這位同學，我看你成績不太好，是不是朋友沒交對？

論文標題：Academic performance and behavioral patterns

作者：Valentin Kassarnig, Enys Mones, Andreas Bjerre-Nielsen, Piotr Sapiezynski, David Dreyer Lassen and Sune Lehmann

數字識別碼：10.1140/epjds/s13688-018-0138-8

原文作者：Valentin Kassarnig, Sune Lehmann & Andreas Bjerre-Nielsen

不久前 ，我們分享了教育環境中的競爭與腐敗對學術不端行為的影響。這一次，我們來說說身邊的社交環境對學生學業表現的影響。

Valentin Kassarnig，Sune Lehmann和Andreas Bjerre-Nielsen通過對本科生的智能手機數據進行分析，評估了究竟哪些因素會對學生的學業表現和和社交行為產生影響，其研究結果近期發表於EPJ Data Science期刊。

圖1：照片來自Unsplash，由Nathan Dumlao拍攝

智能手機已經深深滲透到我們每個人的日常生活中，可以說是人人擁有，人人在用。在過去的十年中，科技的發展使得人們之間的溝通、社交和互動方式發生了根本的變化。但這些變化會帶來怎樣的後果？我們的行為又會受到怎樣的影響？社會環境會發揮怎樣的作用？教育研究則是探索這類問題的有趣場景之一，這類研究的目標是了解哪些因素會影響學業成績以及會如何影響。

為了闡明這些問題，我們分析了從538名學生的智能手機中收集到的數據。作為一個更大項目的一部分（本研究已得到所有相關人員的明確同意），我們建立了豐富的社交行為數據集，內容包括：藍牙掃描、通話和簡訊元數據、Facebook活動日誌和移動追蹤。此外，我們還收集了研究參與人員的性格測試結果，以及學校官方的管理數據作為補充。

在一項新的研究中，我們分析了上述社交行為數據集，以闡明不同方面的行為會如何影響學生的學業成績。我們特別關注了學生的社交環境，本研究中的「社交環境」主要通過五種社交渠道捕獲：電話、簡訊、物理接近（來自藍牙掃描）、Facebook互動和Facebook好友。這些社交方式可以說是目前最重要的一些交流渠道。

我們的分析顯示，同伴的GPA平均值與學業成績呈高度相關。也就是說，如果一個學生的朋友學習成績都比較好，那麼這個學生的成績很可能也比較出色。這一結論在調查的所有社交渠道中都得到了證實，而在通話和簡訊這兩種目前最典型的社交紐帶中這一趨勢最為明顯。我們根據GPAs將學生分為三組後，觀察到主要的簡訊均發生在同組學生之間：

圖2：不同學習成績的學生之間的簡訊來往情況

所以，如果你的成績不好，也許是因為你沒有交對朋友？

可惜事情並沒有這麼簡單。學生的成績受到的影響是由選擇（人們會選擇與自己相似的朋友）還是適應/同伴效應（人們會變得更像他們的朋友）所驅動仍然是一個懸而未決的問題。

社交環境對學業成就影響顯著

我們擁有豐富的數據集，能夠比較多種特徵（性格、行為和社交網路的不同特徵）對學業表現的重要性。根據我們的模型，社交網路因素具有比個體因素更高的解釋效力，由此強調了社會環境對學業成就的重要性。

在我們所考慮的個體因素中，我們發現課堂出勤率及「責任感」和「自尊心」這兩種人格特質會顯著影響學生的學業表現。

我們對課堂出勤行為進行了一次更為全面的分析，並再次發現強烈的社交因素影響，因為朋友之間的課堂出勤水平往往呈現高度相關。

最後，綜合所有個體和社交網路因素可以獲得對學生學業表現的最高解釋效能。在監督學習實驗中，我們使用提取的不包括學生既往成績的完整特徵庫能夠非常準確地判斷學生的學業表現。而過去則往往是將學生的既往成績作為預測其學業成就的最重要因素，因此這項研究結果具有突破性的意義。

總之，我們的研究結果強調了學業表現在很大程度上取決於個體性格、行為和社交環境。我們希望這項研究結果能夠激勵研究人員進一步探索社會環境對學業成就的影響以及個體因素和社交網路因素之間的相互作用。

摘要：

Abstract

Identifying the factors that influence academic performance is an essential part of educational research. Previous studies have documented the importance of personality traits, class attendance, and social network structure. Because most of these analyses were based on a single behavioral aspect and/or small sample sizes, there is currently no quantification of the interplay of these factors. Here, we study the academic performance among a cohort of 538 undergraduate students forming a single, densely connected social network. Our work is based on data collected using smartphones, which the students used as their primary phones for two years. The availability of multi-channel data from a single population allows us to directly compare the explanatory power of individual and social characteristics. We find that the most informative indicators of performance are based on social ties and that network indicators result in better model performance than individual characteristics (including both personality and class attendance). We confirm earlier findings that class attendance is the most important predictor among individual characteristics. Finally, our results suggest the presence of strong homophily and/or peer effects among university students.

閱讀論文全文請訪問：

期刊介紹：

EPJ Data Science(https://epjdatascience.springeropen.com/) covers a broad range of research areas and applications and particularly encourages contributions from techno-socio-economic systems, where it comprises those research lines that now regard the digital 「tracks」 of human beings as first-order objects for scientific investigation. Topics include, but are not limited to, human behavior, social interaction (including animal societies), economic and financial systems, management and business networks, socio-technical infrastructure, health and environmental systems, the science of science, as well as general risk and crisis scenario forecasting up to and including policy advice.

2017 Journal Metrics

2.982 - 2-year Impact Factor

3.042 - 5-year Impact Factor

1.361 - Source Normalized Impact per Paper (SNIP)

0.943 - SCImago Journal Rank (SJR)

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！