赵亚慧,崔荣一,金 城,赵琳琳,崔 旭
(延边大学工学院,吉林 延边朝鲜族自治州133002)
影响大学课程学习效果的因素很多,而且很复杂,如何利用历史数据自动分析影响学习成绩的因素,是提高教学研究效率的重要工作。“大学计算机程序设计”课程一般被安排在大学一年级,而一年级的课程学习成绩会直接受入学前各种因素的影响。
通过分析高考考生信息和一年级学习成绩的相关性,发现影响入学后学生学习成绩的主要因素,对教学设计具有十分重要的预见性价值,有利于针对不同学生群体合理组织和落实教学工作。
针对上述问题,国内学者进行了相关研究工作,部分结果表明:学生的高考数学成绩与学生入学后的大学数学专业课成绩无显著相关性[1];学生的高考成绩与学生入学后的考试成绩呈弱相关性[2];偏重记忆的文科类课程与高考成绩的关联性较大,逻辑推理类课程与高考成绩的关联则较弱[3]。这些研究主要是基于统计方法,对于没有明显统计学规律的多元复杂数据,其效果并不理想。
本文旨在通过对高考考生信息和大学一年级程序设计课程学习成绩相关性的自动分析,发现影响程序设计学习成绩的入学前的主要因素,其主要技术路线是:利用高考考生数据和一年级程序设计期末考试成绩训练随机森林机器学习模型[4],建立根据考生数据预测一年级成绩的分类器;使用局部可理解的模型无关解释(Local interpretable model-agnostic explanations,LIME)技术对影响分类器的高考考生信息主要特征进行相关性分析,得出主要影响因素。……