[论文解读] Curricular Analytics: A Framework for Quantifying the Impact of Curricular Reforms and Pedagogical Innovations

Gregory L. Heileman, Chaouki T. Abdallah+2 more|arXiv (Cornell University)|Nov 15, 2018

Online Learning and Analytics参考文献 12被引用 30

一句话总结

本文提出了课程分析（curricular analytics）——一种通过分析结构与教学因素来量化课程复杂性的框架，以预测学生成功。通过将课程体系建模为图结构并测量依赖关系、先修要求和课程影响，该框架实现了对教学创新与课程改革的量化评估，为系统识别高影响力课程和优化学生发展路径提供了方法支持。

ABSTRACT

In this paper we articulate a framework for quantifying the complexity of curricula based on their fundamental structural and instructional properties. We then introduce the notion of curricular analytics as a means of relating curricular complexity to student success outcomes, and we demonstrate the usefulness of curricular analytics by applying them to a number of important problems.

研究动机与目标

• 开发一个正式框架，用于量化课程改革与教学创新对学生成功结果的影响。
• 解决缺乏系统化工具来衡量课程设计对学生进度影响的问题，特别是在孤立的学术环境中。
• 通过结构与绩效分析，识别在课程中起把关或基础作用的关键课程。
• 通过使用标准课程名称和共享指标，实现跨机构课程比较，以提升改革评估的准确性。
• 通过将结构复杂性与学生成功指标关联，支持基于证据的课程设计决策。

提出的方法

• 将课程体系建模为有向无环图（DAG），其中节点代表课程，边代表先修关系。
• 基于课程数量与连通性定义结构复杂性度量，特别是高入度或处于关键路径的课程。
• 整合课程难度、通过率和学生表现等教学因素，以评估教学影响。
• 使用标准课程名称对跨机构的课程表示进行标准化，以支持跨机构比较。
• 应用图论分析识别在课程中起过滤或基础构建作用的“重要”课程。
• 将结构与教学分析整合为统一框架，以量化课程变革对学生进度的总体影响。

实验结果

研究问题

• RQ1 如何通过结构与教学属性正式量化课程复杂性？
• RQ2 课程中哪些课程对学生进度影响最大，如何识别它们？
• RQ3 课程分析在多大程度上能够预测教学创新或改革的成功？
• RQ4 课程表示差异（如实验课作为独立或合并课程）如何影响复杂性度量？
• RQ5 标准化的标准课程名称能否实现跨机构课程的自动化大规模比较？

主要发现

• 该框架通过结合结构依赖与教学表现，成功量化了课程复杂性，实现了对课程影响的系统性评估。
• 入度中心性高的课程或起把关作用的课程（如通过率低的课程）被识别为学生进度中的关键失败点。
• 在不同机构中具有相似标准课程结构的课程体系，在复杂性度量上表现出可测量的相似性，支持跨机构基准比较。
• 该框架揭示，课程表示的微小变化（如将实验课分离）会轻微改变复杂性评分，凸显了结构建模的敏感性。
• 使用标准课程名称可实现更准确、自动化的课程比较，促进发现共性设计模式与反模式。
• 将历史学生成功数据与结构分析相结合，可帮助针对特定学生群体定制课程，提升项目有效性。