业的03、04级学生课程成绩数据。请根据数据分析并回答以下问题： 1. 针对附件1数据分析，数学分析成绩的优劣，是否影响概率统计的得分情况？ 2. 由附件1数据，分析三大基础课对后继专业基础课程的影响。 3. 利用合适方法，分析03级学生学习状况。 4. 建立合适数学模型，定量分析03、04两级学生能力培养的特点。 二、问题分析 首先，从附件中统计好的数据获取03级11班12班13班学生

5、各科成绩详细信息。由于这3个班学生在03-04-01学期、03-04-02学期和04-05-01学期都学习了数学分析，而在04-05-01学期中学习了概率统计，且鉴于样本数据具有随机性，故抽取03级11班数学分析1，数学分析2，数学分析3以及11班，12班，13班的概率统计作为样本进行典型相关性分析。在第一问题中我们主要是研究数学分析这门科目对概率统计得分的影响。 然后我们对这6组数据进行了整理，运用SAS软件对数据进行数据处理分析，得出原始变量间的相关系数，典型相关系数，并进行典型相关性检验 ，从而得出数学分析成绩的好坏对概率统计的具体影响情况。 为解决问题二，我们同样对03级学生各科成绩进

6、行了典型性相关分析。我们抽取11班数学分析1，数学分析2，12班高等代数1， 高等代数2， 13班几何学，11班复变函数，概率统计， 12班离散数学，运筹与优化，13班数值分析这10组样本数据做主要分析。在第二问题中我们将探讨三大基础课对后继专业基础课程的影响。 对于问题三，我们抽取了03级11班，12班，13班第一学期数学分析1，几何学，体育，英语1，毛泽东思想概论，高等代数1，计算机应用基础这7门必修课作为样本数据，运用SAS软件对数据进行处理分析，并求出学生成绩均值与直柱图， QQ图，并着重运用主成分分析学生学习各学科的主要状况。 对于问题四，我们对原始数据进行整理，按能力培养标准可分成

7、包含数学分析等10门科目数学类，包含C语言程序设计等3门科目编程类，包含计算机应用基础等3门科目计算机类，包含英语1等4门科目文科类，包含体育1等4门科目体育类，包含大学物理1等4门科目空间思维类，包含算法分析与设计课程设计等2门科目软件类，我们运用SAS因子分析进行学生能力培养分析。 三、模型假设 1 每学期的考试的试卷难度一致，且改卷的评分标准也一致。 2 在校期间每个学生的学习能力不变。 3 影响学生考试成绩的主要因素有真实成绩和个人进步程度，不考虑作弊等违规因素。 4 有统计成绩的学生，均为正常参加考试的学生。 5 所选的样本数据具有典型的代表性。 6 题目所给的数据真实有效。 四、符

8、号说明 X1.03级11班数学分析1 X2.03级11班数学分析2 X3.03级11班数学分析3 y1.03级12班概率统计 y2.03级13班概率统计 y3.03级12班运筹与优化 y4.03级13班数值分析 s1.03级数学分析1， s2.03级几何学， s3.03级体育， s4.03级英语1， s5.03级毛泽东思想概论， s6.03级高等代数1， s7.03级计算机应用基础 a1.03&04级数学分析1 a2.03&04级数学分析2 a3.03&04级数学分析3 a4.03&04级高等代数1 a5.03&04级高等代数2 a6.03&04级概率统计 a7.03&04级几何学 a8.03

9、&04级数值分析 a9.03&04级离散数学 a10.03&04级复合函数 b12.03&04级运筹与优化 b26.03&04级C语言程序设计 b29.03&04级运筹与优化算法与数据结构 c22.03&04级计算机应用基础 c31.03&04级信息科学基础 c35.03&04级计算机图形学 d39.03&04级算法分析与设计课程设计 d42.03&04级算法分析与设计 e17.03&04级英语1 e18.03&04级英语2 e19.03&04级英语3 e20.03&04级英语4 g13.03&04级体育1 g14.03&04级体育2 g15.03&04级体育3 g16.03&04级体育4 f

