我國(guó)的高等教育不斷發(fā)展，自2016年6月正式加入《華盛頓協(xié)議》以來(lái)，我國(guó)工程教育專業(yè)認(rèn)證工作不斷推進(jìn)，通過(guò)認(rèn)證的專業(yè)數(shù)量正在不斷增長(zhǎng)，專業(yè)認(rèn)證成為我國(guó)教育領(lǐng)域的一大重點(diǎn)。

現(xiàn)如今很多課程老師為了提高課堂效果，獲得更高的課程目標(biāo)達(dá)成度，采用“項(xiàng)目式學(xué)習(xí)（project- based learning, PBL）”教學(xué)方法，以學(xué)生為中心，以真實(shí)項(xiàng)目或案例為主題，讓學(xué)生自主學(xué)習(xí)或小組討論，從而在學(xué)習(xí)過(guò)程中獲得自我能力的提升。

但PBL教學(xué)方法在實(shí)際應(yīng)用中的效果并不理想，因?yàn)槠渲泻芏嗤瑢W(xué)無(wú)法達(dá)到自主學(xué)習(xí)的狀態(tài)，教學(xué)中的作業(yè)任務(wù)并未自主完成而是借用其他同學(xué)的作業(yè)去交差，小組討論中也沒(méi)有發(fā)揮積極作用，但是其在最后考試中反而取得了不錯(cuò)的成績(jī)，所以最后的成績(jī)所反映出來(lái)的效果不能真正地表達(dá)學(xué)生的實(shí)際能力。也就是說(shuō)，有很多難以控制與觀測(cè)的混雜因子在同時(shí)影響著學(xué)生的項(xiàng)目式學(xué)習(xí)過(guò)程與最后的考試成績(jī)，項(xiàng)目式學(xué)習(xí)課程現(xiàn)狀因果圖如圖1所示。

圖1 項(xiàng)目式學(xué)習(xí)課程現(xiàn)狀因果圖

由此可見(jiàn)，在面臨難以控制與觀測(cè)的混雜因子時(shí)，需要解決兩個(gè)問(wèn)題：①是否有清晰易懂的推理模型能夠?yàn)樘岢龅闹T多問(wèn)題提供明確的答案，設(shè)計(jì)項(xiàng)目式學(xué)習(xí)的教學(xué)與考核，以改進(jìn)混雜因子對(duì)學(xué)習(xí)和成果兩方面的影響；②是否有適應(yīng)性強(qiáng)的計(jì)算公式能夠根據(jù)所掌握的數(shù)據(jù)回答因果問(wèn)題，評(píng)價(jià)項(xiàng)目教學(xué)法對(duì)于學(xué)生學(xué)習(xí)成果的真實(shí)因果效應(yīng)。

本文將因果推斷科學(xué)的前門調(diào)整法遷移應(yīng)用到課程教學(xué)設(shè)計(jì)與質(zhì)量評(píng)價(jià)中。一方面，在面臨無(wú)解的混雜因子時(shí)，教師運(yùn)用因果圖，著手尋找不受混雜因子影響的中介變量，也就是新的教學(xué)或考核環(huán)節(jié)，在減少混雜因子影響的同時(shí)，能形成使用前門調(diào)整公式的條件；另一方面，運(yùn)用前門調(diào)整公式作為教學(xué)方法對(duì)學(xué)生學(xué)習(xí)成果因果效應(yīng)的被估量，利用課程觀測(cè)數(shù)據(jù)來(lái)估計(jì)真實(shí)的因果效應(yīng)。

1 理論與方法

1.1 因果理論與因果圖

因果理論的發(fā)展與因果模型自1998年《科學(xué)》雜志刊登了一篇名為《大數(shù)據(jù)的處理程序》最早提出了“大數(shù)據(jù)（big data）”，短短數(shù)十年已發(fā)展成為一門重要的學(xué)科。現(xiàn)常用的因果模型通常指由朱迪亞·珀?duì)柕扔?000年左右提出基本概念，至今已經(jīng)發(fā)展成為一門橫跨統(tǒng)計(jì)學(xué)與計(jì)算機(jī)學(xué)科的重大任務(wù)，其重點(diǎn)在于關(guān)于干預(yù)的建模與推理。Bernhard將其稱作新一代信息革命的燃料。其主要概念是將事物或者事件用節(jié)點(diǎn)進(jìn)行表示，再用帶箭頭的線段來(lái)表示其因果關(guān)系。

