Algoritmas numato, kurie mokiniai iškris iš matematikos kursų


matematika

Kreditas: CC0 viešasis domenas

Vadinamųjų MINT dalykų – matematikos, informatikos, gamtos mokslų ir technologijų – įvadiniame etape studijas meta iki 40 proc. Tiubingeno universiteto Ekonomikos ir socialinių mokslų fakulteto Metodų centro mokslininkų grupė dabar sukūrė statistinį metodą, pagal kurį studentai gali nuspėti vidutiniškai prieš aštuonias savaites, ar jie nebaigs studijų.

Komanda taip pat padarė bendrą metodologinę pažangą naudodama naujai sukurtą algoritmą. Numatymo metu algoritmas gali atsižvelgti į atskirų studentų skirtumus, kurie jau egzistuoja kurso pradžioje, pvz., bendrus pažinimo rezultatus, ir atskirti juos nuo atskirų studentų proto būsenos. laikas. Tai leidžia numatyti iškritimo tikimybę net ir iš principo tinkamiems studentams. Toks skirtingų įtakos lygių atskyrimas taip pat įdomus daugeliui kitų sričių klausimų. Grupė žurnale paskelbė straipsnį apie metodo kūrimą Psichometrika.

Iš pradžių STEM dalykų studentams keliami skirtingi reikalavimai, kurie turi įtakos bazinei tikimybei nukristi. „Akivaizdu, kad, pavyzdžiui, matematikos pasirodymas vidurinė mokykla ir bendrieji pažinimo rezultatai tarp atskirų mokinių skiriasi. Žemesni rezultatai iš pradžių lemia dažnesnį nutraukimą pradiniame etape“, – sako profesorius Augustinas Kelava iš Metodų centro. „Tačiau mes norėjome atsakyti į klausimą, kaip galima atpažinti tuos palyginus kvalifikuotus pirmojo semestro studentus, kurie greitai palieka studijas. studijos“.

Ilgalaikis tyrimas su 122 studentais

Tyrimo metu 122 studentai iš Tiubingeno universiteto per pirmąjį matematikos semestrą buvo paklausti apie jų ankstesnes matematikos žinias, pomėgius, jų karjerą mokykloje ir finansinį pagrindą dideliame pradiniame tyrime bei asmenybės kintamuosius, įskaitant emocinį stabilumą, buvo surinkti. „Pirminio patikrinimo rezultatai leido mums susidaryti vaizdą apie stabilias kiekvieno mokinio savybes“, – sako Kelava. Po to tris kartus per savaitę, iš viso 50 kartų per 131 semestro dieną, buvo atliekamos penkių minučių trukmės apklausos, kuriose studentai nurodė, kaip šiuo metu jaučiasi ir ar mano, kad gali neatsilikti nuo pamokų. „Siekdami patikrinti išsakytas prognozes, taip pat žinojome, kas ten iki semestro pabaigos, ir žinojome baigiamojo egzamino pažymį.

Mokslininkų komanda specialiai nesikišo į individualų tyrimo eigą, „kuri būtų ateities į asmenybę orientuota programa, pagrįsta proceso plėtra“, – sako mokslininkas. Prognozės buvo apskaičiuotos naudojant naujai sukurtą statistinis metodasalgoritmas, kuris naudoja duomenis, surinktus realiu laiku, ty iki tam tikro momento, kad nustatytų būsimą asmens elgesį ir patirtį. studentas su didele tikimybės laipsniu – vadinamasis tiesioginio filtravimo metodas. Atgalinės atrankos (FFBS) algoritmas. “Įtakos lygiai yra sudėtingi. Jie yra tarpusavyje susiję, o daugybė kintamųjų vaidina svarbų vaidmenį priimant sprendimą ištverti arba mesti studijas.”

Ankstyvos apleidimo ketinimų prognozės

Dėl to tyrėjų komanda ketinimus mesti studijas galėjo numatyti prieš aštuonias savaites, ty tuo metu, kai į renginius vis dar atvyksta žmonės. „Prasidėjus žiemos semestrui po Kalėdų studentų dažnai nebebūna“, – sako Kelava. “Mums pavyko atskirti du įtakos lygius, viena vertus, stabilias mokinių savybes ir, kita vertus, jų savijautos pokyčius laikui bėgant numatant paslėptus ketinimus. Galima sakyti, kada jie išsivysto latentinis polinkis mesti studijas, kuris tuo metu dar nėra tiesiogiai pastebimas, remiantis jų pačių teiginiais apie tai, kaip jie jaučiasi ir kaip jiems sekasi studijuoti.

Praktikoje statistinis metodas yra priemonė, skirta konkrečiai kreiptis į atskirus studentus, pavyzdžiui, teikiant konsultavimo paslaugas, kurie iš esmės yra kvalifikuoti tam dalykui, tačiau turi tendenciją mesti studijas. Apskritai metodas taip pat tinka tam tikriems kitų sričių tyrimo klausimams, pvz., stabilių įtakos kintamųjų atskyrimui nuo situacijos akcijų kainų pokyčių ekonomikos ar inžinerijos srityse.


Kaip kolegos mokiniai pagerina jūsų pačių pažymius


Daugiau informacijos:
Augustin Kelava ir kt., Afektinių būsenų pokyčių tarp individų prognozavimas atsižvelgiant į tarpindividualius skirtumus, naudojant intensyvius išilginius duomenis iš universiteto studentų iškritimo iš matematikos, Psichometrika (2022). DOI: 10.1007/s11336-022-09858-6

Citata: Algoritmas numato, kurie mokiniai iškris iš matematikos kursų (2022 m. gegužės 5 d.), gauta 2022 m. gegužės 6 d. iš https://phys.org/news/2022-05-algorithm-students-math-courses.html

Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.