10、23.03&04级大学物理1 f24.03&04级大学物理2 f25.03&04级大学物理实验 average1. 03&04级数学类平均分 average2. 03&04级编程类平均分 average3. 03&04级计算机类平均分 average4. 03&04级文科类平均分 average6. 03&04级体育类平均分 average7. 03&04级空间思维类平均分 五、模型建立与求解 首先，我们运用SAS软件将11班数学分析和11班，12班，3班概率统计成绩进行如下典型相关分析： 令X=T,Y=(Y1,Y2,Y3)T 对X，Y做典型性分析 1.1执行后得到如下结果：图1 1给出6个变

11、量的样本均值与样本标准差 1.2原始变量间的相关系数：图2 以上是两组变量的组内样本相关阵 图3 以上是两组变量的组间样本相关阵 1.3典型相关系数 图4 以上给出典型相关系数分别是0.749853，0.308570，0。086971；典型相关系数平方分别是0.562280，0.095216，0.007564.第一典型相关系数0.749853远大于两组变量单个相关个数。 14典型相关性检验 图5 似然比检验表明第1对典型相关是高度显著的；第2，3对典型相关市不显著的原因是P2=0.5290,P3=0.6360a，说明只有第一对典型变量显著相关，因此，可基于第一对典型变量分析数学分析得分及概率统

12、计的相关性。 图6 多种检验表明两组变量存在相关性。 对于问题二，我们仍然运用典型相关进行处理分析，具体步骤如下： 令X=T,Y=(Y1,Y2,Y3,Y4,Y5)T对X,Y作典型性分析 执行后得到如下结果： 图7 给出10个变量的样本均值与样本标准差 2.1原始变量间的相关系数(correlations)： 图8 以上是两组变量的组内样本相关阵 图9 以上是两组变量的组间样本相关阵 2.2典型相关系数 图10 以上给出典型相关系数分别是0.879266，0.782100，0.546514，0.506321，0.190052；典型相关系数平方分别是0.773109，0.611680，0.2986

13、77，0.256361，0.036120.第一典型相关系数0.879266大于其余变量间单个相关系数。 2.3 典型相关性的检验 图11 似然比检验表明第1，2对典型相关是高度显著的，第3对典型相关也同样显著；第4，5对典型相关不显著的原因是P4=0.0753,P5=0.3327a，说明只有前3对变量显著相关，因此可基于前3对典型变量分析三大基础课对后继专业基础课程的相关性。 图12 多种检验表明两组变量存在相关性。 对于问题三，首先运用SAS软件对数据导入，并对样本数据做 正态性检验 执行后结果如下： 图13 3.1 average 的描述性统计量 图14 图14 average 的正态性检

14、验结果 图15 图15 average 的直方图 图16 图 16：average 的QQ图 图17：average的均值、最大、最小值图 分析：图14中的p-value都是小于0.05的,从检验的数量结果显示变量average是不服从正态分布的,从直方图和QQ图我们也可以看到,在数据的尾部明显不服从正态分布。如果变量服从正态分布，直方图应该是对称的，而QQ图应该是一条直线。因此，我们可以说明样本学生成绩没有严格服从正太分布图，结合图17，average的均值、最大、最小值，成绩比较均匀，学生两极分化现象比较明显，或者新课程考试题目并没有很好的区分度。 主成分分析： 协方差矩阵的结果如下： 图

15、18 从协方差矩阵可以看出：各变量的样本方差差异过大，因此从样本相关系数矩阵出发做主成分分析。 3.2第二步，主成分分析 结果如下： 图19 3.3 R的特征值： 图20 从图20可以看出，前4个特征值累计贡献率已达92.40%。说明前4个主成分基本包含了全部指标，且前4个主成分的每个主成分方差贡献率都在10%以上。我们取前4个特征值，并计算出相应的特征向量，见图21 图21 Eigenvectors 3.4写出主成分 第一主成分： F1=0.502393x1+ 0.495559x2+0.224899x3+0.083741x4+0.244507x5+0.490463x6+0.379596x7

