【机器学习应用】还没期末考试，算法却说我的物理一定挂科
By 超神經(jīng)
場景描述：大學(xué)物理是理工科學(xué)生的基礎(chǔ)必修課程，但也因為有一定的難度，令很多學(xué)生望而生畏。研究人員提出了用 AI 算法預(yù)測，哪些學(xué)生物理課有掛科風(fēng)險，好讓老師更好地進(jìn)行教學(xué)指導(dǎo)和調(diào)整教育資源的分配。
關(guān)鍵詞：隨機(jī)森林 決策樹 大學(xué)物理 預(yù)測
不得不說，算法的預(yù)測能力越來越強(qiáng)，小到預(yù)測夫妻是否會吵架，大到預(yù)測地震洪水等何時發(fā)生。
現(xiàn)在，算法甚至連你的物理課會不會掛科，都能預(yù)測出來。
這是最近西弗吉尼亞大學(xué)和加州理工大學(xué)的學(xué)者們，在 arxiv.org 上發(fā)表的一項最新研究。
他們發(fā)表了一篇有趣的論文：《Using Machine Learning to Identify the Most At-Risk Students in Physics Classes》（《使用機(jī)器學(xué)習(xí)來識別物理課上，最有掛科風(fēng)險的學(xué)生》）。
愛因斯坦：讓我看看是誰會掛科？
論文中表示，通過機(jī)器學(xué)習(xí)算法，可以評估物理基礎(chǔ)課中學(xué)生的畢業(yè)成績，該預(yù)測模型將學(xué)生分類為成績 A、B、C、D、F 和 W（退選）。
注：美國大部分院校采用的評分等級與百分制分?jǐn)?shù)對應(yīng)規(guī)則大約為：A：90+；B：80+；C：70+；D：60+；F：不及格；W：退選課程（Withdrawal 的簡寫）。
?預(yù)測成績：敲響警鐘，你還可以搶救一下
還記得被大學(xué)物理支配的恐慌嗎？
對很多理工科學(xué)生來說，大學(xué)物理的難度系數(shù)與高數(shù)相當(dāng)，是最讓人頭禿的科目之一。
國外一項研究顯示：曾主修工程和科學(xué)（統(tǒng)稱為 STEM）但最后轉(zhuǎn)專業(yè)，或者沒能拿到學(xué)位的學(xué)生中，其中一小半的人就是因為物理和數(shù)學(xué)等主修課程，實在是太難。
學(xué)好高等數(shù)學(xué)、微積分也是掌握物理的前提之一
STEM 學(xué)生，尤其是基礎(chǔ)學(xué)科的流失率逐年提高，而與此同時，社會對他們的需求卻依舊很高，出現(xiàn)了不小的人才缺口。
因此，西弗吉尼亞大學(xué)和加州理工大學(xué)的研究人員提出，用 AI 算法來拯救這些學(xué)生吧。
他們認(rèn)為，用機(jī)器學(xué)習(xí)算法，來識別哪些學(xué)生有掛科風(fēng)險。這樣教師就可以根據(jù)預(yù)測結(jié)果，有針對性地進(jìn)行指導(dǎo)，從而提高學(xué)生的通過率，也能及時了解他們的掌握情況。
?算法：參考過往表現(xiàn)，預(yù)測未來成績
?樣本抽取?
研究人員從來兩所大學(xué)的抽取了三個樣本，來訓(xùn)練預(yù)測學(xué)生表現(xiàn)的人工智能算法。
這些樣本數(shù)據(jù)包括了：學(xué)生的 ACT（美國高考）成績、大學(xué) GPA 、物理課上收集的數(shù)據(jù)（比如課后作業(yè)成績和考試成績）。
其中，樣本一和樣本二來自于美國東部一所大學(xué)的物理科學(xué)和工程專業(yè)的學(xué)生。
樣本一：包括 2000 年至 2018 年，完成大學(xué)物理 1 課程的所有學(xué)生，樣本量為 7184 人。
樣本二：?2016 年秋季至 2019 年春季學(xué)期的數(shù)據(jù)，樣本量為 1683 人。樣本包括了課堂表現(xiàn)數(shù)據(jù)，比如平均答題次數(shù)、課后作業(yè)平均成績、學(xué)期考試分?jǐn)?shù)等。
樣本三：數(shù)據(jù)來自于 2017 年整個學(xué)年的力學(xué)入門課。樣本三收集于另一所大學(xué)，該大學(xué)位于美國西部。
?變量?
