用于学习分析的信息系统与技术专业学生匿名数据集:来自南非一所大学

《Data》:Anonymized Dataset of Information Systems and Technology Students at a South African University for Learning Analytics

【字体: 大 中 小 】 时间:2025年12月25日 来源:Data 2.4

编辑推荐:

  数据存储和数据处理技术的进步迫使高等教育机构优化其数据的使用。全球许多大学已开始在其机构实施学习分析(Learning Analytics, LA),以更好地理解和改善教学。尽管数字数据持续积累,非洲高等教育机构在实施学习分析方面进展缓慢。与本研究相关的研究人

  
数据存储和数据处理技术的进步迫使高等教育机构优化其数据的使用。全球许多大学已开始在其机构实施学习分析(Learning Analytics, LA),以更好地理解和改善教学。尽管数字数据持续积累,非洲高等教育机构在实施学习分析方面进展缓慢。与本研究相关的研究人员提供了一个来自南非夸祖鲁-纳塔尔大学(University of KwaZulu-Natal)的信息系统与技术(Information Systems and Technology, IS&T)专业学生的数据集。该数据集包含约14,000名注册学生的记录,来自10门IS&T课程,主要包括人口统计数据、学业表现(包括过去的IS&T课程和学校记录)以及学习管理系统(Learning Management System, LMS)交互数据。该数据集呈现不平衡性,特点是成功完成课程的学生比例高于未完成的学生。该数据集将引起从事学习分析应用研究(包括早期通过/失败预测和成绩分类)以及希望在实际数据集上测试其技术的研究人员的兴趣。数据集链接:https://doi.org/10.34740/kaggle/dsv/8949892 或 https://doi.org/10.5281/zenodo.14810607。数据集许可证:CC-BY 4.0。
**论文解读:南非夸祖鲁-纳塔尔大学信息系统与技术专业学生学习分析数据集**

**研究背景与问题**
随着数据存储与处理技术的进步,高等教育机构正面临优化数据利用的迫切需求。学习分析(Learning Analytics, LA)作为新兴领域,旨在通过测量、收集、分析和报告学习者及其情境数据,以理解和优化学习环境。全球多所大学已开始实施LA,但非洲高等教育机构进展缓慢,主要原因包括数字数据持续积累但缺乏有效利用,以及真实世界数据集稀缺。现有公开数据集(如开放大学学习分析数据集OULAD)规模有限,多数仅包含少量学生和属性,难以支持高精度机器学习模型的开发。此外,学习分析研究常受限于数据来源单一,缺乏整合人口统计、学业背景、学习行为等多维信息的综合数据集。为此,本研究旨在构建一个来自南非夸祖鲁-纳塔尔大学(University of KwaZulu-Natal, UKZN)信息系统与技术(Information Systems and Technology, IS&T)专业学生的匿名数据集,以填补非洲地区学习分析数据集的空白,并支持早期通过/失败预测、成绩分类等应用研究。论文发表在《Data》期刊。

**主要关键技术方法**
研究人员从UKZN的机构智能(Institutional Intelligence, II)部门及Moodle学习管理系统(LMS)中收集数据,样本来源为该校两个校区的IS&T专业学生(2014–2021年)。数据收集涉及四个源数据集:DS1(学生注册与人口统计数据)、DS2(高中成绩)、DS3(LMS日志数据)、DS4(LMS活动完成报告)。根据南非《个人信息保护法》(POPIA)要求,研究人员通过算法将学生编号替换为匿名标识符(如STUD0000001),并删除姓名信息。随后,通过匹配算法将DS1与DS2、DS3、DS4合并,按课程(10门本科课程)分离,生成课程级数据集。

**研究结果**

**1. Background and Summary**
研究背景指出,学习分析在非洲高等教育中应用不足,且缺乏大型真实数据集。现有数据集(如OULAD)虽被广泛使用,但多数仍局限于有限的学生数和属性。本研究通过整合人口统计、学业表现和LMS交互数据,构建了包含约14,000名学生、42,842条注册记录及112,733条高中成绩记录的大规模数据集,为学习分析研究提供了新资源。

**2. Data Description**
数据集包含四个子文件:DS1(学生注册数据,含人口统计、财务资格及课程成绩,15,048名学生)、DS2(高中成绩,含11年级和12年级结果)、DS3(LMS日志数据,记录点击流行为)、DS4(LMS活动完成报告)。所有数据已匿名化,通过STUDNO属性关联。数据集按10门课程(3门一年级、3门二年级、4门三年级)划分,并附有课程先修条件信息(如ISTN2IP需先修ISTN101和ISTN103)。研究人员还从DS3和DS4中提取了常见活动(如LMS点击、文件下载、测验完成)的计数,并与DS1整合。

**3. Methods**
数据收集需经伦理批准(HSSREC/00002342/2021),并签署保密协议(NDA)。匿名化算法(Algorithm 1)将原始学生编号替换为连续编号,并删除姓名。合并算法(Algorithm 2)通过匹配高中科目、LMS行为计数,将DS2、DS3、DS4数据整合到DS1中,再按课程过滤。

**4. Applications and Evaluation Metrics**
研究人员建议使用多种评估指标:准确率(Accuracy)应不低于80%,但超过98%可能提示过拟合;训练与测试准确率差不应超过10%。受试者工作特征曲线(ROC)值≥0.7表示模型良好,但因数据集不平衡,推荐使用精确率-召回率曲线(PRC),可接受范围为0.7–1.0。精确率(Precision)和召回率(Recall)≥0.7、F-measure≥0.8为良好模型。

**5. User Notes**
该数据集可用于研究影响学生保留率的因素、构建预测模型识别辍学风险学生,以及进行计算机科学领域的比较分析。数据涵盖2014–2021年,其中2014–2019年反映传统面对面教学环境,2020–2021年因COVID-19疫情转向在线学习,LMS数据主要来自此时期。这种情境差异为研究疫情前后学习行为、结果和参与度变化提供了独特视角。

**总结讨论与结论**
讨论部分强调,该数据集虽来源于单一学科(IS&T),但综合性强,涵盖人口统计、学业背景和LMS行为,且时间跨度包含两种教育模式。不平衡性(成功完成课程学生占比高)是现实场景的典型特征,研究者可采用欠采样、过采样或SMOTE技术处理。数据集已公开于Kaggle和Zenodo(CC-BY 4.0协议),旨在促进学习分析领域的实证研究。结论部分指出,该数据集为非洲高等教育机构实施学习分析提供了基础资源,并支持早期预测模型开发,以改善学生学业成果和通过率。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号