作者:Valentin Kassarnig, Enys Mones, Andreas Bjerre-Nielsen, Piotr Sapiezynski, David Dreyer Lassen and Sune Lehmann 来源:EPJ Data Science 发布时间:2018/10/10 9:47:27
选择字号:
这位同学,我看你成绩不太好,是不是朋友没交对? | Springer Open

论文标题:Academic performance and behavioral patterns

期刊:EPJ Data Science

作者:Valentin Kassarnig, Enys Mones, Andreas Bjerre-Nielsen, Piotr Sapiezynski, David Dreyer Lassen and Sune Lehmann

发表时间:2018/04/24

数字识别码:10.1140/epjds/s13688-018-0138-8

原文链接: https://epjdatascience.springeropen.com/articles/10.1140/epjds/s13688-018-0138-8?utm_source=WeChat&utm_medium=Website_linksSocial_media_organic&utm_content=CelZha-MixedBrand-multijournal-Multidisciplinary-China&utm_campaign=ORG_AWA_CZH_BMCWechat_dailyposts_blogs

微信链接:https://mp.weixin.qq.com/s/dpN8zp27z7m5CmPNtyzRTg

原文作者:Valentin Kassarnig, Sune Lehmann & Andreas Bjerre-Nielsen

不久前 ,我们分享了教育环境中的竞争与腐败对学术不端行为的影响。一次,我们来说说身边的社交环境对学生学业表现的影响。

Valentin Kassarnig,Sune Lehmann和Andreas Bjerre-Nielsen通过对本科生的智能手机数据进行分析,评估了究竟哪些因素会对学生的学业表现和和社交行为产生影响,其研究结果近期发表于EPJ Data Science期刊。

图1:照片来自Unsplash,由Nathan Dumlao拍摄

智能手机已经深深渗透到我们每个人的日常生活中,可以说是人人拥有,人人在用。在过去的十年中,科技的发展使得人们之间的沟通、社交和互动方式发生了根本的变化。但这些变化会带来怎样的后果?我们的行为又会受到怎样的影响?社会环境会发挥怎样的作用?教育研究则是探索这类问题的有趣场景之一,这类研究的目标是了解哪些因素会影响学业成绩以及会如何影响。

为了阐明这些问题,我们分析了从538名学生的智能手机中收集到的数据。作为一个更大项目的一部分(本研究已得到所有相关人员的明确同意),我们建立了丰富的社交行为数据集,内容包括:蓝牙扫描、通话和短信元数据、Facebook活动日志和移动追踪。此外,我们还收集了研究参与人员的性格测试结果,以及学校官方的管理数据作为补充。

在一项新的研究中,我们分析了上述社交行为数据集,以阐明不同方面的行为会如何影响学生的学业成绩。我们特别关注了学生的社交环境,本研究中的“社交环境”主要通过五种社交渠道捕获:电话、短信、物理接近(来自蓝牙扫描)、Facebook互动和Facebook好友。这些社交方式可以说是目前最重要的一些交流渠道。

我们的分析显示,同伴的GPA平均值与学业成绩呈高度相关。也就是说,如果一个学生的朋友学习成绩都比较好,那么这个学生的成绩很可能也比较出色。这一结论在调查的所有社交渠道中都得到了证实,而在通话和短信这两种目前最典型的社交纽带中这一趋势最为明显。我们根据GPAs将学生分为三组后,观察到主要的短信均发生在同组学生之间:

图2:不同学习成绩的学生之间的短信来往情况

所以,如果你的成绩不好,也许是因为你没有交对朋友?

可惜事情并没有这么简单。学生的成绩受到的影响是由选择(人们会选择与自己相似的朋友)还是适应/同伴效应(人们会变得更像他们的朋友)所驱动仍然是一个悬而未决的问题。

社交环境对学业成就影响显著

我们拥有丰富的数据集,能够比较多种特征(性格、行为和社交网络的不同特征)对学业表现的重要性。根据我们的模型,社交网络因素具有比个体因素更高的解释效力,由此强调了社会环境对学业成就的重要性。

在我们所考虑的个体因素中,我们发现课堂出勤率及“责任感”和“自尊心”这两种人格特质会显著影响学生的学业表现。

我们对课堂出勤行为进行了一次更为全面的分析,并再次发现强烈的社交因素影响,因为朋友之间的课堂出勤水平往往呈现高度相关。

最后,综合所有个体和社交网络因素可以获得对学生学业表现的最高解释效能。在监督学习实验中,我们使用提取的不包括学生既往成绩的完整特征库能够非常准确地判断学生的学业表现。而过去则往往是将学生的既往成绩作为预测其学业成就的最重要因素,因此这项研究结果具有突破性的意义。

总之,我们的研究结果强调了学业表现在很大程度上取决于个体性格、行为和社交环境。我们希望这项研究结果能够激励研究人员进一步探索社会环境对学业成就的影响以及个体因素和社交网络因素之间的相互作用。

摘要:

Abstract

Identifying the factors that influence academic performance is an essential part of educational research. Previous studies have documented the importance of personality traits, class attendance, and social network structure. Because most of these analyses were based on a single behavioral aspect and/or small sample sizes, there is currently no quantification of the interplay of these factors. Here, we study the academic performance among a cohort of 538 undergraduate students forming a single, densely connected social network. Our work is based on data collected using smartphones, which the students used as their primary phones for two years. The availability of multi-channel data from a single population allows us to directly compare the explanatory power of individual and social characteristics. We find that the most informative indicators of performance are based on social ties and that network indicators result in better model performance than individual characteristics (including both personality and class attendance). We confirm earlier findings that class attendance is the most important predictor among individual characteristics. Finally, our results suggest the presence of strong homophily and/or peer effects among university students.

阅读论文全文请访问:

https://epjdatascience.springeropen.com/articles/10.1140/epjds/s13688-018-0138-8?utm_source=WeChat&utm_medium=Website_linksSocial_media_organic&utm_content=CelZha-MixedBrand-multijournal-Multidisciplinary-China&utm_campaign=ORG_AWA_CZH_BMCWechat_dailyposts_blogs

期刊介绍:

EPJ Data Science (https://epjdatascience.springeropen.com/) covers a broad range of research areas and applications and particularly encourages contributions from techno-socio-economic systems, where it comprises those research lines that now regard the digital “tracks” of human beings as first-order objects for scientific investigation. Topics include, but are not limited to, human behavior, social interaction (including animal societies), economic and financial systems, management and business networks, socio-technical infrastructure, health and environmental systems, the science of science, as well as general risk and crisis scenario forecasting up to and including policy advice.

2017 Journal Metrics

2.982 - 2-year Impact Factor

3.042 - 5-year Impact Factor

1.361 - Source Normalized Impact per Paper (SNIP)

0.943 - SCImago Journal Rank (SJR)

(来源:科学网)

 
 
 
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。
 
 打印  发E-mail给: 
    
 
以下评论只代表网友个人观点,不代表科学网观点。

 
相关新闻 相关论文

图片新闻
巨型真菌媲美购物中心 美科学家不端行为殃及整个相关研究领域
科学家找到127亿年前的巨大原初星系团 喜马拉雅水电“梦断”滑坡?
>>更多
 
一周新闻排行 一周新闻评论排行
 
编辑部推荐博文
 
论坛推荐