密集式课程指的是在给定时间内的学期式或季度式课程，一般可用于多种学科。多数研究结果表明，接受密集学习法的学生能够获得更加出色的学习成绩，而且远优于传统学习法；同时，有研究还发现，在使用密集学习法的班级内，学生的退学率要低得多[5]。 
　　目前关于密集课程的研究表明，学生的学习动机、学习经历、生活经历以及性别因素都会影响到学生的学习效率。在研究中，相比传统课程，接受密集课程的学生年龄要相对较大，同时获得的CEE成绩也较为出色[2-3]。这说明，学生可能更愿意接受密集课程，进而取得了更加出色的成绩。在密集课程方面，学期的课时数和学生的期末成绩不存在任何联系[2，5]。在该研究中，传统课程为期15周，课程处于秋季；而密集课程则为期3周，且处于夏季。研究发现，接受密集课程的学生能够获得更加出色的成绩。为此，收集了4个学年的数据，并对这两种使用同种教学材料以及不同课程模式的学生进行了预测，之后对学生的测试结果进行了对比。在测试后，分析该对比结果以及学生的记录信息，完成研究。 
　　研究方法 
　　课程 
　　本研究将委派教师记录4个学年内，夏秋季招收学生的学业记录情况，收集信息包括课程数据和学生记录等。根据研究结果，4年内传统课程内招收学生的总数达到161人，但是只有132人完成学业并接受了最终考试。同时4年内接受密集课程的学生总数则达到96人，但是只有89人完成了学业并参加了最终考试。此外，本研究只将参加最终考试的学生作为分析对象。 
　　课程形式 
　　除了课程长度存在区别外（分别为3周和15周），密集课程教学和传统课程教学不存在任何差异。也就是说，在4个学年内，两门课程的很多因素是相同的，比如教师、教材、联系时间、课程要求、课程目标、教师环境、教学风格、评分标准、实验课程、期中考试和期末考试等。在传统课程中，学生每周须接受2次为时85分钟的听讲课程，以及3个小时的实验课程。期中考试内容包括了两个章节，而且测试间隔时间大约为3周。而在密集课程中，学生每周须接受5次为时150分钟的听讲课程，以及5次为时3小时的实验课程。期中考试内容也包括两个章节，而测试间隔时间则只有3天。 
　　共变量 
　　考虑到学生的个体差异，我们使用了三种测量标准来衡量学生的已有知识水平，并将其作为共变量。这三种测量包括由教师组织的24多选题预测（在首节课时进行）、CEE测试和CET测试。同时，这三个共变量之间的皮尔森相关因子均远低于0.80（rCET 
　　/CEE=0.461，rCET/pretest=0.406，rCEE/pretest=0.311）。这就说明，这三个共变量可很好地解释数据的可变性，并充分考虑到这三个变量在分析中所发挥的作用。 
　　自变量 
　　本研究的目的是确定这5个因素（也就是自变量）是如何影响到密集课程以及传统课程中学生的学习成绩的。这些变量包括了课程形式（传统式和密集式）、学习经历、生活经历、所学专业和性别（男性和女性）。在本研究中，学习经历指的是学生在接受课程时已完成的课时。这个变量还可进一步分为5大类，分别司0到30小时、31到60小时、61到90小时、91到120小时以及120小时以上。生活经历指的是学生距离高中毕业时的年限（如果学生是在高中毕业前就参加了该课程，则生活经历为负值）。该变量可分为3类，分别是-1到2年、3到5年以及5年以上。所学专业可分为3类，分别是文科、理学和艺术类。 
　　因变量 