圖2是為了嚴(yán)格處理因果關(guān)系問(wèn)題而針對(duì)數(shù)據(jù)集所提出的一種結(jié)構(gòu)因果模型（structural causal model, SCM）概念的圖形化因果模型關(guān)聯(lián)集。其給出的圖形定義為，如變量X是變量C的子變量，即有箭頭從C指向X，則稱C為X的直接因果原因，箭頭代表的是C到X的概率或者說(shuō)是貢獻(xiàn)值，表示有C與無(wú)C時(shí)X出現(xiàn)的差值。

圖2 因果模型

圖2中，真正的因果效應(yīng)X→Y與由叉接合X←C→Y誘導(dǎo)的X和Y之間的偽相關(guān)混合在一起，這里的C就叫混雜因子，若C作為不可觀測(cè)的混雜因子，影響X→Y的因果效應(yīng)時(shí)，因果效應(yīng)就無(wú)法通過(guò)條件期望計(jì)算，這時(shí)需要采用隨機(jī)試驗(yàn)計(jì)算因果效應(yīng)或者采用傳統(tǒng)統(tǒng)計(jì)學(xué)方法進(jìn)行回歸分析。

但在工程教育領(lǐng)域中，采用隨機(jī)試驗(yàn)分析課程目標(biāo)達(dá)成度的方法無(wú)法使用，工程教育具有全員覆蓋性，隨機(jī)試驗(yàn)不現(xiàn)實(shí)，同樣用回歸分析的方法計(jì)算因果效應(yīng)的方法過(guò)于繁瑣，不便于在教育領(lǐng)域的推廣與應(yīng)用。因果圖提供了一種將數(shù)據(jù)與因果信息相結(jié)合的可選語(yǔ)言，可使用后門調(diào)整法、前門調(diào)整法等直觀的方法解決因果推斷問(wèn)題，這使因果圖非常適合在工程教育領(lǐng)域應(yīng)用。

1.2 do算子與后門調(diào)整

因果學(xué)可以將認(rèn)知能力分為三種層級(jí)：觀察能力（seeing）、行動(dòng)能力（doing）和想象能力（imagining），其中第二層級(jí)的行動(dòng)能力代表實(shí)施“干預(yù)”。“干預(yù)”就是控制一個(gè)變量，以影響其他變量，是判定因果關(guān)系的一個(gè)重要操作。如果控制一個(gè)變量，導(dǎo)致其他變量的概率分布，則可以說(shuō)明前者是后者的因。通過(guò)干預(yù)可以確定多個(gè)變量間因果關(guān)系的存在性，這也是現(xiàn)如今很多科學(xué)方法常用的手段，例如控制變量法及隨機(jī)對(duì)照實(shí)驗(yàn)等。

然而在很多情境下，實(shí)施干預(yù)去確定因果關(guān)系的成本及風(fēng)險(xiǎn)都難以估計(jì)，如前文所言，在具有全員覆蓋性的教育領(lǐng)域，實(shí)施干預(yù)的舉措就難以完成。這就使得在這些情境下，需要通過(guò)一些舉措觀測(cè)現(xiàn)有數(shù)據(jù)去預(yù)測(cè)干預(yù)的效果。

這里需要調(diào)用“do算子”來(lái)表達(dá)預(yù)測(cè)實(shí)施了干預(yù)的結(jié)果，do算子的引用是因果理論與傳統(tǒng)統(tǒng)計(jì)學(xué)最為顯著的區(qū)別。“do”代表了行動(dòng)，可以表達(dá)因果關(guān)系第二層級(jí)的一個(gè)經(jīng)典問(wèn)題，即“如果我們實(shí)施了某種行動(dòng)，這將會(huì)帶來(lái)何種結(jié)果？”，缺乏do算子的條件概率僅僅反映了因果關(guān)系第一層級(jí)的觀察所得到的結(jié)果。其中do(X)對(duì)于因果圖來(lái)說(shuō)就是刪除指向X的所有箭頭。

