AD ALTA 

 

JOURNAL OF INTERDISCIPLINARY RESEARCH

 

 

 

We decided to adjust our usual teaching methods based on the 
above-mentioned analysis and the fact that the point average for 
the entrance exams of 2017/2018 was 5.15 point, which 
represented 36.8%. In that academic year we evaluated 124 
students and the results are stated in Table 4 and Fig. 1.   

 

Figure 1. Results from Mathematics for the years 2016 and 2017 
 

 

 
Source: own processing 
 
Table 2. Chi-square test of independence – The comparison of 
the total continuous performance for the year 2016, N=131. 
 

 

Entrance exam 

Sum 

Mathematics 

Do meet 

expectations 

Meet 

expectations 

Exceed 

expectations 

D

o

 n

o

t 

m

eet

 

ex

p

ec

tat

io

n

s 

NP 

12 

4 

0 

16 

NO 

2,2 

10,9 

2,9 

16,0 

NPr 

75,0% 

25,0% 

0,0% 

100,0% 

SR 

6,6 

-2,1 

-1,7 

 

Me

et 

ex

p

ec

tat

io

n

s 

NP 

5 

62 

4 

71 

NO 

9,8 

48,2 

13,0 

71,0 

NPr 

7,0% 

87,3% 

5,6% 

100,0% 

SR 

-1,5 

2,0 

-2,5 

 

E

x

ce

ed

 

ex

p

ec

tat

io

n

s 

NP 

1 

23 

20 

44 

NO 

6,0 

29,9 

8,1 

44,0 

NPr 

2,3% 

52,3% 

45,5% 

100,0% 

SR 

-2,1 

-1,3 

4,2 

 

Su

m

 

NP 

18 

89 

24 

131 

NO 

18,0 

89,0 

24,0 

131,0 

NPr 

13,7% 

67,9% 

18,3% 

100,0% 

 

χ²(4) = 86,938, p<,001 

 

Cramer V = ,576, p<,001 

rS = 0 ,611, p<,001 

Source: own processing. 
 
N

P

 – observed frequency, N

O

 – expected frequency, N

Pr

 – 

relative 

observed 

frequency, 

 

χ² 

- 

chi-

square test of independence, SR – standardized residuals, 
Cramer V – power indicator, rS - Spearman's correlation 
coefficient, p – value 

1.96 ≤ SR < 2.58 (p <.05); 2.58 ≤ SR < 3.29 (p < .01), SR > 3.29 
(p < .001) 
 
We compared the overall performance score of students in 
Mathematics in 2016/2017 with their overall score of Entrance 
exam v using Student's t-test for two dependent selections. 
Based on its results, we found that there is a statistically 
significant difference between the overall performance score of 
Mathematics students in 2016/2017 and their overall score in 
entrance exam 2017/2018, t (130) = 3,600, p <.001. In particular, 

it has been shown that students achieved entrance exam (AM = 
8.08, SD = 3.239) significantly higher than entrance exam (AM 
= 7.40, SD = 2.884). 
 
However, it should be noted here that, despite the point 
difference, students in both subjects achieved on average a 
performance that 

met expectations (5≤AM≤9). Thus, the 

statistically significant difference found is not significant in 
practical terms. The results are summarized in Table 3. 
 
Table 3. Student's t test on two independent samples – The 
comparison of the total point evaluation from Entrance exam and  
Mathematics for year 2016, N=131 
 

 

Description 

Student's t test on 

two independent 

samples 

AM 

SD 

SE 

t 

df 

p 

Mathematics 

8,08 

3,239 

,283 

3,600 

130 

<,001 

Entrance 

exam 

7,40 

2,884 

,252 

Source: own processing. 
 
AM – arithmetic mean, SD – standard deviation, SE – standard 
error of estimate, t – Student's t test on two independent samples, 
df – degrees of freedom, p – significance level 
 
From all this we conclude that after the experiment (which is a 
part of a project of our faculty) it is evident that the level of 
students' knowledge form mathematics increased without any 
further requirement necessitating an additional extent in weekly 
lesson time. This experiment led the teaching team of our faculty 
to develop or to modify the existing models focusing on the 
quantification and monitoring of the effectivity parameters of the 
pedagogical process. 
 
Table 4. Descriptive statistical indicators of continuous 
performance for the year 2017 
 

 

Entrance exam 

Mathematics 2017 

Sample size 

124 

124 

Mean 

5,15 

8,21 

Standard error 

0,241 

0,274 

Median 

5,00 

8,00 

Mode 

4 

8 

Standard 

deviation 

2,662 

3,081 

Variance 

7,085 

9,493 

Skewness 

0,130 

-0,449 

Kurtosis 

0,106 

0,023 

Range 

13 

14 

Minimum 

0 

0 

Maximum 

13 

14 

Source: own processing 
 
6 Conclusions 
 
Each school should have its own quality management system, 
focusing on all learning processes. It is the employees who 
should be actively involved in the realization of the changes 
taking place on the campus. The school should provide regular 
improvement, in the form of various training and consultations, 
which should contribute to improving the learning process and 
improving students' knowledge. Only then can we consider the 
level of education of teaching staff to be effective if students are 
regularly trained in their field and bring positive benefits to 
society. 
 
Improvement in the results of the subject of Mathematics by 
incorporating new pedagogical processes leads us to further our 
efforts in the implementation of the same for the subjects of 
Microeconomics, Operative analysis and Econometrics. 
 

- 79 -