Which CS1 Students Will Fail? Identifying Digital Markers from Learning Analytics in Computer Systems and Architecture Using Weighted Academic Momentum and Interaction Logs
本文提出了一种具有可解释性且高召回率的逻辑回归模型,该模型通过结合加权学术动量、基本人口统计数据以及简单的学习管理系统(LMS)活动日志,成功预测了计算机科学入门课程(CS1)一年级学生的失败情况,从而能够在学期第五周实现及时干预。
原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明
在现代教育的广阔版图中,一场无声的革命正在管理我们课堂的数字系统中悄然发生。几十年来,教师一直依赖成绩和出勤表来衡量学生的表现,但这些传统衡量标准往往来得太晚,无法为挣扎中的学习者提供帮助。如今,随着大学越来越多地将课程转向线上,每一次点击、每一次登录以及在数字平台上度过的每一刻都会留下痕迹。研究人员称这些痕迹为“数字标记”。它们是学生在课程中日常生活的足迹,在期末考试编写之前,就能让人洞察他们的习惯、参与度和潜在的困难。驱动这一新研究领域的课题既简单又深刻:我们能否通过阅读这些数字足迹来发现即将不及格的学生,并且能否在足够早的时候做到这一点,从而改变他们的命运?
这就是赞比亚大学一组研究人员面临的挑战,他们将注意力转向了一门出了名难的一年级课程:计算机系统与架构。在这门课中,历史上近百分之四十的学生无法通过,这一比例让许多聪慧的思想在学业真正开始之前就已止步。教师们知道出了问题,但缺乏一种方法在为时已晚之前识别出谁处于风险之中。为了解决这个问题,该团队决定不再仅仅关注最终成绩,而是转而研究学生四年间留下的数字面包屑。他们收集了近三百名学生的数据,结合了他们的基本背景信息、早期测验和考试的分数,以及他们与大学在线学习系统互动的原始日志。他们的目标是建立一个模型,充当预警系统,标记出那些可能不及格的学生,以便教师能在情况好转之前介入并提供支持。
研究人员首先听取了最了解这门课的人的意见:讲师、助教和学生本人。通过访谈和调查,他们确定了影响成功的十个因素,例如时间管理、动力以及学生是否拥有电脑。随后,他们将这些人类洞察转化为数据点,创建了一个用于测试的综合特征列表。他们设计了一个名为“加权学术动量”的特殊分数,该分数观察学生在最初几次测验和考试中的表现,并给予后期更全面的早期评估更高的权重。他们还追踪了学生是否曾登录过在线系统,以及他们在多少个不同的日期活跃过。通过将所有这些信息输入计算机模型,他们测试了哪种因素的组合最能预测失败。
他们的发现既令人惊讶又令人欣慰。最强大的失败预测因子并非关于学生动机或计算机经验的复杂调查,而是一个简单的三要素组合:他们的早期学术动量、基本背景,以及一个关于他们是否曾接触过在线学习系统的“是或否”的问题。模型发现,学生在前几周评估中的表现是其未来成功的最强信号。然而,当这一信号与简单的数字存在感相结合时,它变得更加具有预示性。如果一名学生拥有较高的早期分数,但从未登录过在线系统,那么他们仍处于显著风险之中。这表明,一些学生可能正依靠天赋或先前的知识在“滑行”,却并未意识到自己错过了在线提供的支持结构,或者可能对自己在无需参与课程材料的情况下通过考试的能力过于自信。
当研究人员在他们从未见过的学生群体上测试最终模型时,它证明了其在首要任务上的卓越效能:寻找陷入困境的学生。该系统正确识别了百分之八十七最终未能通过课程的学生。这种高成功率伴随着一个权衡:模型也将一些本可以及格的学生标记为有风险,导致了百分之四十一的误报率。研究人员认为,在教育环境中,这是可以接受的代价。为一名并不需要额外帮助的学生提供额外援助,远比错过一名正在默默挣扎且即将失败的学生要好。该模型通过观察学期开始后仅五周内可用的数据实现了这一目标,这个时间框架为教师提供了至关重要的干预窗口。
研究还显示,增加更复杂的数据并不一定会让预测变得更好。包括关于学生感受或特定课程工作量的详细调查响应,并没有提高模型的准确性。事实上,最简单的方法——专注于早期成绩和基本的在线活动检查——效果最好。这表明,对于这门特定的课程,学生在前几周采取的行为比他们的自我报告感受或背景细节更能可靠地预示其未来。研究人员使用了一种称为 SHAP 分析的方法来理解模型做出决策的原因,这证实了加权学术动量是最重要的因素,紧随其后的是该动量与学生是否参与在线系统的相互作用。
这项工作为大学如何利用现有数据来支持学生提供了实用的蓝图。通过专注于简单的、早期的数字标记,教育工作者可以从“应对失败”转向“预防失败”。研究人员计划将他们的发现转化为一个实时仪表盘,当学生显示出困难迹象时,该仪表盘会自动提醒教师,并提供清晰的预警原因,以便他们提供针对性的帮助。虽然这项研究是在赞比亚的一所大学进行的,但其方法论揭示了一个普遍真理:在数字时代,一个学生如何“现身”,即使是以最微小的方式,其发出的信号往往比他们的背景或最初的自信更为响亮。通往成功的路径并不总是隐藏在复杂的统计数据中,有时就隐藏在课堂内外——无论是线下还是线上——那份持续且规律的“出席”之中。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。