学习分析中学习行为、学生参与度与学业表现的关系研究

《Frontiers in Psychology》：Learning behavior, student engagement, and academic performance in learning analytics

　　

引言：学习行为（learning behavior）和学生参与度（student engagement）是与学业表现（academic performance）相关的教育构念。学习分析（learning analytics）为利用大型教育数据集检验这些关系提供了机会。然而，清晰的构念区分、适当的统计验证以及与替代预测模型的比较仍然必要。

方法：研究人员分析了一个包含14,003条记录的公开教育分析数据集。在去除1,534条完全重复记录后，保留了12,469条唯一记录。学习行为以学习时间、在线课程参与和作业完成为指标；学生参与度以出勤、讨论参与和课外活动参与为指标；学业表现以考试成绩为指标，而最终成绩因其计算程序未被记录而被排除。研究人员使用普通最小二乘（ordinary least squares, OLS）回归检验统计关联，并纳入观测变量路径模型（observed variable path model）和机器学习（machine learning）模型作为替代规格。研究人员采用80%训练集和20%留出测试集的划分进行预测验证。

结果：学习行为与学生参与度之间呈现微小且不显著的关联（β₁=0.0017，p=0.8112）。学生参与度与学业表现呈负向关联（γ₁=?1.2485，p=0.0014），而学习行为与学业表现呈正向关联（γ₂=1.0075，p=0.0009）。基线模型的解释力有限（R²=0.004）。在留出测试集上，随机森林（random forest）模型提供了最强的预测性能（R²=0.564，RMSE=11.719，MAE=8.896，MAPE=14.013%）。鲁棒性分析显示，各替代静态规格下的系数幅度相似。

讨论：研究结果表明，分析数据集内学习行为、学生参与度和学业表现之间存在统计关联。由于该数据集为横断面数据，且未记录时间顺序或重复观测，因此不能确立因果关系或时间关系。该结果支持在学习分析研究中进行透明的构念定义、比较性模型评估和样本外验证。

学习行为（learning behavior）、学生参与度（student engagement）与学业表现（academic performance）是教育研究中的核心构念。学业表现是教育成就的重要指标，但其解释需结合学习过程中的行为与情境因素。学生参与度通常包含行为、情感和认知维度，并与学业成就、坚持性等结果相关。学习行为则通过学习努力、参与、作业完成等可观察指标反映学生与教育活动的互动。学习分析（learning analytics）的发展使研究者能够利用大规模教育数据集考察上述关系。然而，已有研究存在几个问题：一是学生参与度和学习行为常被分开考察，难以比较构念间关系；二是复合教育测量需要明确的构念定义和适当的指标分配，但应用研究常未充分处理；三是纵向及记忆类模型需要重复观测和时间排序，而许多可用数据集为横断面。为此，Huang和Yue的研究旨在通过构造非重叠指标、清晰定义学习行为、学生参与度和学业表现，并采用回归分析与预测基准比较，在透明横断面框架内考察这些构念的统计关系。该研究有三项目标：检验学习行为与学生参与度的关联；评估学生参与度、学习行为与学业表现的关联；比较基线统计规格与观测变量路径模型及机器学习替代模型。

研究人员使用了Kaggle上公开的“学生表现与学习风格”数据集（由A. Shamim发布，2026年8月23日获取）。原始数据含14,003条记录，去除1,534条完全重复后保留12,469条。主要技术方法包括：对连续指标进行z分数标准化，并采用等权重构造学习行为指数（Learning Behavior Index, LBI）、学生参与度指数（Student Engagement Index, SEI）和学业表现指数（Academic Performance Index, API）；使用普通最小二乘（ordinary least squares, OLS）回归估计关联；纳入观测变量路径模型和机器学习模型（随机森林、梯度提升、支持向量回归）作为替代规格；按80%训练集和20%留出测试集划分，并在测试集上计算R²、RMSE、MAE和MAPE；使用非参数bootstrap估计预测指标的95%置信区间。该数据集来源为公开仓库，原始参与者招募、机构设置和采集流程无法独立验证，因此被视作“公开可用的构建式教育分析数据集”而非已验证的学生样本。

研究结果分述如下。**描述性统计**：各变量存在充分变异，LBI、SEI和API的分布均无明显聚集，适合后续分析。**相关分析**：LBI与API呈小正相关（r=0.030，p<0.01），SEI与API呈小负相关（r=?0.030，p<0.01），而LBI与SEI相关性非常小且不显著（r=0.005，p>0.05），表明构念间线性关联较弱。**模型验证结果**：基线OLS模型在留出测试集上R²=0.006，RMSE=17.696，MAE=15.342，MAPE=24.108%，预测准确性有限；残差均值接近零但离散度较大，说明无系统性偏差但误差较大。**比较与敏感性分析**：观测变量路径模型与OLS结果几乎一致（因为使用相同复合指标和结构关系）；随机森林预测性能最优（R²=0.564，RMSE=11.719，MAE=8.896，MAPE=14.013%），梯度提升居中，支持向量回归与OLS接近。这表明灵活的非线性算法在本数据集上预测优势明显，但结果仍属关联性证据。**鲁棒性分析结果**：在不同静态规格下，LBI-SEI关联始终微小且不显著（系数0.0017–0.0018），SEI-API负关联（?1.2485至?1.1720）和LBI-API正关联（0.9908至1.0075）方向稳定，模型拟合指标变化极小，说明主关联对协变量调整和构念同时纳入不敏感。**研究发现讨论**：SEI与API的负向关联与多数文献报告的积极关联方向不同，研究者谨慎指出这可能与SEI包含出勤、讨论参与和课外活动等非考试导向指标有关，也可能反映参与度高的学生本身面临更多学业困难，但这些解释无法在本横断面数据中检验。

讨论部分强调，所有结果仅表明分析数据集内的统计关联和预测模式，不能确立因果或时间关系。由于数据集缺乏时间变量和重复观测，无法估计个体发展轨迹或动态效应。研究者支持在后续研究中采用具有明确来源和纵向设计的数据库，以考察时间性关系。

结论方面，研究者认为：学生参与度与学业表现在本数据集中呈负向且显著的关联（γ₁=?1.2485，p=0.0014），这与多数以往文献不同，应谨慎解读。基线线性模型的解释力非常有限（R²=0.0035，调整R²=0.0028），测试集R²=0.006，预测准确性不高。在替代模型中，随机森林的预测性能最强。鲁棒性分析表明主关联稳定。由于数据集来源无法验证、且为横断面设计，发现仅适用于该数据集，不能直接推广至教育政策或更广泛学生群体。未来研究应使用具备参与者来源记录、重复测量和明确时间标识的纵向教育数据集，以直接评估学习行为、学生参与度和学业表现随时间变化的关系。