Over 1000 students over the course of four semesters were given the option of taking an introductory statistics class either by in-person attendance in lectures, augmented by having the recorded lectures available online, or by taking the same class but without the in-person lectures. Roughly equal numbers of students chose each option. As judged purely by scores on computer-graded exams, the all-online students did very slightly better. The causal effect of choosing only online lectures was estimated by adjusting for potential confounders, most importantly the incoming ACT math scores, using multiple regression, stabilized inverse propensity weights, and a doubly-robust method. The three methods gave nearly identical results, not far from the raw score difference. The point estimates of the causal effect of choosing only online lectures remained positive but were very small and not statistically significant. No statistically significant differences were found in preliminary comparisons of effects on females/males, U.S./non-U.S. citizens, freshmen/non-freshman, and lower-scoring/higher-scoring math ACT groups.


翻译:在4个学期中,1000多名学生被允许选择入门统计班,要么通过亲自参加讲座,通过在线提供有记录的讲座,或者通过同一班,但又不进行面对面的讲座,来增加入门统计班,学生人数大致相等。按照计算机级考试的分数来判断,全在线学生的成绩要好得多。只选择在线讲座的因果关系是通过调整潜在混杂者来估计的,其中最重要的是即将到来的ACT数学分数,使用多重回归,稳定反向倾向重量,以及双曲线法。三种方法的结果几乎完全相同,与原始分数差异不相去甚远。只选择在线讲座的因果关系估计仍然是正面的,但很小,统计上没有显著的。在初步比较对女性/男性、美国/非美国公民、新人/非新手和低分数/高分数的ACT数学组的影响方面,没有发现统计上的重大差异。

0
下载
关闭预览

相关内容

剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
专知会员服务
50+阅读 · 2020年12月14日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Arxiv
0+阅读 · 2021年3月15日
Arxiv
0+阅读 · 2021年3月12日
Question Generation by Transformers
Arxiv
5+阅读 · 2019年9月14日
Arxiv
3+阅读 · 2016年2月24日
VIP会员
相关VIP内容
相关资讯
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
资源|斯坦福课程:深度学习理论!
全球人工智能
17+阅读 · 2017年11月9日
深度学习医学图像分析文献集
机器学习研究会
18+阅读 · 2017年10月13日
【推荐】Python机器学习生态圈(Scikit-Learn相关项目)
机器学习研究会
6+阅读 · 2017年8月23日
Top
微信扫码咨询专知VIP会员