TopicResponse：面向 MOOC 自动测量的主题建模与 Rasch 模型的结合

本文探讨了利用从 MOOC 讨论论坛自动发现的主题来建模学生学业能力的适宜性。心理测量学中的 Rasch 模型是一种流行的生成概率模型，它在一个原则性的统一框架内关联潜在学生技能、潜在项目难度和观测到的学生-项目反应。根据学术教育理论，若 (1) 学生在所发现主题上的参与度能被 Rasch 模型良好拟合，且 (2) 这些主题对学科专家可解释为具有教育意义，则这些发现的主题可被视为合适的测量项目。这种带有相关难度等级的 Rasch 缩放主题，有望有助于课程改进、学生评估和个性化反馈。剩下的技术挑战是发现既有意义又能同时与 Rasch 模型达到良好统计拟合的主题。为应对这一挑战，我们将 Rasch 模型与基于非负矩阵分解的主题建模相结合，联合拟合两个模型。我们通过在三个 Coursera MOOC 数据上的定量实验，以及在一个离散优化 MOOC 上的主题可解释性定性调查结果，证明了我们方法的适宜性。