一种基于因果推断的个性化课程教学持续改进方法

1.本发明涉及一种基于因果推断的个性化课程教学持续改进方法。


背景技术：

2.工程教育专业认证是提高人才培养质量、推动教育改革的重要途径，其倡导以学生为中心、产出导向(outcome-based education，obe)、持续改进的基本理念。中国工程教育专业认证标准第4.1条标准项要求建立教学过程质量监控机制，定期开展课程质量评价，指导书要求自评报告“持续改进”部分提供2门课程的课程目标达成情况评价报告，评价不仅是为了反映学生的学习效果，也是实现教学持续改进的关键反馈信息。美国abet专业认证标准要求在持续改进环节，将学生成绩评估结果和其他可用信息作为持续改进的输入，在进行重新评估时需记录所有改进后的结果，由此制定未来改进计划，并简要描述改进的理由。
3.某高校电力系统及其自动化专业的课程质量报告模板包括三部分内容：上一轮课程质量持续改进措施及实施情况，本学期课程目标达成情况评价分析，下一轮课程质量持续改进的措施。由此可见，专业认证标准要求的持续改进理念已得到落实。如图1所示，定期收集学生学习状态数据，开展课程目标达成情况评价，并将评价结果切实用于课程教学各环节的持续改进，达到师生主动调整教与学的目的。
4.对课程目标进行达成评价，是开展毕业要求达成评价的基础，也是基层教师实施教学改进的基础性工作。当前国内普遍采用平均分算分法和15％分位法，都可以在一定程度上用于发现问题和持续改进，例如多个课程目标达成情况的横向比较，同一课程目标历年达成情况的纵向比较。但是，要做好因材施教和持续改进，仅有这些数据是不够的。
5.目前普遍存在着以下问题：第一，达成情况分析仅考虑数据，没有注意数据生成的过程，难以得出初始数据不包含的内容，发现的问题缺乏数据的支撑；第二，改进意见基本上只是定性的、显而易见的直觉和假设，对问题的针对性不足；第三，对于提出的持续改进措施，没有对改进效果进行必要的分析，用以保证改进的有效性。


技术实现要素：

6.为了解决上述技术问题，本发明提供一种算法简单、科学有效的基于因果推断的个性化课程教学持续改进方法。
7.本发明解决上述技术问题的技术方案是：一种基于因果推断的个性化课程教学持续改进方法，包括以下步骤：
8.步骤一：基于考核结果分析存在初始绩点和发展预期这两个混杂因子，通过混杂因子分层分析，推断伪因果效应产生的原因；
9.步骤二：构建课程教学因果图，并引入后门调整法控制混杂变量，计算教学方法对学生学习效果真实的因果效应；
10.步骤三：进行主动干预，提出多维度选题、多渠道展示、多层次考核的改进措施，并
通过因果图分析改进的理由和效果；
11.步骤四：在下一学年的课程教学中，进行教学设计及学习效果评价，并依据新问题制定未来改进计划。
12.上述基于因果推断的个性化课程教学持续改进方法，所述步骤一中，基于考核结果分析存在初始绩点和发展预期这两个混杂因子的过程为：
13.收集“信息安全”课程中若干名同学的参与度和考核成绩的量化分，其中参与度x的量化值是对学生在课程中的积极参与情况，包括调查问卷取得的学生周平均投入时间、是否撰写实验指南、是否挑战其他小组、是否申请担任组长、是否发布作品短视频，按照各项权重计算所得；完成课程的学生参与度量化值基础分数为40，上限为100；
14.考核成绩y由成果档案袋评价得分和期末考试分值共同决定，成果档案袋评价得分按照团队评分和队内评分的方式，获得不同的初始分值和计分系数，最终计算得到考核成绩的量化值；
15.以参与度x为自变量，考核成绩y为因变量，绘制学习效果散点图，分析发现学生的参与度和考核成绩两者并不直接呈现正相关的关系，与数据预期相悖，表明存在混杂因子的干扰；
16.通过问卷和座谈会的形式与学生交流，初步发现存在初始绩点和发展预期两个混杂因子；初始绩点指学生大三进入本课程时的综合绩点，初始绩点不同的学生往往在学习热情、自我驱动能力和学习方法上有较大差异；学生的发展预期分为考研、保研、择业三个大类，不同的发展预期决定了学生在参与课程时迥然不同的学习态度，尤其在大三的课程中，这三类学生在专业课程上投入的精力和时间有较大的差别。
17.上述基于因果推断的个性化课程教学持续改进方法，所述步骤一中，对混杂因子进行分层分析，推断伪因果效应产生的原因的过程为：
