数据范围与普遍性重要警示说明
本平台所有成绩分析数据仅包括人工智能学院(涵盖计算机科学与技术、软件工程、人工智能、数据科学与大数据技术等专业)2025–2026 学年学生的选课与期末成绩记录。
数据样本仅反映人工智能学院学生修读相关课程的成绩分布与给分情况,未包含全校其他非人工智能学院专业的成绩样本。各课程统计、均分对比及任课教师评分画像均不具备全校普遍性与整体代表性,切勿直接外推至其他学院或其他年级,仅供本院学生参考。
数据样本:仅包括人工智能学院(不具备全校普遍性) 极速轻量化引擎

2025–2026 学年 人工智能学院修读课程 任课教师给分分布与给分极差天梯榜

基于江西师范大学人工智能学院 2025–2026 学年学生教务成绩库与选课排课明细,对该院学生修读的 750+ 门课程、730+ 位任课教师的给分尺度、均分分布与分班差异进行倒推计算。
特别提醒:本站全部样本均仅来源于人工智能学院学生选修记录,不代表其他学院情况,不具备全校普遍性与整体代表性。

本院分析课程总数
754
涵盖本院学生修读的全部四大类课程
本院学生选课人次
34,824 人次
仅限人工智能学院样本 · 100%脱敏
关联任课教师
737
执教人工智能学院班级教师
本院最大均分极差
28.14
大学英语 Ⅰ (刘政 vs 陈海峰)

机制解析:跨教师给分极差与专业分保研影响

在评定保研加权平均分与奖学金综测时,学校统一按同一课程号全体学生的合并均分与标准差换算标准分:Z = (X - 课程均分) / 标准差
在多名老师平行开课的课程中,由于缺乏跨班级标定与给分归一化机制,极差现象普遍存在:
例如《大学英语Ⅰ》极差达 28.14 分,高数与体育多门课程极差超 20 分,计组课设极差达 12.5 分!选到严格老师的学生即使在班内排名靠前,其标准分也会被严重压低;而选到宽松老师的学生则享有极高的标准分溢价。
注:此处给分极差仅基于人工智能学院各班级开课数据对比,各教师在其他学院开设班级的给分情况未纳入统计。

人工智能学院多教师开课课程 给分极差天梯榜 (共 147 门跨教师课程)
分页极速渲染 · 零卡顿
排名 课程名称 开课类别 学期 老师数 最高均分教师 (均分) 最低均分教师 (均分) 均分极差 (分差) 标准分落差 (ΔZ) 差异评定
本院样本中给分最充裕教师 TOP 15 (样本 ≥ 25人)
教师姓名 总学生数 授课门数 有效总均分 优秀率 (90+)
朱增奎 37 人 1 门 92.19 分 89.2%
徐华博 67 人 4 门 92.06 分 88.1%
熊思佳 59 人 1 门 92.03 分 89.8%
汪忠华 109 人 3 门 90.7 分 66.1%
郭志炜 68 人 4 门 90.53 分 80.9%
董浩男 37 人 3 门 90.51 分 81.1%
叶鸿武 58 人 2 门 90.51 分 63.8%
张路正 55 人 2 门 90.2 分 67.3%
钱国荣 191 人 4 门 90.17 分 55.0%
龙永俊 67 人 2 门 89.18 分 53.7%
孟鹰 303 人 5 门 89.1 分 55.8%
李汶 29 人 1 门 88.66 分 41.4%
龙浩 309 人 4 门 88.58 分 54.7%
周永生 42 人 2 门 88.57 分 59.5%
王鑫强 166 人 3 门 88.45 分 55.4%
本院样本中把关最严格教师 TOP 15 (样本 ≥ 25人)
教师姓名 总学生数 授课门数 有效总均分 优秀率 (90+)
郑哲明 113 人 2 门 56.81 分 0.0%
王斌 58 人 2 门 63.59 分 6.9%
邓有莲 161 人 2 门 64.08 分 1.9%
张鹏 66 人 2 门 64.33 分 0.0%
涂四利 175 人 2 门 64.65 分 4.6%
龙绍赟 46 人 2 门 64.82 分 2.2%
龚穗丰 33 人 2 门 65.06 分 0.0%
唐权华 49 人 3 门 65.88 分 4.1%
陈萌 137 人 2 门 65.99 分 0.7%
毕琴 30 人 4 门 67.79 分 0.0%
李淑龙 76 人 1 门 68.16 分 1.3%
万剑敏 137 人 4 门 69.07 分 0.0%
李莹 176 人 2 门 69.41 分 5.1%
戴国元 59 人 2 门 69.47 分 6.8%
毛文华 29 人 4 门 69.79 分 10.3%