探索采用混合机器学习方法解析学生物理短文中推理模式的可行性
物理教育
2025-04-15 v1
摘要
我们提出了一种新颖的聚类流程，将两种经典聚类算法相结合，以更好地理解学生的问题解决策略。这种无监督机器学习方法能够在没有预定义标签的情况下揭示推理模式。我们将其应用于在线多项选择题测验中所写的短文，所得到的聚类结果与学生所选答案表现出很强的统计一致性。我们还通过分析散点图、轮廓系数（Silhouette Scores，Rousseeuw, 1987）以及 Davies-Bouldin 指数（Davies and Bouldin, 1979），将混合流程所得聚类结果与 K-Means（MacQueen, 1967）以及基于层次密度的带噪声应用空间聚类（HDBSCAN）（McInnes, Healy, and Astels, 2017）的结果进行了比较。
引用
@article{arxiv.2504.08904,
title = {Exploring the Feasibility of Employing a Hybrid Machine Learning Method to Unpack Student Reasoning Patterns in Physics Essays},
author = {Winter Allen and N. Sanjay Rebello},
journal= {arXiv preprint arXiv:2504.08904},
year = {2025}
}