18.将初始绩点和发展预期综合为学情个性化变量z，通过调查问卷收集学生的职业发展期望因素，对变量z进行分层，受保研和升学政策影响，“低绩点保研”分组实际不会出现，因此分为5层，分别为高绩点保研型、高绩点就业型、高绩点考研型、低绩点就业型、低绩点考研型；
19.通过上述数据处理，得到分层后的学习效果散点图，对分层后的学习效果散点图进行分析可知，学生数据在每层内均具有整体向上的趋势，这进一步说明了学生个人能力成长与课程参与度呈正相关；分析可知，高绩点保研型学生约占10％，这部分学生综合素质较强，期望课程能给自己带来新的能力增长点，在激烈的保研竞争中获得更强的竞争力，因此参与度和考核成绩都处于相对高位；考研型学生约占45％，这部分学生的参与度相对较低，学习效果也较差，他们倾向于付出较少的时间以通过考核获取学分，将主要精力投入到考研学习中；预期就业的学生情况最为复杂，既有工程能力突出的实验室成员，也有雄心勃勃的创业者，他们的时间相对充裕，参与度整体上居于中层，往往希望课题更加个性化和有趣味性，以增强参与者的综合素养。
20.上述基于因果推断的个性化课程教学持续改进方法，所述步骤二中，课程教学因果图的构建过程为：
21.因果图是一个有向无环图结构，由节点和箭头组成，节点代表了变量，箭头由因指向果；课程教学因果图中参与度x表征课程教学情况，学生考核成绩y表征学生学习效果；显
然，在学习过程中，学生对课程的投入精力直接影响学习效果，因此x是y的父节点；z为学情个性化变量，由初始绩点和发展预期综合而来，同时对变量x和变量y产生影响，是x与y因果关系中的混杂因子；
22.综上可知，在“信息安全”课程教学中选题难度过于均衡，对于综合素质优秀者过于简单，存在边际效应递减现象；对于基础较差的学生而言难度偏高，即使花费较多的精力也难以在小组竞争中取得优势；另一方面，选题范围过窄，展示渠道较少，不利于发挥学生的个人优势和调动学生的积极性。
23.上述基于因果推断的个性化课程教学持续改进方法，所述步骤二中，通过后门调整法控制混杂变量，计算教学方法对学生学习效果真实的因果效应的过程为：
24.后门调整公式通过控制混杂因子z，计算出参与度x与考核成绩y之间真实的因果效应；对于有序变量(x,y)，其中x＝(x1,x2,
…
,xi),y＝(y1,y2,
…
,yi)，xi表示第i个学生的参与度，yi表示第i个学生的考核成绩，变量集合z＝(z1,z2,z3,z4,z5)中没有节点是x的后代，且混杂变量z是可观察的，通过对学情个性化变量z的分层控制，使其满足相对于(x,y)的后门标准，学生参与度与考核成绩之间的因果效应如下所示：
[0025][0026]
式(1)中，do算子用于指代干预，p(y＝yi|do(x＝xi))为x与y之间真实的因果效应。p(y＝yi|x＝xi,z＝zk)为对z进行分层后每层中x和y之间的条件概率，p(z＝zk)为z每层的权重；
[0027]
将x和y的数值分为有限且数目可控的类别，根据课程教学中x和y的情况，将参与度x分为三个区间：参与度低/0、参与度中/1、参与度高/2；将考核成绩y分为五个区间：40-60分/0、60-70分/1、70-80分/2、80-90分/3、90-100分/4；由式(1)计算观测数据，得到学生学习效果概率分布，即x和y真实的因果效应。
[0028]
上述基于因果推断的个性化课程教学持续改进方法，所述步骤三中，提出多维度选题、多渠道展示、多层次考核的改进措施，并通过因果图分析改进的理由和效果，具体为：
[0029]
为了消除初始绩点和发展预期的影响，主动控制教学，提出以下三种干预措施：
[0030]
第一，提供多维度选题，以充分发挥学生长处，满足个人职业期待，包括：提供科教融合类选题，突出学生科研能力的基础建立和提前培养；提供产教融合类选题，培养解决复杂工程问题的能力；提供管理能力类选题，着重于全局意识、责任意识、管理能力的培养；
[0031]
第二，提供多个展示渠道：充分发挥教师和平台的力量，有的作品长于创意，体现综合素质，适合向外校教师展示；有的作品面向实际工程问题，适合向企业专家展示；而更多的纯技术性作品，工程针对性不明显，更适合课堂展示或开发实验供学生学习；
