中文

基于无监督和半监督聚类方法识别和细化教育研究中参与者经验水平

物理教育 2025-08-08 v1 数据分析、统计与概率

摘要

从初学者到学科专家的进程是教育研究中长久存在的议题。探究此类进程的研究常常依赖于参与者的自我评估或其他定性指标作为经验定义的起点。但一名参与者的估计经验是否与其概念化理解水平相关?我们提取超过 150 张概念图的数据,首先展示了学科经验是可靠变量,能解释这一高度多样化学习者群体之间在概念化理解上的差异。随后,通过比较无监督和半监督模型,我们动机将参与者聚类分为三个明确区分的经验水平,并支持此类分类在其他教育研究中的应用。通过分析聚类构成,我们还识别了参与者感知经验水平与预测经验水平之间的差异。最后,对于通过网络分析处理参与者数据的方法,我们提供洞察,阐明可描述每个经验水平的统计显著指标,并倡导在此类研究中使用节点级指标。

关键词

引用

@article{arxiv.2508.03840,
  title  = {Unsupervised and semi-supervised clustering methods to identify and refine participant experience levels in educational research},
  author = {Julien-Pooya Weihs and Adrien Weihs and Vegard Gjerde and Helge Drange},
  journal= {arXiv preprint arXiv:2508.03840},
  year   = {2025}
}

备注

12 pages, 10 figures, 1 supplementary file available on request