Understanding Self-Regulated Learning Behavior Among High and Low Dropout Risk Students During CS1: Combining Trace Logs, Dropout Prediction and Self-Reports

以下是论文《理解 CS1 中高辍学风险与低辍学风险学生的自我调节学习行为：结合追踪日志、辍学预测与自我报告》的详细技术总结。

1. 问题陈述

入门编程课程（CS1）是计算机科学教育中的关键瓶颈，其特征是高辍学率以及给初学者带来的巨大挑战。虽然预测性学习分析能够以高准确度识别有风险的学生，但这些模型往往缺乏可解释性。教育工作者难以理解为什么某位学生被预测为有辍学风险，或者如何其特定的学习行为导致了该风险。

当前研究往往依赖于课程结束后对高绩效与低绩效学生的比较，或使用缺乏时间粒度的自我报告。因此，亟需一种能够：

• 将实时行为数据（追踪日志）与预测性辍学模型联系起来的方法。
• 区分暂时性困难与导致辍学的不可逆路径。
• 整合自我调节学习（SRL）理论以解释这些行为的方法。

2. 方法论

本研究采用混合方法，将定量学习分析与定性自我报告相结合，并基于**自我调节学习（SRL）**理论（特别是 Winne & Hadwin 的战术 - 策略框架）。

2.1 数据收集

• 背景： 于 2023 年秋季在于韦斯屈莱大学（University of Jyväskylä）开设的一门 6 学分的 CS1 课程，共有 321 名注册学生。
• 参与者： 47 名同意参与的学生提供了追踪日志；其中 29 人完成了课后自我报告问卷。
• 数据来源：
  • 追踪日志： 来自虚拟学习环境（VLE）的 86,738 条原始事件，包括课程书使用、讲座、作业提交（入门、核心、基础、附加、专家级）、助教（TA）课程以及模型答案查阅。
  • 绩效数据： 每周作业分数、考试分数和最终成绩。
  • 自我报告： 关于学习习惯、挑战和资源使用的开放式问题。

2.2 数据分析流程

作者开发了一个五步流程，将原始日志转化为可解释的学习画像：

1. 日志预处理： 使用 25 分钟的截止阈值（基于估算的任务完成时间）将原始事件分组为学生会话。移除仅包含单个事件的会话以过滤噪声。
2. 学习战术发现：
   • 将会话转换为事件频率向量（82 种不同的事件代码）。
   • 应用$k$-中心点聚类（使用$\ell_1$距离）以识别 12 种不同的学习战术（例如，“专注于课程材料”、“尝试核心任务”、“复习前几周内容”）。
3. 学习策略构建：
   • 将会话重新标记为其对应的战术代码。
   • 将日志拆分为周性子日志，以捕捉 11 周课程中策略的演变。
   • 每周的战术序列构成一个学习策略。
4. 学习策略特征化（风险分组）：
   • 将预训练的逻辑回归辍学预测模型（基于任务绩效）应用于每位学生的每周数据，以生成辍学概率（$p_{drop}$）。
   • 将策略标记为高风险（$p_{drop} > 0.5$）或低风险（$p_{drop} \leq 0.5$）。
   • 聚类： 在每个风险组内，基于战术转换的一阶马尔可夫模型（FOMM），使用**期望最大化（EM）**算法对策略进行聚类。
   • 解释： 使用启发式网络（流程挖掘）和SHAP 瀑布图（用于解释预测特征）对聚类进行可视化，以定义不同的策略类型。
5. 学生特征化：
   • 根据学生在整个课程中使用的策略类型的频率对学生进行了聚类（凝聚聚类）。
   • 使用Brunner-Munzel 检验在统计上比较各聚类在成绩、辍学预测和自我报告观点方面的差异。
   • 对自我报告进行定性内容分析，以验证并赋予定量聚类以背景意义。

