.png){kind=icon}
返回
Artifact-based diagnostic learning analytics via large language models: a case study in programming classroom
.png){kind=icon}
PRE
AI
DOI：10.1007/s11423-026-10665-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本课堂嵌入式案例研究探讨了面向编程教育的多维诊断学习分析流水线。具体而言，我们提出了多维认知诊断—反馈—协调（MCD-FO）框架，以连接粒度化的作品证据与即时支架和群体级决策。为评估该方法，我们在一门本科编程课程中开展了一项实证研究，其中327名学生提交了1423份里程碑作品。一个基于评分细则约束的大型语言模型（LLM）代理根据四个维度——语法理解（SU）、算法推理（AR）、调试策略（DS）和元认知调节（MR）——在29个指标上对这些提交进行了标注。该框架生成了高度可靠的认知诊断档案（总体kappa=0.82）。结果显示，学生在计算机编程认知发展评估（dz=1.50）上表现出显著的课前至课后增益，加权认知诊断档案分数呈现稳定周度提升，同时严重运行时错误率下降。认识论网络分析进一步揭示了认知维度间逐渐增强的共现模式，尤其是在SU–AR和AR–DS关联上。交叉验证证据表明，仪表盘使用支持教师进行数据驱动的教学调整，包括针对性补救和自适应节奏。MCD-FO框架的实践实施为可扩展、可审计的个性化教育提供了一条认知基础扎实且可复现的路径。
Keyword:
Cognitive diagnosis
Programming education
Learning analytics
Large language models
Formative feedback
Dashboards
Epistemic network analysis
期刊
E
IF:
4.2
论文数:
2.3K
被引数:
7.0K
机构
引用论文
分享收藏Beyond Frequency: Using Epistemic Network Analysis and Multimodal Traces to Understand Temporal Dynamics of Self-Regulated Learning超越频率: 使用认知网络分析和多峰跟踪来理解自我调节学习的时间动态
OAAI
OAAI分享收藏LGS-KT: Integrating logical and grammatical skills for effective programming knowledge tracing.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏Weighted kappa: Nominal scale agreement provision for scaled disagreement or partial credit.加权kappa: 针对规模分歧或部分信贷的名义规模协议条款。
PREAI
分享收藏
查看更多内容