重新审视学生学习率的规律性：对哪些观察值的敏感性
计算机与社会
2026-05-19 v2
摘要
对观察性实践数据拟合的混合效应模型在学习分析中广泛用于估计学生在初始知识和学习率方面的层级变异，以及所得估计值越来越多地用于实质性地关于学习者的论断。我们检验此类估计是否可读作学习者的属性，还是取决于模型拟合所选取观察值的选择。作为案例研究，我们重新审视 Koedinger 等人（2023）报告的“惊人规律”：学生在初始知识方面的变异很大，但在学习率方面的变异要小得多。该发现基于对 27 个教育数据集拟合个体 Additivity Factors Model（iAFM），其余地是基于模型导出的学生层级学习率变异在绝对意义上很小。我们对同一模型在同一数据集下进行两种规格化拟合，分别变化每个学生在给定技能上用于拟合的实践量。初始知识层级变异的估计在两种规格化下保持约不变。学习率层级变异的估计并非如此：在一种规格化下，其估计值因包含的观察值不同而膨胀了中位数为 118%，在另一种规格化下更为显著。相同模型、相同数据，取决于包含哪些观察值，返回关于学生学习率变异的估计差异巨大。当混合效应模型在观察性实践数据上的估计用于支持关于学习者的实质性论断时，对此类选择的敏感性值得在这些估计报告和解读中占据中心位置。
引用
@article{arxiv.2605.01690,
title = {Revisiting the Regularity of Student Learning Rate: Sensitivity to Which Observations Are Included},
author = {Hansol Lee and Guilherme Lichand and Cristina Barnard and Lucas Klotz and Candace Thille and Yunsung Kim and Benjamin W. Domingue},
journal= {arXiv preprint arXiv:2605.01690},
year = {2026}
}
备注
10 pages, 6 figures. Accepted at the 13th ACM Conference on Learning at Scale (L@S '26), Seoul, June 29-July 3, 2026