课程先决条件网络的广度、深度与流量

课程先决条件网络(CPN)是表示复杂学术课程结构的有向无环图，通过将课程表示为节点，将依赖关系表示为有向链路。这些网络是可视化、研究和理解课程规划的必备工具。例如，CPN可用于检测重要课程、改进辅导、指导课程设计、分析毕业时间分布以及量化不同大学部门之间知识流动的强度。然而，迄今为止大多数CPN分析仅关注微观和中观尺度属性。为填补这一空白，本文定义并研究了三个新的全局CPN度量：广度、深度和流量。所有三个度量在传递约化下保持不变，基于拓扑分层的概念，该概念概括了有向无环图中的拓扑排序。这三个度量可用于不同CPN的宏观尺度比较。我们通过将其应用于三个真实和合成CPN(来自塞浦路斯大学科技大学、加州理工学院和约翰霍普金斯大学)来数值说明新度量。本文分析的CPN数据可在GitHub仓库中公开获取。