通过差分课程功能获取群体级课程难度洞察

课程分析 (Curriculum Analytics, CA) 研究课程结构和学生数据，以确保教育项目的质量。课程在课程中具有不可避免的属性是它们对不同背景学生而言并非意外地更具难度。虽然已有研究指出课程难度在学生群体之间可能存在变异，但捕捉此类变异的稳健方法仍稀缺，现有方法也不足以充分分离课程特有的难度与学生的一般绩效水平。本研究引入了差分课程功能 (Differential Course Functioning, DCF) 作为一种项目反应理论 (Item Response Theory, IRT) 基础的 CA 方法。DCF 控制了学生绩效水平，检查是否存在不同学生群体在给定课程中取得成绩的显著差异。依据来自大型公共大学超过 20,000 名学生的数据，我们展示了 DCF 能够检测到基于成绩实现的学生群体之间 undergraduate course difficulty 的不平等。我们比较了高联合选修的主要科目对以及转学生与其非转学生同伴。就前者而言，我们的发现表明 DCF 效应大小与课程内容与学生所属部门的一致性之间存在关联，从而激发针对改善课程准备情况的干预措施的动力。就后者而言，结果表明转学生与非转学生之间在课程特有的难度上存在细微差异。虽然这种情况令人满意，但也表明针对缓解转学生成绩差距的干预措施应超越针 individual courses 的准备情况的全面支持。通过提供对多样化学生群体所经历的学术绩效和难度的更细致和公平的评估，DCF 可支持政策制定者、课程 articulation 官员和学生顾问。