16、第二主成分： F2=0.1268071x1+0.154566x2-0.582041x3+0.683393x4-0.381272x5+0.084182x6-0.039999x7 第三主成分：F3=-0.196178x1-0.133779x2-0.064528x3+0.488140x4+0.780420x5-0.245163x6+0.178917x7 第四主成分： F4=-0.072004x1-0.258112x2+0.676826x3+0.458368x4-0.394172x5-0.096508x6+0.308731x7 在第一主成分的表达式中，第1、2、6项指标的系数较大，说明这三个指标起主要

17、作用，我们可以把第一主成分看成是数学分析1，几何学，高等代数1等所刻化的反映学生理科成绩的综合指标。 在第二主成分的表达式中，第1、2、4、6项指标上有正的载荷，其中第4项指标影响尤其大，可将它看成是反映英文所刻化的学生文科成绩的综合指标。 在第三主成分的表达式中，第4、5、7项指标上有正的载荷 ，其中第5项的指标影响尤其大，可将它看成是反映毛泽东思想概论等思想理论学科的影响。 在第四主成分的表达式中，第3、4、7项指标上有正的载荷，其中第3、4项的指标影响尤其大，可将它看成是反映体育等健康水平的影响。 对于问题四，我们利用SAS软件进行因子分析， KMO检验结果如图22：图22 可以看出KM

18、O检验值为：0.77402814大于.7，可以做因子分析 执行后得到的主要结果是 图23 可见因子负荷阵是 图24 图25 每个因子解释的方差 上图是每个因子负荷的平方和，反映因子的重要性：平方和越大，该因子越重要。本题目中3。0964035大于其余的因子，因此1比因子2、因子3、因子4重要。 图26 上图是共性方差。 从因子负荷阵可见，可观测因子在第一公共因子上的负荷都是相差不多的正数，可见第一公共因子表示学生一般综合能力，可称为综合能力因子；第1、2、7大类学科在第3、4个公共因子上的负荷是负的，而第3、4 、5大类学科在第3、4个公共因子上的负荷是正的，第6大类学科在第4个公共因子上的负

19、荷是负的，在第1、2、3个公共因子上的负荷是正的，可见第2、3、4因子反映出学生能力不同，可称为特殊能力因子。 为让所得公共因子含义更强，下面我们用最大方差旋转法进行因子旋转， 得到的主要输出的旋转矩阵表和旋转后的因子负荷阵表(表头为Rotated Facttern Pattern)的两张表，它们分别给出图27和图28. 图27 上图是旋转矩阵图 图28 f1 f2 f3 f4 以上是因子负荷图， 其他还有 图29 上图是解释方差图,说明公共因子f1f4所解释的方差分别是2.7654636,1.2317812,1.0264105,1.0071467 图30 上图是共性方差图,说明共性方差是0.

20、87025435,0.80348634,0.71317967,0.90714118,0.99657691,0.99405926,0.74610426. 分析因子负荷阵可得出如下结论:数学类学科,编程类学科,计算机类学科,逻辑思考类学科在第一因子上负荷较大,因为数学、编程都与逻辑思考关系极大,第一因子可称为思考能力因子; 计算机类学科,软件类学科在第二因子上负荷较大,计算机、软件都与编辑软件关系极大, 第二因子可称为编写能力因子;体育类学科在第三个因子上负荷较大,因为体育与运动兴趣关系极大, 第三因子可称为说运动能力因子;文科类在第4个因子上负荷极大,因为文科与记忆关系极大, 第四因子可称为说记

21、忆能力因子. 六、模型的评价 因子分析法能够根据因子载荷矩阵，将各学科类按高载荷进行分类，明确因子的含义；根据因子的得分排名，对每位学生各方面能力进行评价；由于因子分析将样本数据标准化，克服主成分分析存在的缺点，但它在提取公因子时只是提供了绝大部分的信息，并没有反映全部信息，不能够充分体现不同课程的重要性，可能会把一些选修课程看成很重要课程或着忽略了一些重要的必修基础课、专业课。 七、 模型的改进 我们对数据的处理不够充分，这使得结果缺乏一定的真实性和准确性，分析部分数据结果也可能会与总数据出现较大偏差，因此，我们对原始数据做了如下几方面的处理： 整理所有数据作为模型分析的基础； 各门课程的成

