[edit 21.4.24 korjasin pitkän matikan kuvaajan. kiitos Ari Matikainen.]

Yhdistin tiedot Ylioppilaslautakunnan kevään ja syksyn ylioppilaiden arvosanadatasta. Tämä yhdistettykin tieto vakuuttaa ainakin minut, että tytöt pärjäävät paremmin kuin pojat ylioppilaskokeessa (keskimäärin).

himpun verran taustaa

Muutama vuosi sitten aloin tutkia Ylioppilaslautakunnan julkaisemia oppilaitoskohtaisia tunnuslukutiedostoja eri taulukkolaskentaohjelmien Pivot-taulukkotoiminnoilla. Niiden avulla sai helposti tehtyä erilaisia jakaumia liittyen eri aineisiin. Jossain vaiheessa halusin automatisoida laskentaa ja kuvaajien piirtoa. Python-kielen ja varsinkin sen pandas-kirjaston avulla big datan käsittely onnistuu suhteellisen helposti. Suhteellisen helposti tarkoittaa tässä opiskelua, sähköisten kirjojen selailua, googlailua, kokeilua, yritystä ja erehdystä, turhautumista ja onnistumisen tuntemuksia.

Jo tytöt/pojat vertailujeni alkuvaiheessa yllätyin siitä, kuinka suuria erot ovat niin monessa aineessa. Joihinkin kysymyksiin haluaisin tietää vastauksen. Mitä laskentani tulokset kertovat suomalaisesta koulujärjestelmästä ja erityisesti lukiosta? Onko se, että tytöt menestyvät monessa oppiaineessa paremmin kuin pojat tasa-arvoon liittyvä ongelma? Onko se, että pojat menestyvät joissakin oppiaineissa paremmin kuin tytöt tasa-arvoon liittyvä ongelma? Jos kyseessä on jonkin sortin ongelma, niin miten se ratkaistaan?

Olen eläkkeellä oleva opettaja, en tilastotieteilijä tai tutkija. Big datan tutkiminen on minulle harrastus. En tee hypoteeseja, jätän tilastollisen tutkimuksen alan ammattilaisille.

Ylioppilastutkintolautakunnan julkaisemissa tiedostoissa on paljon ylioppilasoppilaskohtaista tietoa: koulu, sukupuoli, opetuskieli, puoltoäänien lukumäärä ja eri oppiaineiden arvosanat. Kevään tiedostossa oli noin 25300 riviä ja 50 saraketta, syksyn tiedostossa noin 4400 riviä. Kun yhdistin tämän kevään ja syksyn tiedostot, niin taulukossa oli noin 30000 riviä ja 50 saraketta. Suurin osa tämän artikkelin laskennosta on suoritettu Python-koodilla. Jotkut kuvaajat ja taulukot sekä tarkistuslaskenta on tehty Google Sheets taulukkolaskentaohjelmalla. Erityisesti Google Sheetsin Saraketilastot työkalu on kätevä työkalu sarakkeiden jakaumien tutkimiseen.

Linkit edellisiin aiheen artikkeleihin ja tässä tarinassa käytettyyn lähdekoodiin löytyy artikkelin lopusta.

2023 ylioppilaat

Alla olevat kuvaajat ja taulukot on tuotettu yhdistämällä Ylioppilaslautakunnan julkaisemat tiedostot kevään ja syksyn 2023 ylioppilaista.

Tänä vuonna 2023 ylioppilaiksi valmistui 17342 (58,3 %) tyttöä ja 12416 (41,7 %) poikaa, yhteensä 29758. Vuoden 23 ylioppilaiden puoltoäänien summan keskiarvo oli tytöillä 24,1 ja pojilla keskiarvo 22,5. Tytöt kirjoittivat keskimäärin 5,56 ainetta, pojat 5,35 ainetta. Ylioppilasarvosanojen keskiarvo tytöillä oli 4,34 ja pojilla 4,21. Tytöt olivat keskiarvoissa laskettuna 0,13 arvosanaa ”parempia” kuin pojat.

Pojilla suurin puoltoäänien summa oli 78 ja tytöillä 64. Kyseinen poika opiskeli Parolan lukiossa ja tytön lukio oli Gymnasiet Lärkan.

Tytöt kirjoittivat keskimäärin 5,6 ainetta, pojat 5,4 ainetta.

