教育因果关系发现数据集
数据来源：互联网公开数据
标签：教育,因果关系,时间序列,机器学习,因果图,学习路径,干预分析
数据概述：
本数据集旨在研究教育领域中不同知识点（构建）之间的因果关系，以优化学习路径和教学设计。数据集分为两部分：任务1数据集和任务2数据集。
- 任务1数据集包含5个独立的训练数据集（train.csv），每个数据集模拟了100名学生的学习路径，每个学生的学习时间序列长度为400个时间点。数据集中共包含50个知识点（构建），总计40,000个观察值。每个数据集还包括一个二进制邻接矩阵（adj_matrix.npy），用于表示知识点之间的因果关系（前导关系）。
- 任务2数据集为任务1数据集的干预数据集，用于分析不同教学干预对学习效果的影响。
数据用途概述：
该数据集适用于以下场景：
1. 因果关系发现：通过分析知识点之间的因果关系，帮助设计更高效的教育路径和教学大纲。
2. 学习效果评估：研究不同学习顺序或教学干预对学生知识掌握的影响，优化教学策略。
3. 个性化学习推荐：基于知识点的因果关系，为学生推荐个性化学习路径，提升学习效率。
4. 教育技术开发：为教育软件和学习平台开发提供数据支持，帮助实现智能化学习推荐和路径优化。
该数据集采用模拟数据生成，适合用于因果关系建模、时间序列分析以及教育技术研究。研究人员可以使用VARLiNGAM和DECI等算法进行因果图发现和因果推断，同时结合提供的代码库（如微软的causica）快速开展实验和分析。
