以学习者为中心的 LMS 活动与学业表现模型：从相关到因果
计算机与社会
2023-03-31 v3 人工智能
机器学习
摘要
近年来，对学习者管理系统（LMS）中学习者数字痕迹建模以理解其学习行为模式（包括元认知与自我调节方面）引起了广泛关注，最终目标是将这些洞察转化为可操作信息，以支持学习者改善学习成果。然而，在实现该目标时，现有文献存在两个主要问题有待解决。首先，当前多数工作以课程为中心（即模型基于特定课程数据构建）而非以学习者为中心；其次，绝大多数模型为相关性模型而非因果模型。这些问题使得在校级学术支持主要面向学习者的层面上，难以识别最有前景的可干预因素。本文探索了一种以学习者为中心的 LMS 活动数据分析框架，其不仅能提供从观测数据中挖掘的相关洞察，也能提供因果洞察。我们使用 2019 年秋季美国一所公立大学 1651 名计算机专业学生数据集演示了该方法。该数据集包含学生的细粒度 LMS 交互日志与管理数据，例如人口统计信息与学业表现。此外，我们扩展了 LMS 行为指标库，纳入可刻画登录时段（如睡眠类型）的指标。我们的分析表明，相较于其他登录行为指标，学生登录量不仅与学业表现强相关，且存在因果关联，尤其在学业表现较低的学生中。我们期望这些洞察能为高校学生支持团体提供有说服力的证据，以开展有效且可扩展的以学习者为中心的有针对性干预。
引用
@article{arxiv.2210.15430,
title = {Student-centric Model of Learning Management System Activity and Academic Performance: from Correlation to Causation},
author = {Varun Mandalapu and Lujie Karen Chen and Sushruta Shetty and Zhiyuan Chen and Jiaqi Gong},
journal= {arXiv preprint arXiv:2210.15430},
year = {2023}
}