利用机器学习预测工程技术专业学生的计算机辅助设计学习成效
机器学习
2021-08-16 v1 物理教育
摘要
计算机辅助设计(CAD)程序对工程至关重要，因其通过低成本迭代实现更优设计。尽管 CAD 程序通常作为职业技能教给本科生，此类软件亦能帮助学生理解工程概念。CAD 程序(即便是专为教育目的设计的)目前的局限在于无法向学生提供自动化实时帮助。为促使 CAD 程序内置学生辅助功能，我们利用学生使用名为 Aladdin 的免费开源 CAD 软件所生成的数据，展示学生数据结合机器学习技术如何预测特定学生在设计任务中的表现。我们在一门工程技术的本科导论课程中要求学生设计一栋净能耗为零的住宅。基于 128 名学生的数据以及 scikit-learn Python 机器学习库，我们以设计动作的总计数和设计动作序列作为输入测试了模型。我们发现，使用早期设计序列动作的模型尤其具有预测价值。我们的逻辑回归模型预测学生能否成功设计零净能耗住宅的准确率超过 60%。结果表明，Aladdin 在学生设计约过半时提供有用反馈是可行的。这些模型的进一步改进可实现更早预测，从而更早向学生提供反馈以促进学习。
引用
@article{arxiv.2108.05955,
title = {Using Machine Learning to Predict Engineering Technology Students' Success with Computer Aided Design},
author = {Jasmine Singh and Viranga Perera and Alejandra J. Magana and Brittany Newell and Jin Wei-Kocsis and Ying Ying Seah and Greg J. Strimel and Charles Xie},
journal= {arXiv preprint arXiv:2108.05955},
year = {2021}
}