例如圖2中，當(dāng)混雜因子C可測(cè)量時(shí)，可以使用后門調(diào)整法計(jì)算X對(duì)Y的因果效應(yīng)P(Y|do(X))。后門路徑可以定義為所有X和Y之間以指向X的箭頭為開(kāi)始的路徑，如果可以阻斷所有的后門路徑，也就意味著完成了去混雜。控制C即可阻斷后門路徑，后門調(diào)整就是通過(guò)對(duì)去混變量集C的控制阻斷從X到Y(jié)的所有后門路徑；對(duì)于數(shù)學(xué)公式，此時(shí)，do(X)等同于see(X)，P(Y|do(X),C)=P(Y|X,C)，表達(dá)的意思是，在控制了一個(gè)充分的去混因子集C之后，留下的相關(guān)性，就是真正的因果效應(yīng)。

由do算子運(yùn)算可以推導(dǎo)出后門調(diào)整公式為

式（1）

此公式計(jì)算的是變量X對(duì)于變量Y的因果效應(yīng)，其中變量C為變量X對(duì)變量Y因果效應(yīng)中的混雜因子。通過(guò)公式，可以在C可觀測(cè)的情況下，直接通過(guò)數(shù)學(xué)計(jì)算得到X到Y(jié)的因果效應(yīng)。

1.3 前門調(diào)整法

在C不可測(cè)量的情況下，已無(wú)法通過(guò)后門路徑簡(jiǎn)化計(jì)算，此時(shí)可以選用前門調(diào)整法，在C不可測(cè)量的情況下去除混雜，從而計(jì)算X到Y(jié)的因果效應(yīng)。

如果一個(gè)變量集合M滿足以下條件：M切斷了所有X到Y(jié)的有向路徑；X到M沒(méi)有后門路徑；所有M到Y(jié)的后門路徑都被X阻斷，則稱變量集合M滿足有序變量（X, Y）的前門準(zhǔn)則。也就是說(shuō)，當(dāng)計(jì)算因果效應(yīng)時(shí)發(fā)現(xiàn)X對(duì)Y的因果效應(yīng)被一組變量C混雜，又被另一組變量M介導(dǎo)，且變量M不受變量C的影響，便能知道這里可以利用前門調(diào)整法從觀測(cè)數(shù)據(jù)中估計(jì)X對(duì)Y的因果效應(yīng)。當(dāng)意識(shí)到這點(diǎn)之后，在面臨無(wú)解的混雜因子時(shí)，首先應(yīng)想到尋找不受混雜因子影響的中介變量。

加入中介變量的因果模型如圖3所示，此模型滿足前門調(diào)整法的使用條件，所以X到Y(jié)的因果效應(yīng)P(Y|do(X))可以使用前門調(diào)整公式表達(dá)為

式（2）

此公式計(jì)算的是變量X對(duì)于變量Y的因果效應(yīng)，其中變量M是變量X對(duì)變量Y因果效應(yīng)的中介變量。

圖3 加入中介變量的因果模型

2 因果模型搭建與分析

2.1 因果模型搭建

回到圖1的因果圖所展示出的問(wèn)題，因?yàn)榛祀s原因無(wú)法真實(shí)找到項(xiàng)目教學(xué)法對(duì)于學(xué)生學(xué)習(xí)效果的因果效應(yīng)，所以本文目的即是去除影響兩個(gè)變量的混雜因子。現(xiàn)如今的評(píng)價(jià)方式大多使用考試成績(jī)作為反映學(xué)生能力的具體體現(xiàn)，將考試成績(jī)作為課程目標(biāo)達(dá)成情況的考察標(biāo)準(zhǔn)，但是考試成績(jī)可由多種途徑提高，例如老師考前劃重點(diǎn)、學(xué)生考前刷真題等，這類因素可以使一些實(shí)際能力未能達(dá)標(biāo)的同學(xué)由考試成績(jī)的數(shù)值反映為達(dá)標(biāo)。

