利用自动评分系统数据预测学生成绩
机器学习
2021-02-03 v1 计算机与社会
摘要
随着在线自动评分系统出现，从这些系统获取的信息有望使研究者建立预测模型以预测学生行为与成绩。滑铁卢大学ECE 150（编程基础）教学团队希望深入了解如何更好地分配有限教学资源以取得改善的教育成效。目前，教学团队以被动方式分配辅导时间，即“按请求”帮助学生。该方法服务于那些有办法请求帮助的学生；然而，许多学习困难的学生并未主动寻求协助。因此，我们作为研究团队，希望探究是否能通过考察自动评分系统Marmoset的数据来确定需要帮助的学生。本文中，我们利用从Marmoset自动评分系统提取的多种特征（包括通过率、测试用例结果、提交次数与提交时间间隔（学生首次合理提交与截止时间之间的时间间隔））构建决策树与线性回归模型进行实验。对每个特征，我们在混淆矩阵层面解释结果。具体而言，针对成绩差的学生，我们显示采用提交时间间隔的线性回归模型在所有模型中以精确率与F值衡量表现最佳。我们还显示，对于被误分类为成绩差的学生，其在线性回归模型中的实际成绩在所有模型中最低。此外，我们显示对于期中考试，期中前最后一份作业的提交时间间隔对期中成绩预测力最强；而对于期末考试，期中成绩对期末成绩贡献最大。
引用
@article{arxiv.2102.01270,
title = {Predicting student performance using data from an auto-grading system},
author = {Huanyi Chen and Paul A. S. Ward},
journal= {arXiv preprint arXiv:2102.01270},
year = {2021}
}