22、绩都按第一次学习成绩记录，不考虑重考或重修成绩； 把课程的等级成绩转化为百分制分数。优：95分；良：85分；中：75分；及格：65分；不及格：50分； 把各门课程的原始分数分别转化为学分绩。 在学生成绩综合评价的因子分析的数学模型的基础上，运用平均学分绩法和因子分析法综合在一起，建立学分绩因子分析模型。 附录： 程序1： data mark1; input x1-x3 y1-y3; cards; 85 87 93 78 93 79 94 95 87 78 89 78 89 85 78 95 86 82 80 76 78 81 79 87 66 83 73 71 86 78 98 98 95 9

23、0 79 61 80 76 60 60 91 87 89 79 83 92 89 93 77 64 60 73 86 62 62 37 60 60 80 51 78 75 75 87 77 60 84 73 47 60 37 52 54 62 61 60 66 65 84 66 60 78 60 70 79 64 64 69 80 72 88 60 26 78 61 16 77 75 68 42 0 87 77 70 62 67 48 44 62 60 60 60 67 86 81 78 85 62 78 66 67 18 63 47 66 78 70 81 76 74 14 64 75 66

24、 51 50 60 60 75 83 76 76 86 19 25 16 19 35 63 82 83 81 71 74 77 75 88 91 62 68 60 50 64 52 39 42 64 30 21 34 90 88 80 76 76 67 41 63 70 72 60 61 37 32 79 77 68 63 60 61 64 75 70 85 73 75 70 79 54 67 60 60 68 60 ; run; proc cancorr data=mark1 corr ALL; var x1-x3; with y1-y3; run; 程序2： data score1; in

25、put x1-x5 y1-y5; cards; 85 87 78 75 93 85 78 84 96 90 94 95 80 68 70 74 78 75 90 54 89 85 66 62 83 76 95 79 90 80 80 76 70 64 96 94 81 92 86 86 66 83 71 84 90 73 71 95 87 80 98 98 79 94 80 67 90 99 91 71 80 76 71 90 80 84 60 88 87 72 89 79 75 79 85 88 92 94 93 86 77 64 76 90 49 80 73 92 83 61 62 37

26、70 76 26 60 60 86 90 41 78 75 63 75 64 80 87 91 70 78 84 73 50 37 44 70 60 80 84 32 54 62 62 65 60 79 60 73 61 17 84 66 65 60 75 71 78 77 60 75 79 64 91 99 95 81 69 95 88 67 88 60 38 41 70 36 78 43 54 34 77 75 43 0 84 98 42 0 65 93 77 70 71 39 18 69 67 60 73 14 62 60 47 65 76 72 60 60 60 86 81 78 70

27、 48 50 80 62 90 79 48 67 18 71 60 85 85 47 76 72 88 70 81 41 29 90 90 74 35 71 93 75 66 36 44 80 77 50 60 69 82 75 83 61 75 61 20 76 74 77 41 25 16 69 68 93 60 35 55 66 67 83 81 81 71 83 71 74 71 71 87 88 91 53 60 80 75 68 52 60 81 64 52 43 62 69 60 42 66 69 55 21 34 50 70 62 70 88 74 91 75 76 67 72

28、 68 65 71 63 90 76 70 60 61 77 72 92 74 32 77 76 76 68 63 62 63 67 67 61 62 74 64 ; run; proc cancorr data=score1 corr ALL; var x1-x5; with y1-y5; run; 程序3： PROC IMPORT OUT=sj DATAFILE= c:123.xls DBMS=EXCEL2000 REPLACE; GETNAMES=YES; RUN; data sj; set sj; sum=s1+s2+s3+s4+s5+s6+s7; average=sum/7; run