[0032]
第三，提供多层级考核：综合难度和知识域，将题目进行分类并给出不同的难度系数，以适应学生个人素质的差异，使初始状态较弱的学生付出一定的努力，也能较好的完成课程考核；
[0033]
将三种干预措施综合为因材施教因子m，听从于学情个性化变量z，通过个性化教学模式影响学生参与度x，变量z和变量m在变量x处形成对撞，阻断了x
←z→
y这一后门路径，抵消了混杂因子的影响。综合上述措施，可以充分调动学生的积极性，发挥学生所长，达到更好的学习效果。
[0034]
本发明的有益效果在于：本发明首先基于考核结果分析存在初始绩点和发展预期
这两个混杂因子，通过混杂因子分层分析，推断伪因果效应产生的原因；然后构建课程教学因果图，并引入后门调整法控制混杂变量，计算教学方法对学生学习效果真实的因果效应；随后进行主动干预，提出了多维度选题、多渠道展示、多层次考核的改进措施，并通过因果图分析改进的理由和效果；最后，在下一学年的教学中进行实施，并依据新问题制定未来改进计划，结果表明该持续改进机制具有科学性和有效性。
附图说明
[0035]
图1为常规持续改进机制的示意图。
[0036]
图2为本发明的流程图。
[0037]
图3为学习效果散点图。
[0038]
图4为分层后的学习效果散点图。
[0039]
图5为课程教学因果图。
[0040]
图6为改进措施因果图。
[0041]
图7为改进后的课程教学框架图。
[0042]
图8为教学情境任务示意图。
[0043]
图9为2021年分层学习效果散点图。
[0044]
图10为参与度柱状图。
[0045]
图11为2021年课程教学因果图。
[0046]
图12为2022年改进措施因果图。
具体实施方式
[0047]
下面结合附图和实施例对本发明作进一步的说明。
[0048]
如图2所示，由学习效果分析、因果效应计算、改进措施提出、课堂实施构成闭环。在t阶段课程质量评价时，首先寻找混杂因子，通过分层控制进行学习效果分析，构建课程教学因果图；随后运用后门调整法，计算教学方法对学生学习效果的因果效应；最后通过因果图提出针对性的干预措施，消除混杂因子的影响，优化课程教学。在t 1阶段进行课堂实施，针对改进措施优化教学设计，并评价改进效果。针对t 1阶段存在的问题，采用上述方法进行分析，提出未来t 2阶段的改进措施。
[0049]
一种基于因果推断的个性化课程教学持续改进方法，包括以下步骤：
[0050]
步骤一：基于考核结果分析存在初始绩点和发展预期这两个混杂因子，通过混杂因子分层分析，推断伪因果效应产生的原因。
[0051]
基于考核结果分析存在初始绩点和发展预期这两个混杂因子的过程为：
[0052]
收集“信息安全”课程中若干名同学的参与度和考核成绩的量化分，其中参与度x的量化值是对学生在课程中的积极参与情况，包括调查问卷取得的学生周平均投入时间、是否撰写实验指南、是否挑战其他小组、是否申请担任组长、是否发布作品短视频等，按照各项权重计算所得。完成课程的学生参与度量化值基础分数为40，上限为100；
[0053]
考核成绩y由成果档案袋评价得分和期末考试分值共同决定，成果档案袋评价得分按照团队评分和队内评分的方式，获得不同的初始分值和计分系数，最终计算得到考核成绩的量化值；
[0054]
以参与度x为自变量，考核成绩y为因变量，绘制学习效果散点图，如图3所示。分析发现学生的参与度和考核成绩两者并不直接呈现正相关的关系，与数据预期相悖，表明存在混杂因子的干扰；
[0055]
通过问卷和座谈会等形式与学生交流，初步发现存在初始绩点和发展预期两个混杂因子。初始绩点指学生大三进入本课程时的综合绩点，初始绩点不同的学生往往在学习热情、自我驱动能力和学习方法上有较大差异。学生的发展预期可以简单分为考研、保研、择业三个大类，不同的发展预期决定了学生在参与课程时迥然不同的学习态度，尤其在大三的课程中，这三类学生在专业课程上投入的精力和时间有较大的差别。
[0056]
对混杂因子进行分层分析，推断伪因果效应产生的原因的过程为：
[0057]
将初始绩点和发展预期综合为学情个性化变量z，通过调查问卷收集学生的职业发展期望等因素，对变量z进行分层，受保研和升学政策影响，“低绩点保研”分组实际不会出现，因此分为5层，分别为高绩点保研型、高绩点就业型、高绩点考研型、低绩点就业型、低绩点考研型；
