以机器学习技术探究我国高中生适性学习之关键影响因素
蔡明学
国家教育研究院测验及评量研究中心/副研究员
林新发、
国立台北教育大学教育经营与管理学系/教授
黄建翔
致理科技大学通识教育中心助理教授
摘要
本文旨在探究影响高中学生适性学习之关键因素,运用机器学习方法—类神经网络、K-means分群、及多维标度法(multi-dimensional scaling,简称 MDS),从学校办学效能、教师活化教学、学生家庭因素与学生学习历程等,分析影响高中学生适性学习的关键因素,期解决过往线性模式分析对因素影响程度的不确定性。本研究分析结果显示学校办学效能在各类分析方法,对适性学习有重要影响,其中主成分分析显示学校办学效能中,学校学习风气、适当的奖励措施较为重要。
关键词:机器学习、适性学习、学校效能、高中教育
……
点评:以机器学习技术探究我国高中生适性学习之关键影响因素
华东师范大学教授顾小清
首先非常感谢蔡教授的研究,在看研究报告之前,实际上还没有跟基于证据的决策联系起来,听了蔡教授的报告以后,研究思路就更明确了。
那实际上基于证据的教育决策对教育相关政策的制定来说,实际上越来越显示出它的重要性。那么刚才那幅图就让我们也一目了然地了解到基于证据的教育政策的重要性。
刚开始之前,在外面聊天的时候,我也跟我们上海的老师提到,上海教科院和华东师范大学合作成立了宏观教育政策研究院,这个研究院所做的实际上也是这种基于证据开展教育决策方面的研究。
对于这项研究来说,在报告当中,因为用到了机器学习的方法,对于这个方法本身,说实话我目前其中一种用过一些、知道一些,对其他两种方法目前还没有用到过。所以对这个技术本身的话,还需要进一步学习。
在研究的方法和研究的结论当中,我听了蔡教授自己坦率的疑问,我实际上也有一些疑问。
首先,我想方法本身可能不是我们讨论的重点,我们所要讨论的重点是我们要用这种方法来作为提供制定相关教育政策的依据。我们要提供的这个依据是什么?我想刚才蔡教授的报告当中已经讲的比较明确,我们要提供更好的教育,政策投入的重点应该是按照什么样的优先级去制定。首先在学校建设上,还是说在相关课件,还是说教师?这是要做这个研究的非常重要的目标。然后在具体的我们要提供证据的时候,为什么会导致最后的这个结论和自己的预期不是非常吻合的,可能的原因在哪里呢?因为我没有看到来评估学校办学的效能以及其他的方面的具体的评估方法是怎么的,这个部分可能在这个报告当中没有提到,在蔡教授的报告当中也没有提到。所以我非常希望在后面简短交流的环节,蔡教授能稍微展开一下。在目前这个研究当中,是用什么样的方法去测评学校办学,去测评教师的教学,去测评像学生家庭、学生的学习历程,这些相对来说会有比较成熟的量表去测的,这个问题还不是非常大。但是对于学校办学效能,对教师的教学,我现在也是没有任何的想法,就不知道是在现有这个研究当中是采用什么样的方法去测评的。如果说是蔡教授和团队提出了这个方法,然后得到了目前让自己都没有办法接受的这个结论的话,这个测量本身是不是有一些需要改进的地方?那么如果说是这个问题的话,可能可以借助后面的进一步的研究去改进。
我要说的主要就是,非常认同这种基于证据的决策支持的做法。另外对这个研究本身希望能够有进一步的学习和了解的这个机会。
那我省出一些时间。
(以上内容根据录音整理)