本研究中所使用的變量，都是來自大學(xué)和班級內(nèi)部。同時，也將一些人口統(tǒng)計信息如性別、族裔等信息納入其中。
學(xué)生的高中成績、是否有微積分基礎(chǔ)等都是考慮的變量
?隨機(jī)森林算法預(yù)測?
研究中，采用隨機(jī)森林機(jī)器學(xué)習(xí)算法，來預(yù)測學(xué)生的入門物理學(xué)課程最終成績。算法最后會將學(xué)生分為獲得 A、B 或 C 的學(xué)生（歸為 ABC 類學(xué)生）和獲得 D、F 或 W 的學(xué)生（歸為 DFW 類潛在掛科學(xué)生）。
為了了解算法的性能，他們將數(shù)據(jù)集分為測試和訓(xùn)練數(shù)據(jù)集。訓(xùn)練數(shù)據(jù)集用于開發(fā)分類模型，以訓(xùn)練分類器。
測試數(shù)據(jù)集則用于表征模型性能。
分類模型預(yù)測測試數(shù)據(jù)集中每個學(xué)生的測試結(jié)果后，會將預(yù)測結(jié)果與實際結(jié)果進(jìn)行比較。
?結(jié)果：尷尬了，準(zhǔn)確度 57 %?
經(jīng)過模型調(diào)整與驗證，研究者得出了預(yù)測結(jié)果，但準(zhǔn)確率實在不太樂觀……
模型在三個樣本集的表現(xiàn)
他們指出，在對整個樣本預(yù)測結(jié)果中，女性和少數(shù)民族學(xué)生較多的樣本，DFW 準(zhǔn)確性較低，他們指出，這需要對人口統(tǒng)計學(xué)進(jìn)行模型調(diào)整。
在第一個樣本上訓(xùn)練的算法，預(yù)測「DFW 類學(xué)生」的準(zhǔn)確性僅為 16％，研究人員分析，這可能是因為訓(xùn)練集中，成績?yōu)?DFW 的學(xué)生比例很低（12％）所致。
樣本一中，模型的最佳表現(xiàn)準(zhǔn)確度僅僅達(dá)到 57%，也就是僅比隨機(jī)概率好一點點而已。
?結(jié)果準(zhǔn)確率低，模型引爭議
面對這個結(jié)果，他們認(rèn)為：對于教育工作者和正在努力學(xué)習(xí)的學(xué)生來說，此類機(jī)器學(xué)習(xí)分類模型，可能是一個強(qiáng)大的工具，可以更好指導(dǎo)教育干預(yù)和教育資源的分配。
研究人員：任何模型都不能達(dá)到 100％ 的準(zhǔn)確度
網(wǎng)友：可是... 57% 是不是有點低？
但是，也有批評者認(rèn)為，像這樣的技術(shù)，可能會帶有偏見或誤導(dǎo)性的預(yù)測，給學(xué)生造成傷害。
一直研究表明，即使接受了大型語料庫的訓(xùn)練，人工智能在預(yù)測復(fù)雜結(jié)果方面，仍會存在偏差問題。
此前，亞馬遜的內(nèi)部 AI 招聘工具，就因為表現(xiàn)出對女性的偏見，而被停用。
因此，人們也擔(dān)心，這種成績預(yù)測算法，不僅不能起到提高 STEM 學(xué)生保留率，反而會加劇不平等現(xiàn)象。
當(dāng)然一切的結(jié)果都只是預(yù)測，考試嘛，三分天注定，七分靠打拼，剩下的九十分靠老師的心情。
祖師爺：想考好？得有這個
—— 完 ——
往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯獲取一折本站知識星球優(yōu)惠券，復(fù)制鏈接直接打開：https://t.zsxq.com/662nyZF本站qq群1003271085。加入微信群請掃碼進(jìn)群：總結(jié)
以上是生活随笔為你收集整理的【机器学习应用】还没期末考试，算法却说我的物理一定挂科的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【深度学习】深度学习的发展方向： 深度强
- 下一篇： 【CV】使用Keras和迁移学习从人脸图