　　在本研究论文中，我们分别收集了3种测量法得到的相关数据。这些数据包括了学生的最终考试成绩、课时得分以及在24多选题预测中的成绩。同时，我们将学生在课程中获得的所有成绩来作为一个因变量，原因是该变量可代表学生在该课程中获得的最终成绩。这些数据还包括了学生知识水平测试（单元考试和期末考试）和学生的课时考勤情况（实验报告和考勤评分），因而完善了测量标准。研究[23]则对学生的期末考试以及后期测试进行了评估，以便更好地评价学生的化学知识水平。该门课程的总分为800分，具体可分为5次平时测试占400分（每次100分，并扣除掉最低分或缺席考试），期末考试占200分，实验成绩占200分，此外考勤占额外的15分。在4个学年内，学生参加的期中和期末考试内容都是相同的，并在实验前接受相同的测试。 
　　数据分析 
　　研究人员将借助SYSTAT 10.2软件来对收集到的数据进行ANCOVA方差分析。其中，总分将会被作为应变量，而课程形式、学习经历、生活经历、所学专业和性别则作为自变量。同时，预测成绩、CEE成绩和CET成绩则作为共变量。虽然我们对CET成绩的兴趣颇多，但是只在四分之三的学生成绩中考虑到该共变量的影响。鉴于CET成绩在衡量学生知识水平方面的高效性，因此有必要在所有的学生成绩中考虑到CET的影响，同时研究人员也认为只在四分之三的学生中进行CET测试会降低研究结果的准确性。此外，我们进行了两次对比，详细情况参见表1和表2。表1包括了ANCOVA方差分析结果，并将CET成绩作为153名学生的共变量；而表2则包括了所有221名学生的ANCOVA方差分析结果，但是并不将CET成绩视为共变量。同时，研究[26-27]通过G*Power 3.1软件进行了分析，并发现最小样本数量所需的指数应到达0.80。我们还发现，当自变量的自由度为1时（课程形式和性别），N则应达到128；自变量的自由度为2时，N则应达到158（生活经历和学习经历）；同时关于学习经历的N则应达到196（df=4）。考虑到样本数量的有限，对于自由度超过1的自变量来说，将CET成绩作为共变量的分析结果会因为指数较低而无法证实该自变量所造成的影响；而未将CET成绩作为共变量的分析结果则具有足够高的指数，因此可分析这5个自变量造成的影响。
关于数据方面，ANCOVA分析主要列出了6项条件，分别是方差的同质性、观察的独立性、分布的正态性、测量的可靠性、回归斜率的平行性和线性。此外，针对ANCOVA计算的后续分析则表明，以上6个条件均得到满足。 
　　结果和讨论 
　　根据表1和表2中的ANCOVA结果，我们可以发现这三个共变量（CET成绩、CEE和预测成绩）和学生的学习成绩息息相关。考虑到这三个变量是衡量学习成绩的公认标准，因此必将影响到本研究中学生在化学课程的表现情况。ANCOVA计算法可将成绩差异归类到指定共变量进而控制各个变量给研究带来的影响。因此，表1和2中的F和p值可作为衡量CET成绩、CEE和预测成绩这三个变量所发挥影响的重要因素。 
　　在本研究中，两轮ANCOVA测试中得到的自变量结果都是相同的。这就说明，不管我们是否将CET成绩作为共变量或是将四分之一的学生从研究对象中剔除掉，所得到的结果其实都是一样的。当考虑到CET成绩时，关于课程形式的效应因子w2可达到0.094；而在不考虑CET成绩时，该值则为0.096。可以看出，这些值是和某种介质效应相对应的。也就是说，当w2位于0.01到0.06之间时，该效应则较不明显；而w2当超过0.14时，该效应则较为明显。 
　　结论 
　　本研究发现，在考虑到学生学习能力差异性的情况下，接受密集型大学化学入门课程（为期3周）的学生可比接受传统型课程（为期15周）获得更加出色的成绩。本研究认为，密集课程之所以比较成功的原因主要有两点。第一点是教学步骤。也就是说，接受密集课程的学生在每一天所吸收的学习量相当于传统课程中学生一周的学习量。而第二点则是，由于在密集学习模式中，学生在每周5天都必须学习5到6个小时，因此一般不会在该学期内接触到其他课程。由于教学进度的加快同时不受到其他课程影响，这些学生可以更好地将注意力放在当前课程中，进而获得更好的成绩。