本研究基于PISA 2022数据和拉丁美洲9国样本,采用解释性机器学习(SHAP方法)分析学业韧性学生(即弱势背景下表现优良学生)的主要决定因素。结果显示,家庭数字设备和书籍、性别、作业和学习重复等学生层面指标,以及学校规模、师生比、教师资质和疫情期间学校关闭时长等学校层面因素,对学业韧性影响显著。研究揭示疫情闭校和远程学习障碍负面影响,强调不同学业韧性定义下驱动因素差异,区分私立与公立、城乡学校的决定因素特点,为区域教育公平与政策制定提供科学依据
报告标题:
DETERMINANTS OF LATIN AMERICAN STUDENTS ACADEMIC RESILIENCE—INSIGHTS BASED ON PISA 2022 USING AN EXPLAINABLE MACHINE LEARNING APPROACH
作者:
Marcos Delprato,隶属于阿根廷Chilecito国立大学教育研究所
发布时间/数据来源:
基于2022年PISA数据,涵盖拉丁美洲9个国家
主题:
聚焦拉美地区学生学业韧性(Academic Resilience),即来自经济文化劣势背景但学业表现优异的学生,运用可解释机器学习方法(SHAP)探讨该地区学业韧性的驅动因素。
核心论点:
报告旨在为拉美地区制定定向教育政策、提升劣势学生学业表现提供数据支持和政策建议。,1]
学习危机背景:
疫情使拉美及加勒比地区学习危机加剧。该地区学校停课时间长(约270天,相当于1.42年教学时间损失),尤其劣势学生受影响巨大。收入最低10%学生丧失教育时间是顶层学生的4倍(81% vs 22%)。
学业韧性(SAR)的定义及意义:
学业韧性指即使家庭经济、社会文化地位较低,学生依然取得良好学业成绩的能力。研究SAR帮助发现拉美教育不平等的逆转路径,支持提升劣势群体社会流动性。
文献缺口与论文贡献:
现有学术多不聚焦拉美地区,且学业韧性定义多样。本文创新点在于:
学业好表现界定:
采用PISA中Level 2作为基础绩效线(较适合拉美局势),学生达不到为“低绩效”。
经济文化地位筛选:
聚焦经济社会文化地位(ESCS指数)处于底部两分位数(40%以下)的学生群体。
四个SAR定义指标:
该设计多角度捕获学业韧性,兼顾学生个体及学校环境的多重影响,3]。
样本:
使用2022年PISA数据,9个拉美国家(阿根廷、巴西、智利、哥伦比亚、多米尼加共和国、墨西哥、巴拿马、秘鲁、乌拉圭)。
数据摘要:
疫情变量:
学校较短停课时长、远程学习比例高,以及远程学习硬件和制度障碍少,均正向关联学业韧性。
机器学习模型对比:
采用逻辑回归(Logit)、神经网络(NN)、梯度提升树(GBT),使用5折交叉验证、超参数网格搜索。
模型表现:
以AUROC和AUPRC评分指标,GBT显著优于其他模型,适合捕捉复杂非线性关系和变量交互,最终模型为基于XGBoost库的GBT实现,24]。
GBT模型简介与正则化目标函数:
GBT为多个树模型的加法组合,目标函数结合预测误差与正则项,防止过拟合。
解释方法—SHAP算法:
引入Shapley值,此为博弈论中用于分配“贡献值”的指标,用于解读ML黑盒对单个预测的变量贡献,实现局部与全局可解释性,6]。
部分依赖图:
对关键变量展示预测输出的边际影响(相对概率),辅助解读疫情和软性技能对学业韧性的具体影响。
5.1.1 主要驱动因素(Fig.1 & Fig.2)
5.1.2 疫情相关背景变量(Fig.3)
5.1.3 软性人格特质(Fig.4)