Alla olevassa kuvaajassa näkyy sellaiset kirjoitetut aineet, joissa osallistujia oli yli 1000 kokelasta.

eri aineiden arvosanajakaumia

Tein arvosanajakaumat niille aineille, joita oli kirjoitettu yli 3000 kertaa. Tällaisia aineita olivat: EA, A, N, M, BB, BI, PS, YH, FY, HI, TE, KE.

Pitkää englantia EA kirjoitti 15636 tyttöä ja 11713 poikaa.

Äidinkieltä A kirjoitti 15505 tyttöä ja 11001 poikaa.

Lyhyttä matematiikkaa N 8349 tyttöä ja 5522 poikaa.

Pitkää matematiikkaa M kirjoitti 6760 tyttöä ja 6422 poikaa.

Keskipitkää ruotsia BB kirjoitti 6547 tyttöä ja 2309 poikaa.

Biologiaa BI kirjoitti 6347 tyttöä ja 2279 poikaa.

Psykologiaa PS kirjoitti 6954 tyttöä ja 1321 poikaa.

Yhteiskuntaoppia YH kirjoitti 3344 tyttöä ja 4325 poikaa. Yhteiskuntaoppi, fysiikka, historia olivat ainoat aineet yli kolmen tuhannen kirjoittajan aineista, joita pojat kirjoittivat enemmän kuin tytöt.

Fysiikkaa FY kirjoitti 2832 tyttöä ja 4697 poikaa.

Historiaa HI kirjoitti 3096 tyttöä ja 4323 poikaa.

Terveystietoa TE kirjoitti 4614 tyttöä ja 4323 poikaa.

Historiaa HI kirjoitti 471 tyttöä ja 547 poikaa.

Kemiaa kirjoitti 3401 tyttöä ja 2648 poikaa.

Maantiedettä 2009 tyttöä ja 1915 poikaa.

Evankelisluterilaista uskontoa kirjoitti 2367 tyttöä ja 791 poikaa.

keskiarvot ja keskihajonnat aineittain taulukkona

Alla on taulukko eri aineiden kirjoittaneiden lukumääristä, keskiarvoista ja keskihajonnoista. NaN (Not a Number) on Python kielen tapa ilmaista, että kyseistä lukua ei voi laskea. Esimerkiksi, jos sarakkeella/rivillä ei ole lukuja, niin niistä ei voi laskea keskiarvoa tai keskihajontaa.

Taulukossa sukup tarkoittaa sukupuolta, yht puoltoäänien summaa, lkm kirjoitettujen aineiden lukumäärää ja muut oppiaineita. Oppiainekoodit löytyvät artikkelin lopusta.

aine	plkm	pkeskiarvo	pkeskihajonta	tlkm	tkeskiarvo	tkeskihajonta
sukup	12416	1,000	0,000	17342	2,000	0,000
yht	12416	22,531	7,643	17342	24,116	8,068
A	11001	3,676	1,449	15505	4,374	1,387
O	911	3,423	1,515	1150	4,392	1,338
Z	0	NaN	NaN	4	5,000	0,816
I	0	NaN	NaN	0	NaN	NaN
W	0	NaN	NaN	0	NaN	NaN
Q	0	NaN	NaN	0	NaN	NaN
A5	498	4,185	1,388	682	4,469	1,407
O5	8	4,875	1,642	7	3,857	1,864
M	6422	4,746	1,421	6760	4,465	1,344
N	5522	3,973	1,319	8349	3,887	1,405
BI	2279	4,303	1,489	6348	4,481	1,460
FF	766	4,385	1,468	1091	4,432	1,419
FY	4697	4,560	1,419	2832	4,558	1,294
HI	4323	4,204	1,467	3096	4,514	1,410
PS	1321	3,661	1,426	6954	4,373	1,410
UE	791	4,172	1,514	2367	4,343	1,405
UO	8	4,000	2,070	24	3,917	1,640
ET	89	4,135	1,666	317	4,533	1,358
GE	1915	3,959	1,419	2009	4,384	1,488
KE	2648	4,761	1,483	3401	4,595	1,441
TE	2004	3,331	1,288	4614	4,197	1,418
YH	4325	4,017	1,460	3344	4,257	1,439
BA	260	4,758	1,483	670	4,536	1,694
BB	2309	4,158	1,540	6547	4,418	1,524
CA	483	4,617	1,279	644	5,250	1,270
CB	335	4,522	1,585	371	4,663	1,455
EA	11813	4,548	1,472	15636	4,146	1,561
FA	71	4,746	1,461	147	4,980	1,426
SA	118	5,119	1,391	227	5,295	1,359
PA	25	5,520	1,262	63	5,444	1,175
VA	162	6,062	1,178	250	6,228	1,068
EC	471	3,934	1,443	1018	4,095	1,475
FC	119	4,605	1,410	429	4,772	1,406
SC	440	4,466	1,469	678	4,851	1,352
PC	130	4,869	1,567	551	4,942	1,318
VC	117	4,812	1,676	183	4,798	1,686
DC	0	NaN	NaN	4	3,750	0,957
IC	1	4,000	NaN	1	4,000	NaN
QC	0	NaN	NaN	0	NaN	NaN
GC	2	6,000	1,414	7	5,571	1,902
TC	16	5,875	1,408	38	5,184	1,799
L1	11	5,545	1,440	20	5,100	1,553
L7	2	6,500	0,707	1	7,000	NaN
lkm	12416	5,349	0,635	17342	5,555	0,738