29、; proc univariate data=sj normal; var average; histogram average; probplot average; run; proc means data=sj; var average; run; 程序4： data score; data score; input num$ s1 s2 s3 s4 s5 s6 s7 ; cards; 030m1101 85 82 86 73 81 72 82 030m1102 94 85 87 83 81 90 87 030m1103 89 71 83 71 77 77 74 030m1104 80 7

30、0 70 65 73 63 70 030m1105 66 68 82 73 85 78 79 030m1106 98 93 85 72 88 90 75 030m1107 80 70 81 67 77 63 84 030m1108 89 90 89 62 78 80 76 030m1109 77 65 76 66 81 61 72 030m1110 62 64 78 60 69 66 75 030m1111 78 60 70 71 79 76 68 030m1112 84 92 75 61 78 74 76 030m1113 54 75 87 75 72 68 81 030m1114 84 8

31、4 91 69 79 83 87 030m1115 79 74 88 60 81 70 71 030m1116 88 80 78 60 84 73 69 030m1117 77 81 78 60 73 80 68 030m1118 77 72 78 65 81 62 73 030m1119 62 77 89 62 78 61 71 030m1120 81 81 72 65 81 82 72 030m1121 67 83 72 64 80 51 66 030m1122 70 83 66 60 85 80 86 030m1123 75 71 79 60 74 62 65 030m1124 75 9

32、3 76 66 83 83 80 030m1125 25 19 78 67 84 27 69 030m1126 83 71 73 62 75 69 60 030m1127 88 88 78 66 74 70 74 030m1128 64 60 80 68 68 62 63 030m1129 21 11 72 71 73 41 89 030m1130 76 52 82 68 80 62 74 030m1131 60 71 83 53 82 51 60 030m1132 68 55 84 60 78 61 79 030m1133 92 88 81 70 86 90 85 030m1134 54 7

33、0 80 62 82 61 81 030m1136 82 52 85 70 74 71 64 030m1137 63 80 78 67 78 81 68 030m1201 92 78 75 78 81 78 81 030m1202 82 68 73 80 69 80 67 030m1203 71 67 70 81 83 66 77 030m1204 82 83 83 75 68 70 69 030m1205 87 85 76 82 82 71 80 030m1206 95 94 76 74 74 79 81 030m1207 88 85 79 81 87 71 78 030m1208 95 7

34、1 75 89 85 75 75 030m1209 94 95 62 78 77 76 77 030m1210 70 84 55 73 81 70 61 030m1211 89 74 74 86 74 63 77 030m1213 83 94 52 80 83 50 77 030m1214 62 75 63 87 78 62 71 030m1215 65 60 61 81 69 65 76 030m1216 97 75 68 77 82 91 75 030m1217 52 51 54 81 52 38 65 030m1219 40 60 71 76 83 43 51 030m1220 69 6

35、5 60 0 72 71 85 030m1221 62 68 65 78 81 47 68 030m1223 75 83 63 77 77 70 71 030m1224 70 76 67 80 69 71 69 030m1225 45 48 43 68 70 41 53 030m1226 44 33 55 67 84 36 60 030m1227 86 86 70 77 90 61 74 030m1228 48 72 61 82 75 69 61 030m1230 75 67 72 78 74 81 83 030m1231 71 64 73 71 85 53 82 030m1232 63 60

36、 70 80 80 43 74 030m1233 69 63 65 86 77 50 61 030m1234 91 85 73 91 75 72 75 030m1235 74 81 80 82 81 77 87 030m1236 62 70 68 72 69 62 70 030m1301 86 93 53 87 70 77 80 030m1302 60 70 80 87 78 70 78 030m1303 86 83 70 75 76 84 75 030m1304 91 96 76 78 85 99 88 030m1305 86 90 78 76 71 90 74 030m1306 92 80

