在学期规划中展示学术表现预测：对学生决策、行为和偏好的影响

文献标题

显示学期规划中的学术表现预测：对学生决策、行为和偏好的影响

文献信息

• 主题领域: 学术决策支持系统，尤其是学术课程选择与学术表现预测的交集
• 关键词: 可视化学习分析学，学术表现预测，框架效应，课程选择，课程推荐，学习分析仪表盘

研究背景与问题

• 主要问题或挑战:

  • 课程选择直接影响学生的学习工作量和学术表现，但这个过程通常耗时且带有主观性，并常基于不完整的信息。
  • 目前的学术建议主要依赖于导师的知识和经验，由于时间有限，这种方法容易出错并受到个人偏见的影响。
  • 高等教育机构利用 GPA 作为主要的学术表现评价指标，但 GPA 并不能全面反映学生的学习成果或能力。
  • 学术决策工具的设计中，如何以合适的方式呈现数据和预测以避免可能的负面影响（例如过度依赖 GPA）是一个重要问题。

• 研究的重要性:

  • 通过改进学术和课程推荐工具，能够帮助学生提前规划学期课程，使课程选择更高效且基于更全面的信息。
  • 探讨数据驱动工具对学生行为和决策过程的影响，是学习分析领域的重要研究方向。

• 研究动机和相关工作:

  • 现有工作表明，暴露学生于 GPA 和历史表现数据可能导致他们选择较易获取高分数的课程，同时造成对 GPA 的过度关注。
  • 研究表明，不同的数据可视化方式会影响用户对信息的理解与决策，研究这一效应有助于优化学术可视化系统的设计。

解决方案

• 方法与解决方案:

  • 提出了 iCoRA（互动课程选择和推荐助手），一款支持学生学期规划的交互式可视化工具。
  • 该工具基于历史数据和预测模型，向学生展示课程表现预测，同时提供预测解释和课程相关信息。
  • iCoRA 的预测模型使用梯度提升树（GBT）进行训练，结合课程负担、以往成绩等多元数据，并通过可视化方式展现预测的区间结果。

• 创新点:

  • 研究影响学生决策的预测可视化设计方法，通过设计一种“从具体到模糊”的视觉表示光谱，探索可视化方式如何塑造学生的决策过程。
  • 提供了关于 GPA 和成绩预测工具在学术情境中可能产生伦理问题的深入讨论。

• 实施步骤与技术:

  • 分两阶段研究工具影响：
    1. 定性研究：分析学生在使用含范围型预测的工具时的课程选择行为。
    2. 定量研究：测试八种不同的预测可视化方式是否会导致决策行为的变化。
  • 采用了语义相近的视觉表示（如颜色、线条、图标和文字），并通过分析任务数据和问卷调查结果进行验证。

研究成果

• 具体成果:

  • 发现学生在看到 GPA 和成绩预测时，往往将课程选择视为一种“成绩最大化问题”，尽管这种行为可能忽视了其他因素（如工作负担）。
  • 明确了某些可视化类型（如具体型 vs 模糊型）在学生对工具信任感中的影响，并阐明了偏好的可视化设计（如范围型预测和文本描述）。
  • 分析发现“具体化”预测（如单一数值）会激发学生更深层次的思考和更多的互动选择。

• 相对于现有方案的优势:

  • 相比传统 GPA 驱动的推荐工具，iCoRA 提供了全面的预测解释能力和多维因素的集成。
  • 解决了现有很多学习分析仪表盘在解释透明度和学生参与度上的不足。

• 实验结果与评估:

  • 通过一组实验，验证了预测的可视化方式（具体型 vs 模糊型）对学生课程选择和过程行为的有显著影响。
  • 学生偏好范围型预测，因为它能更真实地反映预测中的不确定性；文本型预测因其直接性，也获得了较高评价。

• 局限性与未来方向:

  • 限于实验条件，使用了虚拟的课程历史数据和非真实课程。
  • GPA 作为学术表现的唯一预测维度具有局限性，未来研究应探索更全面的学生表现指标（如学习成果、课程参与度等）。
  • 在实际部署之前，需要进一步与高校管理层讨论伦理问题，以及如何更好地平衡工具和导师在课程推荐中的作用。