基于学生成绩数据挖掘的学术课程关键课程揭示
物理教育
2023-07-19 v1 物理与社会
摘要
学习是一个复杂的认知过程，不仅取决于个体吸收知识的能力，还可能受到各种群体互动以及学术课程结构的影响。我们应用统计分析和数据挖掘方法（主成分分析和最大生成树）于华沙理工大学物理学院匿名学生成绩数据。课程成绩均值与方差之间存在轻微的负线性相关，即均值较高的课程往往成绩方差较低。有些课程起核心作用，例如其成绩与其他成绩高度相关，并且位于相应最大生成树的中心。其他课程对学生成绩方差以及第一主成分有显著贡献，并负责学生成绩的差异性。第一主成分与课程平均成绩及成绩方差的相关性表明，该成分可用于为给定课程分配 ECTS 学分。该分析独立于所考虑课程的既定课程。所提出的方法具有通用性，可应用于任何学院的学生成绩和学术课程分析。
引用
@article{arxiv.1604.07074,
title = {Key courses of academic curriculum uncovered by data mining of students' grades},
author = {Łukasz Gajewski and Jan Chołoniewski and Janusz Hołyst},
journal= {arXiv preprint arXiv:1604.07074},
year = {2023}
}