[0058]
通过上述数据处理，得到分层后的学习效果散点图，如图4所示。分析可知，学生数据在每层内均具有整体向上的趋势，这进一步说明了学生个人能力成长与课程参与度呈正相关。分析可知，高绩点保研型学生约占10％，这部分学生综合素质较强，期望课程能给自己带来新的能力增长点，在激烈的保研竞争中获得更强的竞争力，因此参与度和考核成绩都处于相对高位。考研型学生约占45％，这部分学生的参与度相对较低，学习效果也较差，他们倾向于付出较少的时间以通过考核获取学分，将主要精力投入到考研学习中。预期就业的学生情况最为复杂，既有工程能力突出的实验室成员，也有雄心勃勃的创业者，他们的时间相对充裕，参与度整体上居于中层，往往希望课题更加个性化和有趣味性，以增强参与者的综合素养。
[0059]
步骤二：构建课程教学因果图，并引入后门调整法控制混杂变量，计算教学方法对学生学习效果真实的因果效应。
[0060]
课程教学因果图的构建过程为：
[0061]
因果图是一个有向无环图结构，由节点和箭头组成，节点代表了变量，箭头由因指向果。图5为课程教学因果图模型，其中参与度x表征课程教学情况，学生考核成绩y表征学生学习效果。显然，在学习过程中，学生对课程的投入精力直接影响学习效果，因此x是y的父节点。z为学情个性化变量，由初始绩点和发展预期综合而来，同时对变量x和变量y产生影响，是x与y因果关系中的混杂因子；
[0062]
综上可知，在“信息安全”课程教学中选题难度过于均衡，对于综合素质优秀者过于简单，存在边际效应递减现象；对于基础较差的学生而言难度偏高，即使花费较多的精力也难以在小组竞争中取得优势。另一方面，选题范围过窄，展示渠道较少，不利于发挥学生的个人优势和调动学生的积极性。
[0063]
通过后门调整法控制混杂变量，计算教学方法对学生学习效果真实的因果效应的过程为：
[0064]
后门调整公式能够通过控制混杂因子z，计算出参与度x与考核成绩y之间真实的因果效应。对于有序变量(x,y)，其中x＝(x1,x2,
…
,xi),y＝(y1,y2,
…
,yi)，xi表示第i个学生的参与度，yi表示第i个学生的考核成绩，变量集合z＝(z1,z2,z3,z4,z5)中没有节点是x的
后代，且混杂变量z是可观察的，通过对学情个性化变量z的分层控制，使其满足相对于(x,y)的后门标准，学生参与度与考核成绩之间的因果效应如下所示：
[0065][0066]
式(1)中，do算子用于指代干预，p(y＝yi|do(x＝xi))为x与y之间真实的因果效应。p(y＝yi|x＝xi,z＝zk)为对z进行分层后每层中x和y之间的条件概率，p(z＝zk)为z每层的权重；
[0067]
将x和y的数值分为有限且数目可控的类别，根据课程教学中x和y的情况，将参与度x分为三个区间：参与度低/0、参与度中/1、参与度高/2；将考核成绩y分为五个区间：40-60分/0、60-70分/1、70-80分/2、80-90分/3、90-100分/4。由式(1)计算观测数据，得到学生学习效果概率分布，即x和y真实的因果效应如表1所示。
[0068]
表1 2020年学生学习效果概率分布
[0069][0070]
步骤三：进行主动干预，提出多维度选题、多渠道展示、多层次考核的改进措施，并通过因果图分析改进的理由和效果。
[0071]
提出多维度选题、多渠道展示、多层次考核的改进措施，并通过因果图分析改进的理由和效果，具体为：
[0072]
为了消除初始绩点和发展预期的影响，主动控制教学，提出以下三种干预措施：
[0073]
第一，提供多维度选题，以充分发挥学生长处，满足个人职业期待，包括：提供科教融合类选题，突出学生科研能力的基础建立和提前培养；提供产教融合类选题，培养解决复杂工程问题的能力；提供管理能力类选题，着重于全局意识、责任意识、管理能力的培养；
[0074]
第二，提供多个展示渠道：充分发挥教师和平台的力量，有的作品长于创意，体现综合素质，适合向外校教师展示；有的作品面向实际工程问题，适合向企业专家展示；而更多的纯技术性作品，工程针对性不明显，更适合课堂展示或开发实验供学生学习；
