因果推理驱动的课程教改研究——基于知识点掌握度对期末与实践成绩的因果效应估计

曾 增日, 王 文倩
湖南人文科技学院

摘要


本研究基于因果推理与SCM模型，解决了传统相关分析无法剥离教学混杂因素的弊端，以《Python人工智能》课程为研究对象。依托182名学生学习数据与DMLDD框架，结合SCM剪枝技术，以自适应教学干预为工具变量，精准测算核心知识点对笔试、实践成绩的真实因果效应，为AI+教育提供了可推广的技术方案。

关键词


因果推理； Python 人工智能；教学改革

全文:

PDF


参考


[1] Z. Zeng, X. Deng, and B. Zhao, "Causal gray wolf optimization: A novel approach to robust network anomaly detection amidst data redundancy",IEEE Internet Things J., vol.12, no.24, pp. 52820-52836,Dec.15,2025.

[2]黄淳,刘书丹.“三教”改革背景下高校信息技术课程教改研究[J].微型计算机,2024(1):277-279.


Refbacks

  • 当前没有refback。