基于机器学习的数字协作教育的关键因素和预测模型
Desheng Yan1, Xiuli Yuan2, Guangming Li3,4
1Inner Mongolia Minzu Preschool Education College, Ordos, China.
Annals of the New York Academy of Sciences
|November 7, 2025
概括
数字协作教育提高了教学质量和人才发展. 关键预测因素包括数字应用和专业发展,以及对教师培训的见解.
科学领域:
- 教育技术的教育技术
- 机器学习在教育中的应用
- 教师专业发展教师专业发展
背景情况:
- 数字协作教育对于提高教学质量和通过家庭-学校-社区伙伴关系促进人才发展至关重要.
- 数字协作教育有效性的关键驱动因素和预测模型尚未得到充分理解.
- 教师的数字素养是数字协作教育的关键因素,但尚未得到充分探索.
研究的目的:
- 确定影响中小学教师数字协作教育的关键因素.
- 利用机器学习开发数字协作教育有效性的预测模型.
- 分析这些因素在不同教师人口结构中的异质性.
主要方法:
- 采用机器学习算法,包括梯度增强回归树 (GBRT) 和随机森林,以识别影响因素并构建预测模型.
- 利用夏普利添加式解释 (SHAP) 进行全面的解释性分析和累积局部效应 (ALE) 图表进行单一特征解释.
- 专注于小学和中学教师作为研究对象.
主要成果:
- 与其他模型相比,随机森林模型在预测数字协作教育有效性方面表现优越.
- 数字应用,数字学术评估,数字教学实施和数字教学设计被确定为最重要的预测因素.
- 数字应用成为最强的预测因素,其次是专业发展,在各种人口群体中观察到非线性关系.
结论:
- 该研究提供了支持数字协作教育进步的经验证据.
- 数字素养,特别是数字应用和专业发展,对数字协作教育成果产生重大影响.
- 调查结果为有针对性的教师专业发展计划提供了宝贵的见解,以加强数字协作教育.