[0075]
第三，提供多层级考核：综合难度和知识域，将题目进行分类并给出不同的难度系数，以适应学生个人素质的差异，使初始状态较弱的学生付出一定的努力，也能较好的完成课程考核；
[0076]
如图6所示，将三种干预措施综合为因材施教因子m，听从于学情个性化变量z，通过个性化教学模式影响学生参与度x，变量z和变量m在变量x处形成对撞，阻断了x
←z→
y这一后门路径，抵消了混杂因子的影响。综合上述措施，可以充分调动学生的积极性，发挥学
生所长，达到更好的学习效果。
[0077]
步骤四：在下一学年的课程教学中，进行教学设计及学习效果评价，并依据新问题制定未来改进计划。
[0078]
在2021年“信息安全”课程中，按照上一学年提出的改进措施，对课程教学进行了优化，图7为改进后的课程教学框架。
[0079]
在“信息安全”课程的7个课程模块中，设置了9种教学情境任务，以适应各学生的初始状态和发展预期，如图8所示。学生根据自己的能力和兴趣，选择合适的情境任务进行实践。实践过程中采用小组合作(group-work，gw)的学习模式，强化学习者间的互动交流。
[0080]
小组学习成果采用ppt、短视频、网页等多样化的展示形式，形成长期可查的作品档案，并向同学、高校教授、企业技术专家等展示作品并征求改进意见，提供多样化的展示渠道。
[0081]
每个情境任务均制定评价观测点证据评估表，在进行相应情境任务之前发布。以情境任务s6为例，其评价观测点证据评估表如表2所示，其中相关性指作品对该评价观测点所列证据的相关性强度，可靠性指作品对该评价观测点所列证据是否真实可靠，按强度由高到低给出5-1分。课堂上经由自评、互评、教师评价，对作品的进行相关性和可靠性评估。根据评价结果，挑选出优秀作品在学校流媒体平台上发布。
[0082]
表2 评价观测点证据评估表
[0083][0084]
课程最终考核成绩由成果档案袋评价情况和期末考试分数共同决定。一轮成果档案袋展示后，挑选出几个最优秀的作为课程学习成果，要求全体同学都达到该成果的认知层级。在期末考试时，以此认知平台为基础出考核题目。题目依据难度分为三类，成绩难度系数分别为1，0.9和0.8。
[0085]
取2021年“信息安全”课程中108名同学的参与度和考核成绩，以参与度x为自变量，以考核成绩y为因变量，参与度和考核成绩的度量方式与前述方式一致，得到改进后的分层学习效果散点图，如图9所示。与图4相比，图9中x与y的关系接近一次函数，且散点簇集中在中高区域，表明学生参与度明显提高，考核成绩大幅上升。
[0086]
图10展示了改进前后学生的参与度分布，x的取值众数由0变为2，说明在教学改进后多数学生表现出较强的学习积极性。表3为2020级和2021级学生的成绩数据统计，可以看出2021级学生成绩的均值比2020级的提高了9分左右，改进后能取得更好的学习效果。表4
为实际改进之后x与y之间的因果效应，与表1相比x与y之间的因果效应显著增强。
[0087]
表3 2020级和2021级学生成绩数据统计
[0088][0089]
表4 改进后的学习效果概率分布
[0090][0091]
以上均表明干预取得了良好的成效，基于因果推断的个性化教学持续改进机制具有科学性和有效性。
[0092]
从图9中可以看到，仍有少数学生参与度较低但考核成绩较高。通过问卷和座谈会了解到，部分学生只关注自己的课堂表现和课程成绩，不愿意与同学合作和分享。全球持续发展目标提出全方位要求,教育工作者的责任在于，引导学生实现自我成长，能够适应持续快速发展的社会、技术环境，包括多元化与包容性团队合作与沟通能力的培养。运用因果图分析，教学方法x(处理)除参与度外，还具有“分享动力”属性，作为新的度量值，亦受混杂因子“学情个性化变量”影响，如图11所示。
[0093]
如图12所示，通过“因材施教因子”节点m改进评分标准，增设“合作共享”考核项如表5所示：
[0094]
表5 合作共享的评价标准
[0095][0096]
节点m与混杂因子z在x处形成对撞，分析认为可有效改进学情个性化变量相应分
层对象对x的影响，从而提高x的分享动力值，改进x对y的因果效应。该改进措施将在2022年的教学中进行课堂实施。