keskiarvon erotus

Keskiarvojen erotustaulukossa on laskettu poikien ja tyttöjen keskiarvojen erotukset eri aineissa. Miinusmerkkiset erotukset tarkoittavat sitä, että poikien keskiarvo on suurempi kuin tyttöjen.

aine	erotus	aine	erotus
yht	1,59	IC	0,00
sukup	1,00	FY	0,00
O	0,97	VC	−0,01
TE	0,87	PA	−0,08
PS	0,71	UO	−0,08
A	0,70	N	−0,09
CA	0,63	KE	−0,17
L7	0,50	BA	−0,22
GE	0,43	M	−0,28
ET	0,40	EA	−0,40
SC	0,39	GC	−0,43
HI	0,31	L1	−0,45
A5	0,28	TC	−0,69
BB	0,26	O5	−1,02
YH	0,24
FA	0,23
lkm	0,21
BI	0,18
SA	0,18
UE	0,17
FC	0,17
VA	0,17
EC	0,16
CB	0,14
PC	0,07
FF	0,05

t-testi

Laskin kaikista aineista Studentin t-testin keskiarvon erotuksista. Sen avulla voi selvittää missä aineissa keskiarvot poikkeavat toisistaan tilastollisesti erittäin merkitsevästi (p < 0.001).

Tänä vuonna tytöillä oli tilastollisesti erittäin merkitsevästi (p < 0.001) paremmat keskiarvot poikiin verrattuna seuraavissa aineissa : äidinkieli suomi A, terveystieto TE, psykologia PS, äidinkieli ruotsi O, historia HI, maantiede GE, suomi, pitkä oppimäärä CA, yhteiskuntaoppi YH, ruotsi keskipitkä oppimäärä BB, biologia BI ja saksa lyhyt oppimäärä SC.

Pojilla keskiarvo oli tilastollisesti erittäin merkitsevästi ”parempi” seuraavissa aineissa: kemia KE, pitkä matematiikka M, englanti pitkä oppimäärä EA, lyhyt matematiikka N ja Suomi toisena kielenä A5.

Alla oleva taulukko on laskettu Pythonin scipy.test-kirjaston ttest_ind funktiolla. Sarakkeella t-arvo on testisuure, jonka etumerkistä näkee, kumpi keskiarvo on suurempi. Mikäli sarakkeen p-arvo luku on pienempi kuin 0.001 on kyseessä tilastollisesti erittäin merkitsevä ero. P-arvot, joissa on merkintä 0.0000 ovat pienempiä kuin 0.001.

Järjestin t-testikoodin tuottaman taulukon p-arvon mukaiseen järjestykseen. Vasemman puoleisissa aineissa tytöt olivat tilastollisesti erittäin merkitsevästi ”parempia” kuin pojat, keskellä pojat olivat ”parempia”. Oikealla p-arvo oli suurempi kuin 0,001 eli ero ei ollut tilastollisesti erittäin merkitsevä.

