-
前沿量化研究方法应用分享——以《高等教育与社会阶层流动：理论与实证》为例
一、文献基本信息 文献标题：高等教育与社会阶层流动：理论与实证 作者：吴俊珺、杜文豪、何启志 发表信息：《中央财经大学学报》2025年第2期 核心研究主题：基于高校扩招背景，探究高等教育对社会阶层流动的影响效应、动态演变规律及异质性差异 二、核心研究方法概述 本文以量化实证研究为核心，聚焦内生性处理、动态效应识别、异质性分析三大方法创新点，核心研…- 38
- 3
-
桂林山水公园景观视觉偏好研究
想知道AI + 眼动如何硬核破解公园景观评价难题？这篇桂林山水公园研究，把SAM 模型、眼动追踪、美景度评价三合一，用最直观的数据告诉你：人们到底爱看什么景观、不同人群偏好差在哪、AI 如何自动量化景观元素。一篇读懂城市公园景观视觉偏好的前沿实验方法，干货拉满，速看！ 方法的基本信息 核心思想：以桂林山水公园为案例，整合眼动追踪技术 + 美景度评价法 (SBE)+SAM 图像分割模型，构建 &ld…- 24
- 4
-
基于增量学习算法的混合课程学生成绩预测模型研究
一、导语 混合课程学情预测总被 “批量学习无法更新、模型不支持新数据、预测波动大” 卡脖子？这篇清华团队发表在电化教育研究（CSSCI）的论文，用增量学习随机森林（OnRF）破解难题 —— 模型可随新数据持续迭代、样本越大越准、大样本下预测稳定性大幅提升，直接适配高校混合课程动态学情监测、过程性预警、跨学期模型复用，是教育大数据与机器学习结合的可落地…- 35
- 7
-
HINA：用网络分析揭示学习过程中的异构互动
导语 当学生在协作解决问题时，生成式AI的加入会改变小组互动的结构和关注焦点。HINA（Heterogeneous Interaction Network Analysis）方法提供了一种创新的网络分析手段，可以同时捕捉学生、AI工具、学习资源及任务之间的多层异质交互模式，让复杂学习过程的数据可视化并量化分析，揭示学习行为的潜在规律。 方法的基本信息 1. 核心思想：将学习过程数据转化为异质交互网…- 31
- 2
-
LGMM，看见学生的不同成长方式
一： 导语 为什么有的学生一直自信满满，有的却逐渐“认清现实”？为什么同一门课，有人越学越有信心，有人却越来越低估自己？这些差异，其实不是“平均趋势”能解释的。潜在增长混合模型（LGMM），正是用来揭示这种“隐藏在群体中的不同发展轨迹”的强大工具。它不仅能看到变化，还能告诉我们——谁在怎么变，以及为什么…- 50
- 6
-
破译家庭教育的组合密码：响应面分析视角下亲子系统对青少年心理的影响路径
导语 你是否想过，父母对孩子的“爱”与“管”如何微妙地影响着青少年的心理健康？一份近期研究运用前沿的统计方法——“响应面分析”，为我们揭开了冰山一角。研究发现，高质量的亲子关系是抵御青少年抑郁、自伤和自杀意念的保护因素，其作用甚至优先于父母的教育投入。当爱与管束失衡，孩子内心的挫败感便会悄然滋生，成为心…- 44
- 6
-
别再只统计行为次数了！这个叫 TNA 的方法能够看到学习的过程网络
一、导语 在学习分析研究中，有一个长期存在的困难：学习过程本身不可直接观察，我们只能通过一系列行为来间接推断。但传统做法往往要么关注“行为出现了多少次”，要么关注“变量之间是否相关”，却很少真正回答一个更关键的问题——学习是如何一步一步展开的。例如，在小组协作中，学生是先形成理解再推进任务，还是在情绪互动中逐渐达成共识？这些&…- 54
- 8
-
过程-动作ENA：一种量化学生与AI导师互动行为的新方法💡
1. 导语 🌟 随着大模型融入课堂，学生与AI导师的对话记录成了一座数据富矿。但你是否想过，这些看似日常的聊天日志背后，其实隐藏着学生自我调节学习（SRL）的关键密码？今天分享一篇25年发表在《Journal of Learning Analytics》上的论文，教你如何利用过程-动作认知网络分析（Process-Action ENA），让那些隐秘的学习策略无所遁形！🔍 2. 方法的基本信息 💡 …- 46
- 5
-
历时性词嵌入法 | 知乎论坛中的政见缘何爆火？
1. 导语 历时性词嵌入法重新定义爆火言论！网络政治争锋中为什么有的人一开口就是爆款热梗，而有的人明明情绪拉满、态度鲜明却无人在意？研究利用一个新颖的数据集来追踪中国网民在在线论坛上对美国政治的讨论，并采用创新的历时词嵌入方法来检验文化力量的关键预测因素。论调新不新并非与同期的其他言论进行比较，而是与过去公共领域中已发表的言论进行比较。 2.方法的基本信息 2.1 核心思想 研究援引社会互动中的&…- 54
- 6
-