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)。
1.1 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
2.1 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)。
3.1 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。
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。