若想要知道項(xiàng)目式學(xué)習(xí)本身對(duì)學(xué)生學(xué)習(xí)效果的因果效應(yīng)，則需主要研究P(考試成績(jī)|do(項(xiàng)目式學(xué)習(xí)))，現(xiàn)在教育常規(guī)評(píng)價(jià)的是P(考試成績(jī)|項(xiàng)目式學(xué)習(xí))，這種條件概率公式表示學(xué)習(xí)產(chǎn)出達(dá)成的概率（P）是以觀察到學(xué)生參加了實(shí)驗(yàn)為條件的。注意P(考試成績(jī)|項(xiàng)目式學(xué)習(xí))與P(考試成績(jī)|do(項(xiàng)目式學(xué)習(xí)))完全不同，觀察到（seeing）和進(jìn)行干預(yù)（doing）有本質(zhì)的區(qū)別，兩者的混淆成為高等教育評(píng)價(jià)社會(huì)失信之源。完全由P(考試成績(jī)|項(xiàng)目式學(xué)習(xí))統(tǒng)治的高等教育評(píng)價(jià)是荒誕的。

因此，本文使用因果推斷的方法計(jì)算課程目標(biāo)達(dá)成度，即計(jì)算項(xiàng)目式學(xué)習(xí)對(duì)于考試成績(jī)的因果效應(yīng)，需要排除影響項(xiàng)目式學(xué)習(xí)與考試成績(jī)間因果效應(yīng)的混雜因子。現(xiàn)將“學(xué)生作業(yè)抄襲”“學(xué)生在小組討論中劃水”“學(xué)生考前刷真題”“作弊”等因素歸類為“惰性”，作為項(xiàng)目式學(xué)習(xí)對(duì)于考試成績(jī)因果效應(yīng)中的混雜因子。

然而“惰性”大多為學(xué)生自身主觀的消極因素，無(wú)法觀測(cè)，無(wú)法使用后門調(diào)整法去除混雜。由朱迪亞·珀?duì)柕那伴T調(diào)整法可知，在面臨無(wú)解的混雜因子時(shí)，應(yīng)立即著手尋找不受混雜因子影響的中介變量，從而使用前門調(diào)整法從觀測(cè)數(shù)據(jù)中估計(jì)X對(duì)Y的影響。

對(duì)于項(xiàng)目式學(xué)習(xí)與課程目標(biāo)達(dá)成情況的中介變量，本文選用“成果展示”。“成果展示”指的是學(xué)生在完成自己以項(xiàng)目為基礎(chǔ)的作業(yè)后，在課堂上進(jìn)行展示并由其他學(xué)生進(jìn)行投票打分。以“成果展示”作為項(xiàng)目式學(xué)習(xí)到課程目標(biāo)達(dá)成情況的中介變量，是因?yàn)楝F(xiàn)在大多數(shù)的老師意識(shí)到以面向成果導(dǎo)向的工程教育專業(yè)認(rèn)證注重的是以解決實(shí)際問(wèn)題為目標(biāo)的學(xué)生能力，而不是傳統(tǒng)的以考察學(xué)生知識(shí)點(diǎn)掌握能力為終極目標(biāo)的分?jǐn)?shù)教育，由此，需要一個(gè)過(guò)程性評(píng)價(jià)。所以這里要求學(xué)生在課堂上展示自己所完成的以項(xiàng)目為基礎(chǔ)的作業(yè)。

某校信息安全課程因果模型如圖4所示，在這里，X代表項(xiàng)目式學(xué)習(xí)，Y代表課程目標(biāo)達(dá)成情況，C代表混雜因子惰性，M代表成果展示。

圖4 某校信息安全課程因果模型

2.2 基于前門調(diào)整法的模型分析

觀察圖4可以知道，因?yàn)槲床扇∪魏未胧栊酝瑯佑绊懼鴮W(xué)生的成果展示成績(jī)，即混雜因子C影響了中介變量M，所以C有指向M的箭頭，這導(dǎo)致混雜因子無(wú)法在引入中介變量后得到有效的控制和去除。

