基于模糊 C 均值聚类的 CEFR 式分类框架用于 Scratch 编程技能自动评估
计算机与社会
2026-04-02 v1 人工智能
机器学习
软件工程
摘要
背景：学校、培训平台和科技公司日益需要一种透明、可复现的方法，以支持规模化编程熟练度评估和个性化学习路径。目标：本研究引入一种面向 Scratch 项目评估的教学框架，依据欧洲参考框架 (CEFR) 对齐，为学生和教师提供通用的 competency 水平，以及用于课程设计的可操作见解。方法：我们将模糊 C 均值聚类应用于 200 万多个 Scratch 项目，这些项目通过 Dr.Scratch 进行评估，实施有序准则将聚类映射到 CEFR 水平 (A1-C2)，并引入增强的分类指标，以识别过渡学习者、实现持续进度跟踪和量化分类确定性，以平衡自动化反馈与教师审查。影响：该框架可诊断系统性课程差距——显著发现“B2 瓶颈”，仅有 13.3% 的学习者因整合 Logic Synchronization 与 Data Representation 而处于该水平——并提供基于确定性的干预触发器。
引用
@article{arxiv.2604.00730,
title = {A CEFR-Inspired Classification Framework with Fuzzy C-Means To Automate Assessment of Programming Skills in Scratch},
author = {Ricardo Hidalgo-Aragón and Jesús M. González-Barahona and Gregorio Robles},
journal= {arXiv preprint arXiv:2604.00730},
year = {2026}
}
备注
Paper accepted at CSEDU 2026