aine	t-arvo	p-arvo	aine	t-arvo	p-arvo	aine	t-arvo	p-arvo
A	−39,3326	0,0000	KE	4,3683	0,0000	UE	−2,8013	0,0052
lkm	−25,8033	0,0000	M	11,6594	0,0000	ET	−2,0700	0,0406
TE	−24,3811	0,0000	EA	21,8160	0,0000	EC	−1,9890	0,0470
yht	−17,2359	0,0000	N	3,6834	0,0002	BA	1,9653	0,0499
PS	−16,6667	0,0000	A5	−3,4577	0,0006	TC	1,5107	0,1396
O	−15,1854	0,0000				VA	−1,4512	0,1477
HI	−9,1611	0,0000				CB	−1,2242	0,2213
GE	−9,1582	0,0000				FC	−1,1410	0,2553
CA	−8,2489	0,0000				SA	−1,1271	0,2609
YH	−7,1812	0,0000				FA	−1,1125	0,2679
BB	−7,0115	0,0000				O5	1,1148	0,2866
BI	−4,9222	0,0000				L1	0,8014	0,4314
SC	−4,4170	0,0000				FF	−0,6825	0,4950
						PC	−0,4896	0,6250
						GC	0,3480	0,7583
						PA	0,2582	0,7975
						UO	0,1035	0,9196
						VC	0,0712	0,9433
						FY	0,0700	0,9442

oppiainekoodit

koe	nimi	koe	nimi
A	Äidinkieli, suomi	L1	Latina, lyhyt oppimäärä
A5	Suomi toisena kielenä	L7	Latina, pidempi oppimäärä
BA	Ruotsi, pitkä oppimäärä	M	Matematiikka, pitkä oppimäärä
BB	Ruotsi, keskipitkä oppimäärä	N	Matematiikka, lyhyt oppimäärä
BI	Biologia	O	Äidinkieli, ruotsi
CA	Suomi, pitkä oppimäärä	O5	Ruotsi toisena kielenä
CB	Suomi, keskipitkä oppimäärä	PA	Espanja, pitkä oppimäärä
DC	Pohjoissaame, lyhyt oppimäärä	PC	Espanja, lyhyt oppimäärä
EA	Englanti, pitkä oppimäärä	PS	Psykologia
EC	Englanti, lyhyt oppimäärä	QC	Koltansaame, lyhyt oppimäärä
ET	Elämänkatsomustieto	SA	Saksa, pitkä oppimäärä
FA	Ranska, pitkä oppimäärä	SC	Saksa, lyhyt oppimäärä
FC	Ranska, lyhyt oppimäärä	TC	Italia, lyhyt oppimäärä
FF	Filosofia	TE	Terveystieto
FY	Fysiikka	UE	Evankelis-luterilainen uskonto
GC	Portugali, lyhyt oppimäärä	UO	Ortodoksi uskonto
GE	Maantiede	VA	Venäjä, pitkä oppimäärä
HI	Historia	VC	Venäjä, lyhyt oppimäärä
I	Äidinkieli, inarinsaame	W	Äidinkieli, koltansaame
IC	Inarinsaame, lyhyt oppimäärä	YH	Yhteiskuntaoppi
KE	Kemia	Z	Äidinkieli, pohjoissaame

---

Lähiaikoina julkaisen artikkelin, jossa piirtelen ainekohtaisia aikasarjoja poikien ja tyttöjen arvosanojen keskiarvoista.

lähteet

Python koodini Colabissa
https://colab.research.google.com/drive/1uTpRkCTUYY0X61UVmODoG-1Zwb-MMNn-?usp=sharing

Scipy t_test manuaali https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.ttest_ind.html

YTL:n Oppilaitoskohtaisia tunnuslukuja-sivu ​​https://www.ylioppilastutkinto.fi/fi/tietopalvelut/tilastot/oppilaitoskohtaisia-tunnuslukuja

Kevään 23 yo-kokeen jakaumia, tytöt ovat edelleen erilaisia kuin pojat -artikkeli
https://mikkorahikka.blog/2023/11/20/2023-syksyn-ylioppilaiden-arvosanajakaumia-tytot-ja-pojat-ovat-erilaisia/

Kevään 23 yo-kokeen jakaumia, tytöt ovat edelleen erilaisia kuin pojat -artikkeli https://mikkorahikka.blog/2023/06/20/kevaan-23-yo-kokeen-jakaumia-tytot-ovat-edelleen-erilaisia-kuin-pojat/

Aiemmat artikkelini aiheeseen liittyen
https://mikkorahikka.blog/tag/ylioppilaskoe/