所以如果要使用前門調(diào)整法，就必須屏蔽混雜因子對(duì)于成果展示的影響，取消掉C到M的箭頭。課程可以在大綱中明確要求學(xué)生每人至少參加一次以項(xiàng)目為基礎(chǔ)的成果展示，將不參加成果展示則不能參與期末考試作為硬性要求，因?yàn)轫?xiàng)目式學(xué)習(xí)作業(yè)次數(shù)多，且難以每次嚴(yán)格管理，而成果展示每個(gè)人只有一次，可以做到嚴(yán)格管理成果展示這一環(huán)節(jié)且精確評(píng)分。

這些舉措就阻斷了惰性這一混雜因子對(duì)于過(guò)程評(píng)價(jià)即“成果展示”的影響，消除了因果圖中C指向M的箭頭。改進(jìn)后的課程因果模型如圖5所示，這一舉措使中介變量“屏蔽”了混雜因子的影響，因此適合使用前門標(biāo)準(zhǔn)來(lái)分析項(xiàng)目式學(xué)習(xí)對(duì)于考試成績(jī)的因果效應(yīng)。

圖5 改進(jìn)后的課程因果模型

對(duì)于這樣的因果模型，可以發(fā)現(xiàn)公式中看不到C（惰性因子）的存在，這使此方法在未采集到任何數(shù)據(jù)的時(shí)候就成功地排除了混雜因子C。其次，因果推斷引擎作為一種問(wèn)題處理機(jī)器，以“假設(shè)”為基礎(chǔ)，接收“問(wèn)題”輸入，產(chǎn)生輸出“被估量”。

被估量可視作一種針對(duì)問(wèn)題中目標(biāo)量的計(jì)算方法。前門調(diào)整和后門調(diào)整公式就是兩個(gè)被估量。公式左邊代表提出問(wèn)題“X對(duì)Y的影響是什么”，而公式右邊是被估量，即是回答左邊提出問(wèn)題的一種方法，此被估量以條件概率的形式表示，不包含關(guān)于do算子的有關(guān)數(shù)據(jù)，也就是說(shuō)與關(guān)于實(shí)際干預(yù)的數(shù)據(jù)無(wú)關(guān)，只包含觀測(cè)到的數(shù)據(jù)。這意味著它無(wú)需依賴隨機(jī)對(duì)照實(shí)驗(yàn)，可以直接根據(jù)數(shù)據(jù)估計(jì)出來(lái)。

3 數(shù)據(jù)分析

3.1 數(shù)據(jù)來(lái)源

本文選用某校2019級(jí)通信工程班信息安全課程101人成績(jī)，成績(jī)包括項(xiàng)目式學(xué)習(xí)的作業(yè)成績(jī)，學(xué)生以項(xiàng)目為基礎(chǔ)的成果展示的成績(jī)，以及考試成績(jī)。對(duì)于X：“0”“1”分別代表著學(xué)生項(xiàng)目式學(xué)習(xí)平時(shí)成績(jī)不合格和平時(shí)成績(jī)合格。對(duì)于M：“0”“1”“2”分別代表著學(xué)生在成果展示的成績(jī)中取得“不及格”“及格”與“優(yōu)秀”。對(duì)于Y：“0”“1”“2”分別代表著學(xué)生在期末考試中取得“不及格”“及格”與“優(yōu)秀”。

對(duì)于此課程的課程目標(biāo)達(dá)成度分析，本文采用將P(Y≥1|do(X=1))的值大于70%視為課程目標(biāo)達(dá)成度合格的方法。

3.2 數(shù)據(jù)處理

將101位同學(xué)的各項(xiàng)成績(jī)進(jìn)行分類，在平時(shí)成績(jī)合格和不合格的情況下，成果展示成績(jī)?nèi)〉谩安患案瘛薄凹案瘛迸c“優(yōu)秀”人數(shù)見(jiàn)表1。

表1（單位: 人）

由表1可以計(jì)算，在項(xiàng)目式學(xué)習(xí)平時(shí)成績(jī)不合格的同學(xué)中，成果展示環(huán)節(jié)成績(jī)不及格的概率為P(M=0|X=0)=57.69%，成績(jī)及格的概率為P(M=1|X=0)= 38.46%，成績(jī)優(yōu)秀的概率為P(M=2|X=0)=3.85%；在項(xiàng)目式學(xué)習(xí)平時(shí)成績(jī)合格的同學(xué)中，成果展示環(huán)節(jié)成績(jī)不及格的概率為P(M=0|X=1)=13.33%，成績(jī)及格的概率為P(M=1|X=1)=57.33%，成績(jī)優(yōu)秀的概率為P(M=2|X=1)=29.33%。