3. 主要贡献

• 方法论整合： 提出了一种新颖的流程，结合流程挖掘、预测建模和自我报告，以解释为什么学生处于风险之中，超越了简单的分类。
• 细粒度的策略分类学： 识别了12 种不同的周学习策略类型，按风险等级分类：
  • 3 种低风险策略： 任务导向型（以绩效为重点）、寻求理解型（资源密集型）和资源聚焦型（材料重于任务）。
  • 9 种高风险策略： 从可恢复的困难（如“起步缓慢”、“借助示例尝试”）到关键失败模式（如“落后且过晚意识到困难”、“仅冒险关注必修任务”）。
• 纵向画像： 基于学生在整个学期中如何驾驭这些策略，定义了5 种学生学习画像类型。
• 三角互证： 展示了自我报告如何解决追踪日志数据中的歧义（例如，解释为何使用“高风险”策略的学生仍然通过了课程）。

4. 主要结果

4.1 低辍学风险行为（RQ1）

低风险学生通常表现出三种主要的周策略：

1. 任务导向型： 专注于高效完成必修和基础任务。
2. 寻求理解型： 在尝试任务之前，优先通过讲座和补充资源深入理解内容。
3. 资源聚焦型： 在课程材料和模型答案上花费大量时间，而非立即完成任务。

• 画像： 这些行为与**“适应性寻求理解者”（根据情境调整策略）和“活跃的任务导向学习者”**等画像相关联。

4.2 高辍学风险行为（RQ2）

高风险学生表现出九种不同的策略。至关重要的是，该研究区分了暂时性和终结性风险：

• 可恢复风险： 如“起步缓慢”或“难以理解”等策略，通常被那些最终恢复并通过课程的学生使用。
• 终结性风险： 如**“落后且过晚意识到困难”（查看模型答案而不做作业）和“仅冒险关注必修任务”**等策略，与辍学学生高度相关。
• 洞察： 辍学学生通常在离开前 1–2 周退回到高风险策略，这往往是在引入某个特定难点主题之后发生的。

4.3 学生画像与自我报告（RQ3）

研究确定了五种学生画像：

1. 适应性寻求理解者（N=20）： 根据每周主题调整策略；广泛接触多样化资源。
2. 勤奋的课程内容追随者（N=14）： 严格遵守建议的时间表；高度依赖助教和同伴小组。
3. 活跃的任务导向学习者（N=5）： 持续使用低风险策略；任务完成率高。
4. 坚持到底者（N=1）： 一个异常值，使用了高风险策略（极少做作业），但因卓越的考试成绩而以高分通过。自我报告揭示该学生时间管理较差，但信息检索能力极强。
5. 课程辍学者（N=7）： 全部在课程中途辍学。他们在离开前的几周 exclusively（仅）使用了高风险策略。

验证： 自我报告证实了定量发现。例如，“适应性”组报告称因个人情况调整了常规，而“勤奋”组报告称高度依赖外部帮助。唯一的“坚持到底”异常值的自我报告解释了其独特的路径（以考试为重点），如果仅凭追踪日志，该路径可能会被误分类为失败。

5. 意义与实践启示

• 针对性干预： 该研究为助教和教师提供了一个框架，不仅能识别谁处于风险之中，还能识别什么具体行为导致了风险。例如，使用“晚期依赖模型答案”的学生需要不同的干预措施（例如，强制完成任务），而使用“起步缓慢”的学生则需要不同的干预（例如，时间管理辅导）。
• 早期预警系统： 通过将周策略类型与辍学概率联系起来，教育工作者可以在课程期间进行干预，而不是在事后进行复盘。
• 整体视角： 追踪日志与自我报告的结合防止了误读。在日志中看似“高风险”的学生可能是一位“坚持到底”的学习者，仅仅拥有不同但有效的策略，从而避免了不必要或方向错误的干预。
• 可扩展性： 该流程利用现有的 VLE 数据和标准的机器学习模型，使其适用于大型 CS1 群体，而无需侵入式的新数据收集方法。

总之，本文证明了学习策略类型比原始活动计数更具预测性和解释力。通过将行为分类为特定的风险画像，该研究为通过及时、针对特定行为的支持来减少 CS1 辍学率提供了一条可操作的路线图。