提取影响跨学科学生能力长期趋势的候选因素
计算机与社会
2021-03-12 v1
摘要
长期学生成绩数据可为提出“何种类型的学生技能会影响跨学科未来趋势”这一研究问题提供有用信息。然而，很少有研究关注长期数据。这是因为考试的评判标准因其设计者而异；此外，同一设计者难以在年级之间保持考试评判标准的一致性。为解决这一不一致问题，我们提出一种新方法，从长期数据中提取影响跨学科长期趋势的候选因素。我们的方法由三个步骤组成：数据筛选、时间序列聚类和因果推断。第一步从长期数据中提取一致性数据。第二步按形状和数值对长期数据进行分组。第三步提取影响长期趋势的因素，并使用两个或更多不同数据集验证所提取的变异因素。随后，我们利用来自日本五所公立小学和四所公立初中的学生成绩数据进行了评估实验。结果表明，我们的方法能提取一致性数据，将长期数据聚类为可解释组别，并提取影响跨学科学习能力的候选因素。进而，我们的方法形成假设，将存档成绩数据转化为有用信息。
引用
@article{arxiv.2103.06446,
title = {Extracting candidate factors affecting long-term trends of student abilities across subjects},
author = {Satoshi Takahashi and Hiroki Kuno and Atsushi Yoshikawa},
journal= {arXiv preprint arXiv:2103.06446},
year = {2021}
}