對(duì)已有數(shù)據(jù)進(jìn)行進(jìn)一步處理，得到在項(xiàng)目式學(xué)習(xí)平時(shí)成績(jī)兩個(gè)不同成績(jī)級(jí)別及成果展示環(huán)節(jié)三個(gè)不同成績(jī)級(jí)別的條件下，考試成績(jī)?nèi)〉谩安患案瘛薄凹案瘛迸c“優(yōu)秀”人數(shù)見(jiàn)表2。

表2 （單位: 人）

將表2中數(shù)據(jù)代入后門調(diào)整公式可知，如果學(xué)生按照要求分別取得成果展示成績(jī)?yōu)椤安患案瘛薄凹案瘛迸c“優(yōu)秀”，那么他們?cè)谶@種條件下，可能取得不同的考試成績(jī)級(jí)別的概率見(jiàn)表3。

表3 （單位: %）

最后由前門調(diào)整公式可知，如果學(xué)生按照要求參加項(xiàng)目式學(xué)習(xí)并且平時(shí)成績(jī)合格的話，那么學(xué)生在考試中取得成績(jī)的概率見(jiàn)表4。

表4 （單位: %）

在這里，數(shù)據(jù)中P(Y|do(X=0))可以表達(dá)為“如果學(xué)生未能按照要求完成項(xiàng)目式學(xué)習(xí)任務(wù)的話，那么其在考試成績(jī)中所能取得某種成績(jī)的概率為……”，同理，P(Y|do(X=1))可以表達(dá)為“如果學(xué)生按照要求完成項(xiàng)目式學(xué)習(xí)任務(wù)的話，那么其在考試成績(jī)中所能取得某種成績(jī)的概率為”。

從以上數(shù)據(jù)可以看出，學(xué)生如果按照要求完成項(xiàng)目式學(xué)習(xí)任務(wù)的話，那么在期末考試中及格的概率為P(Y=1|do(X=1))=64.92%，其在期末考試中獲得優(yōu)秀的概率為P(Y=2|do(X=1))=18.81%。所以P(Y≥1|do(X=1))=83.73%。

現(xiàn)如今的國(guó)內(nèi)課程目標(biāo)達(dá)成度分析普遍使用平均分算分法、15%分位法等，類似方法太過(guò)于考慮數(shù)據(jù)而忽略了數(shù)據(jù)生成過(guò)程中的混雜因素。

去除與未去除混雜的課程目標(biāo)達(dá)成度情況見(jiàn)表5，對(duì)比不使用因果推斷僅用條件概率算出的課程目標(biāo)達(dá)成度情況P(Y=1|X=1)=65.33%，P(Y=2|X=1)= 25.33%，所得出的P(Y≥1|X=1)=90.66%，有明顯的區(qū)別。若按條件概率所得到的課程目標(biāo)達(dá)成度計(jì)算，混雜原因會(huì)使課程目標(biāo)達(dá)成度的值普遍較高，這可能讓一些實(shí)際并未合格的課程在未去除混雜的情況下也在條件概率的數(shù)據(jù)下顯示合格，這明顯不符合工程教育專業(yè)認(rèn)證的目的，因此去除混雜計(jì)算課程目標(biāo)達(dá)成度的因果推斷方法更符合工程教育專業(yè)認(rèn)證的要求。

表5

由以上數(shù)據(jù)可得，P(Y≥1|do(X=1))=83.73%＞70%，所以可以知道本課程的課程目標(biāo)達(dá)成度合格。去除混雜后的數(shù)據(jù)直接反映了學(xué)生參加課程教學(xué)對(duì)于期末考試成績(jī)的因果效應(yīng)，而去除“惰性”混雜因子后的考試成績(jī)可以反映出學(xué)生自身的學(xué)習(xí)成果產(chǎn)出，也就說(shuō)明了此數(shù)據(jù)更能反映學(xué)生的課程目標(biāo)達(dá)成度情況。

