RNN‑Clustering revolutioniert die Analyse binärer Bildungsdaten

In einer neuen Veröffentlichung auf arXiv wird ein innovatives Verfahren vorgestellt, das ein rekurrentes neuronales Netzwerk (RNN) nutzt, um binäre Datensätze aus dem Bildungsbereich zu clustern. Besonders im Fokus steht das S‑P‑Chart, ein weit verbreitetes Instrument, das die Antworten von Lernenden in binärer Form darstellt.

Mit steigender Schülerzahl wird das S‑P‑Chart immer komplexer und schwer handhabbar. Um die Datenmenge zu reduzieren, teilt das vorgestellte Verfahren das große Chart in mehrere kleinere Teilcharts auf. Dabei kommt die Dynamik des RNN zum Einsatz: Das Netzwerk besitzt mehrere feste Punkte, deren Attraktionsbereiche jeweils einen Cluster kleinerer S‑P‑Charts repräsentieren.

Zur Bewertung der Clusterqualität wird ein neuer Kennwert – der durchschnittliche Vorsichtsindex – eingeführt. Dieser Index misst, wie stark die Antwortmuster der Lernenden voneinander abweichen und gibt damit Aufschluss über die Singularität der Daten. Durch grundlegende Experimente konnte die Effektivität des Clustering‑Ansatzes nachgewiesen werden.