SAR1中学业韧性最高的学生特点:
学业韧性最低学生:
SAR2顶尖学生:
SAR2最差学生:
描述:
展示前25位变量按平均绝对SHAP值排序,分别对应4种SAR指标(SAR1至SAR4)(图15页)。
解读趋势:
SAR1以学生个人因素为主,如数字设备、性别、作业和重复情况。SAR2则以学校相关因素为主,如学校劣势学生比例、学校规模及师资等。SAR3、SAR4作为更加严格定义,显示学业韧性驱动因素在学生与学校间随着定义变化有所变动,15]。
文本联系:
支持文本中强调的不同SAR定义对应不同影响构成,体现学业韧性的多层次性和复杂性。
描述:
展示每个学生对应变量的SHAP值分布,可直观看出变量的正负效应和个体异质性。
趋势:
联系:
为之前重要性图提供个体层面佐证,显示变量影响在全样本中分布广泛,非集中在少数个体。
描述:
展示疫情变量如停课天数、远程学习比例、网络和系统障碍对韧性概率的边际效应。
趋势:
联系:
呼应报告中关于疫情对拉美学习危机加剧的论述,指出教育政策应重视缩短停课与提升远程学习接入,7]。
描述:
分别展示好奇心和毅力两大软性人格指标对学业韧性概率的影响。
趋势:
联系:
突出软技能对教育公平和韧性的重要价值,教育政策可考虑软技能培养。
描述:
私立和公立学校,以及城乡学校内韧性驱动变量的排名比较。图中用线连结表示变量排名变化。
解读:
联系:
展示教育系统内部不均衡,强化“按需施策”的必要。
描述:
针对韧性概率最高和最低学生展示10个最关键变量及其具体指标值的SHAP贡献。
解读:
极韧学生具有私校背景、丰富家庭资源及良好个性特质,参与度高;非韧学生则复读、资源贫乏且个性问题突出,疫情不利因素更明显,20]。
联系文本:
具体示例直观体现模型发现,具备现实指导意义,有助政策精准干预。
本报告不涉及企业或财务估值,故无相关估值分析部分。
潜在偏见:
数据限制:
报告内部一致性:
本文基于2022年PISA数据,利用先进的解释型机器学习方法(GBT与SHAP)深入分析了拉美地区学生学业韧性的决定因素。通过四种不同定义的韧性指标,明确了家中数字设备、家庭阅读资源、学生性别及作业投入为学生个体层面最重要的影响因素;而校方层面则强调师资质量(认证教师比例、教师专业发展)、学校规模、联网电脑比例及师生比。疫情相关变量(停课时长和远程学习阻碍)对学业韧性有显著负面影响。
不同韧性指标中的变量重要性差异凸显学业韧性测度的本质复杂性,而私立与公立、城市与农村学校之间的差异展现拉美教育系统的内部分化和不平等。局部分析揭示极端学生学业韧性差异具体表现于家庭资源、学校资源和个人特质的结合。
全部分析为政策制定提供了精确的变量靶向,支持构建有利于提升弱势学生学业表现的教育策略,特别是在疫情后重建阶段具有重要现实意义。报告强调,缩短学校停课时间、改善远程学习条件、加强师资专业发展和家庭教育支持,是提升学业韧性必不可少的手段。尽管存在因果解释的局限,该研究为拉美教育公平和社会流动性的促进提供了不可或缺的实证依据和理论视角。,15-20]
该研究通过细致的数据分析和多维度解释方法,科学刻画了拉美学业韧性的复杂驱动结构,创新采用了机器学习下的可解释AI方法突破传统研究局限。结合疫情影响,强调了学业韧性提升对抗教育不平等的重要性。报告结构严谨、视角全面,学理与政策衔接紧密,是拉美教育研究领域的创新力作。
注: 附录中表格详细列出变量定义及模型搜索参数,图集丰富展示了模型表现与变量关联,为深度再现和政策应用奠定坚实基础。,25-32]
2509.24830.pdf