3.3 變量選取分析

本文中變量X本質(zhì)為項(xiàng)目式學(xué)習(xí)這種教學(xué)方法，而度量一種教學(xué)方法主要是觀察學(xué)生自身的改變，通常可以選用參與度來(lái)度量教學(xué)方法。參與度的高低需要數(shù)值來(lái)進(jìn)行區(qū)分，故本文選取平時(shí)成績(jī)的合格與否，賦值“1”“0”作為參與度高或低的區(qū)分。實(shí)際上依據(jù)課程的教學(xué)情況，可以對(duì)參與度有更多的檔次分層。

對(duì)于中介變量M，本文選用以項(xiàng)目為基礎(chǔ)的成果展示，在項(xiàng)目式學(xué)習(xí)中起到兩大關(guān)鍵作用：首先是對(duì)干預(yù)有預(yù)測(cè)作用，即在不進(jìn)行隨機(jī)試驗(yàn)的情況下也可以模擬隨機(jī)試驗(yàn)的效果；第二，在教學(xué)大綱中加入成果展示環(huán)節(jié)，對(duì)學(xué)生在學(xué)習(xí)的投入有積極的促進(jìn)作用。在不同的課程中可以根據(jù)實(shí)際教學(xué)情況有不同的選取方式，例如在需要進(jìn)行實(shí)驗(yàn)的課程中選取實(shí)驗(yàn)作為中介變量，但要保證混雜因子對(duì)中介變量無(wú)影響，需對(duì)實(shí)驗(yàn)的環(huán)境與評(píng)價(jià)方式進(jìn)行一些設(shè)計(jì)，比如采用人工智能評(píng)價(jià)方法去評(píng)測(cè)結(jié)果。

在本文中，變量Y是采用學(xué)生的期末考試數(shù)據(jù)，但實(shí)際上項(xiàng)目式學(xué)習(xí)這種教學(xué)方式本身就產(chǎn)生了多元化的過(guò)程和考核結(jié)果，在不同課程的課程目標(biāo)達(dá)成情況分析中，可以選取不同的考核數(shù)據(jù)，或是多次的考核結(jié)果數(shù)據(jù)，因?yàn)樵诒疚膱D1中，變量Y的選取并不影響變量X是變量Y的因，變量Y是變量X的果，同理，在圖5中，變量Y既是變量X的果，也是變量M的果，變量間的因果關(guān)系都不會(huì)因?yàn)閅的構(gòu)成而發(fā)生變化。

4 結(jié)論

本文引用了因果推斷方法中的do算子及后門標(biāo)準(zhǔn)、前門標(biāo)準(zhǔn)的概念，將之遷移到教育領(lǐng)域，提出構(gòu)建基于前門調(diào)整法的“項(xiàng)目式學(xué)習(xí)”過(guò)程考核設(shè)計(jì)與課程質(zhì)量評(píng)價(jià)方法，在工程教育具有全員覆蓋性、無(wú)法實(shí)施隨機(jī)對(duì)照試驗(yàn)的前提下，采用基于觀測(cè)數(shù)據(jù)的自然實(shí)驗(yàn)方法，有效去除數(shù)據(jù)關(guān)聯(lián)中的混雜影響，從而推斷出項(xiàng)目式學(xué)習(xí)對(duì)學(xué)生學(xué)習(xí)成果的真實(shí)因果效應(yīng)。本文方法是結(jié)合教學(xué)實(shí)踐的有益探索，對(duì)專業(yè)認(rèn)證實(shí)施有積極促進(jìn)作用。

本文編自2022年第10期《電氣技術(shù)》，論文標(biāo)題為“基于前門調(diào)整法的“項(xiàng)目式學(xué)習(xí)”過(guò)程考核設(shè)計(jì)與課程質(zhì)量評(píng)價(jià)”，作者為錢辰、曠怡 等，本課題得到湖南省學(xué)位與研究生教育教改研究重大項(xiàng)目、湖南省新工科研究與實(shí)踐項(xiàng)目的支持。