基于不同人口群体经历的研究生项目支持结构网络分析

物理学研究生学习是学生个人、院系和高等教育机构的重大投入。理解导致学生成功与流失的因素对于改进这些项目至关重要。最近开始被研究的一个因素是与支持结构相关的广义学生经历。学生经历量表（Aspects of Student Experience Scale, ASES）是一种李克特式调查，由研究人员开发以专门实现此目的。在本研究中，我们利用李克特式调查的网络方法（Network Approach for Likert-style Surveys, NALS）对定义明确的人口群体在 ASES 工具上的回答提供独特解释。我们通过研究 NALS 主题的稳定性并考察它们在基于人口群体的网络中的表达方式来确认我们发现的有效性。我们发现，对于原始 ASES 研究中的全部四个主题，捕捉学生经历的特定主题趋势在基于人口群体的网络中以有意义的方式变化。我们还揭示，对于某些人口群体，原始主题之间存在有趣的相互作用与混合。最后，我们的研究展示了 NALS 如何应用于其他李克特式数据集。