智能手机如何评估及预测大学生学业成绩.docVIP

智能手机如何评估及预测大学生学业成绩 　　摘 要：Rui Wang等学者创造性地提出了智能GPA研究，发现了GPA和智能手机传感数据自动推断的一些行为之间有一些显著的关系。提出了一些新的自动检测方法来评估学生的学习和社会行为，包括聚会的情况和时间、学习时间和学习专注度。智能GPA研究深入分析了学习表现，并提出了每个学生数据流时间序列分析，创造性地使用行为斜率和行为断点来捕捉变化行为，以更好地了解成绩高和成绩低的学生之间的个人差异。此外，还提出了一个简单的预测模型，采用线性回归和Lasso正规化来预测成绩。研究发现学生的谈话持续时间的改变、学习的持续时间、责任心、积极的情绪水平和变化、压力的变化是显著的学习成绩预测因子。本研究以一种全新的形式建设精细化的验证预测模型，从多种属性方面捕捉、量化学生的行为变化，进而引发新的提高学习成绩的潜力干预措施，这对高校学业成绩的评估而言具有创新性的意义，开启了应用新的干预措施来提高学业成绩的新时代 关键词：智能GPA；行为斜率；行为断点；线性回归；Lasso正规化 中图分类号：G40-058.1 文献标志码：A 文章编号：1673-8454（2016）23-0006-09 大学生活是复杂的。除了课程学习，还有丰富的课外活动、繁忙的社交生活、因财务问题要去兼职工作、融入校园（大一新生）、与朋友和家人打交道等各种社会行为占用学生的时间与精力。因此，学生要在这些长期的工作消耗中努力保持身体的活跃和精神的健康，并在保持优异的学习成绩以及其他时间占用和能量需求之间寻求平衡。总之，要想在教育环境中持续保持胜利的姿态并不是件容易的事情 提到“?W习表现”时，我们通常将其与学生累积的平均分数（GPA）相联系，即对学生在作业、测验、考试结果，期中考试、期末考试和他们在学习过程中累积的学业成绩进行连续性评价。以往的研究也发现学习表现与学生的求知欲和能力（例如用IQ来衡量）、学习动机与激励、教育环境、健康、之前的测试成绩（例如SAT），以及人格特质（例如认真度）有关。然而，为什么拥有相似学术能力的学生有的成绩会更好有的会更差一些呢？看起来学生日常行为模式（例如学习习惯、课堂出勤率、时间管理、睡眠模式、派对行为）显著影响学生学业成绩。这便引发了如下几个问题：同一所大学里，成绩好的学生（例如GPA≥3.5）和成绩差的学生（如GPA≤3）在行为模式上是否有明显的差异；如果这样的行为差异存在，我们是否可以使用这些相关性作为预测学术表现的基础；不同的心理特征，如人格、心理健康、情感等，是如何影响成绩的 在计算机科学界，先前已做了许多使用各种机器学习模型的尝试，想要通过学生的自我报告数据和学习行为来预测成绩。然而只有很少的研究关注学生的学习表现与感知行为之间的关系。据我们所知还没有使用智能手机被动传感器数据来预测学生成绩的先例 来自德克萨斯大学达特茅斯学院的几位学者Rui Wang、Gabriella Harari、Peilin Hao、Xia Zhou和Andrew T. Campbell提出一种新的方法，即用智能手机的被动检测来自动推断学生学习行为（即学习时间和专注力）和社会行为（即聚会），使用不显眼的纵向的学生的生活方式来预测学术表现，富有创新意义。本文就是对Rui Wang、Gabriella Harari、Peilin Hao、Xia Zhou和Andrew T. Campbell几位学者所做研究的介绍 一、先前的研究 在教育和心理学领域，很多研究都注重大学生学习成绩的预测算法 （一）人格 采用五大人格框架研究学习成绩和人格倾向间的关系，五大人格框架包括五大特质――外向、亲和力、尽责、神经敏感、开放。对学术表现与人的性格分析研究表明，学生的学习表现与亲和力、尽责性和开放性有关。然而，也有一些研究发现外向性和神经敏感与成绩呈负相关。一些研究人员认为，人格特质差异会影响学业成绩，例如通过修复神经质的行为、提高尽责性提高学业成绩 （二）体力活动 大多数学业成绩和体育活动研究倾向认为，在中等强度的体力活动中健康达标的学生平均成绩较高。然而，一个健康行为的大型研究对40所美国高校学生调查发现超过一半的学生（58%）不符合公共健康部门发布的中度强度的活动标准。另一个基于自我报告的研究发现体力活动与学生平均成绩不相关。然而，这项研究主要集中于健康科学专业的研究生，这些学生的身体素质符合或超过了成人推荐的水平，这表明研究结果可能无法推广到其他学生群体。我们所知道的只有很少一些研究已经发现了学习成绩与基于传感器的身体活动测量的关系。一项研究除了自我报告外，利用传感器测量学生的体力活动，发现身体活动的变化与GPA相关。具体而言，总步数与GPA的提高相关，而中度体力活动与GPA 降