37、 71 85 75 65 84 030m1307 89 80 69 86 75 67 69 030m1308 91 85 61 83 73 79 87 030m1309 70 49 60 73 72 64 68 030m1310 35 26 71 76 71 44 70 030m1311 62 64 64 80 84 78 71 030m1312 32 44 68 77 60 51 61 030m1313 75 60 63 78 71 84 61 030m1314 85 75 70 86 75 63 70 030m1315 94 95 80 83 80 90 74 030m1316 60 70

38、 64 85 80 70 79 030m1318 92 84 83 80 81 99 85 030m1319 48 18 70 69 65 47 50 030m1320 87 76 68 91 69 65 79 030m1321 64 50 63 65 81 70 61 030m1322 90 85 80 73 79 75 79 030m1323 90 90 65 83 80 88 80 030m1324 65 80 62 76 76 78 74 030m1325 44 61 65 66 80 61 64 030m1326 92 93 62 76 77 88 89 030m1327 81 83

39、 60 75 80 88 80 030m1328 69 80 60 85 68 76 86 030m1330 62 69 45 80 81 81 73 030m1331 74 62 61 73 76 63 73 030m1332 84 65 78 91 77 62 77 030m1333 90 92 63 75 74 70 73 030m1334 73 67 63 75 79 61 78 030m1335 95 68 74 70 78 88 78 030m1336 31 46 61 78 78 51 77 ; Run; proc corr cov nosimple data=score; /*

40、-*/ var s1-s7; run; proc princomp data= score out=bb; /*/ /* out=bb prin1*/ var s1-s7; run; proc princomp cov data= score out=bb; /*/ /* out=bb prin1*/ var s1-s7; run; 程序4： 表222 num a1 a2 a3 a4 a5 a6 a7 a8 a9 a10 b12 b26 b29 c22 c31 c35 d39 d42 e17 e18 e19 e20 g13 g14 g15 g16 f23 f24 f25 030m1101 85

41、 87 93 72 76 78 82 83 95 88 81 74 82 82 94 100 86 86 86 73 81 72 82 86 73 81 82 84 78 030m1102 94 95 87 90 77 78 85 94 85 92 90 84 77 87 70 93 81 76 87 83 81 90 85 87 83 81 87 86 74 030m1103 89 85 78 77 86 95 71 90 96 80 81 71 75 74 87 87 89 87 83 71 77 77 71 83 71 77 74 95 87 030m1104 80 76 78 63 5

42、1 81 70 83 86 89 83 62 86 70 91 80 82 91 70 65 73 63 70 70 65 73 70 82 67 030m1105 66 83 73 78 61 71 68 79 83 81 86 78 75 79 74 77 83 87 82 73 85 78 68 82 73 85 79 60 85 030m1106 98 98 95 90 87 90 93 84 81 86 88 71 75 75 93 81 91 80 85 72 88 90 93 85 72 88 75 81 82 030m1107 80 76 60 63 41 60 70 82 7

43、7 76 77 60 76 84 76 73 68 77 81 67 77 63 70 81 67 77 84 83 64 030m1108 89 79 83 80 86 92 90 88 85 88 82 68 74 76 91 81 92 82 89 62 78 80 90 89 62 78 76 81 63 030m1109 77 64 60 61 37 73 65 80 70 60 72 37 80 72 67 74 60 72 76 66 81 61 65 76 66 81 72 93 74 030m1110 62 37 60 66 32 60 64 23 42 8 32 25 24

44、 75 6 26 60 62 78 60 69 66 64 78 60 69 75 80 62 030m1111 78 75 75 76 67 87 60 67 96 78 90 60 72 68 91 90 83 76 70 71 79 76 60 70 71 79 68 50 72 030m1112 84 73 47 74 60 60 92 72 76 68 60 62 60 76 88 83 65 68 75 61 78 74 92 75 61 78 76 70 72 030m1113 54 62 61 68 60 60 75 72 65 75 60 88 65 81 71 78 47 76 87 75 72 68 75 87 75 72 81 78 60 030m1114 84 66 60 83 65 78 84 63 82 67 70 63 44 87 26 7 62 81 91 69 79 83 84 91 69 79 87 94 70 030m1115 79 64 64 70 41 69 74 52 55 77 71 60 30