式（1）
此公式计算的是变量X对于变量Y的因果效应，其中变量C为变量X对变量Y因果效应中的混杂因子。通过公式，可以在C可观测的情况下，直接通过数学计算得到X到Y的因果效应。
1.3 前门调整法
在C不可测量的情况下，已无法通过后门路径简化计算，此时可以选用前门调整法，在C不可测量的情况下去除混杂，从而计算X到Y的因果效应。
如果一个变量集合M满足以下条件：M切断了所有X到Y的有向路径；X到M没有后门路径；所有M到Y的后门路径都被X阻断，则称变量集合M满足有序变量（X, Y）的前门准则。也就是说，当计算因果效应时发现X对Y的因果效应被一组变量C混杂，又被另一组变量M介导，且变量M不受变量C的影响，便能知道这里可以利用前门调整法从观测数据中估计X对Y的因果效应。当意识到这点之后，在面临无解的混杂因子时，首先应想到寻找不受混杂因子影响的中介变量。
加入中介变量的因果模型如图3所示，此模型满足前门调整法的使用条件，所以X到Y的因果效应P(Y|do(X))可以使用前门调整公式表达为
式（2）
此公式计算的是变量X对于变量Y的因果效应，其中变量M是变量X对变量Y因果效应的中介变量。
图3 加入中介变量的因果模型
2 因果模型搭建与分析2.1 因果模型搭建
回到图1的因果图所展示出的问题，因为混杂原因无法真实找到项目教学法对于学生学习效果的因果效应，所以本文目的即是去除影响两个变量的混杂因子。现如今的评价方式大多使用考试成绩作为反映学生能力的具体体现，将考试成绩作为课程目标达成情况的考察标准，但是考试成绩可由多种途径提高，例如老师考前划重点、学生考前刷真题等，这类因素可以使一些实际能力未能达标的同学由考试成绩的数值反映为达标。
若想要知道项目式学习本身对学生学习效果的因果效应，则需主要研究P(考试成绩|do(项目式学习))，现在教育常规评价的是P(考试成绩|项目式学习)，这种条件概率公式表示学习产出达成的概率（P）是以观察到学生参加了实验为条件的。注意P(考试成绩|项目式学习)与P(考试成绩|do(项目式学习))完全不同，观察到（seeing）和进行干预（doing）有本质的区别，两者的混淆成为高等教育评价社会失信之源。完全由P(考试成绩|项目式学习)统治的高等教育评价是荒诞的。
因此，本文使用因果推断的方法计算课程目标达成度，即计算项目式学习对于考试成绩的因果效应，需要排除影响项目式学习与考试成绩间因果效应的混杂因子。现将“学生作业抄袭”“学生在小组讨论中划水”“学生考前刷真题”“作弊”等因素归类为“惰性”，作为项目式学习对于考试成绩因果效应中的混杂因子。
然而“惰性”大多为学生自身主观的消极因素，无法观测，无法使用后门调整法去除混杂。由朱迪亚·珀尔的前门调整法可知，在面临无解的混杂因子时，应立即着手寻找不受混杂因子影响的中介变量，从而使用前门调整法从观测数据中估计X对Y的影响。
对于项目式学习与课程目标达成情况的中介变量，本文选用“成果展示”。“成果展示”指的是学生在完成自己以项目为基础的作业后，在课堂上进行展示并由其他学生进行投票打分。以“成果展示”作为项目式学习到课程目标达成情况的中介变量，是因为现在大多数的老师意识到以面向成果导向的工程教育专业认证注重的是以解决实际问题为目标的学生能力，而不是传统的以考察学生知识点掌握能力为终极目标的分数教育，由此，需要一个过程性评价。所以这里要求学生在课堂上展示自己所完成的以项目为基础的作业。
某校信息安全课程因果模型如图4所示，在这里，X代表项目式学习，Y代表课程目标达成情况，C代表混杂因子惰性，M代表成果展示。
图4 某校信息安全课程因果模型
2.2 基于前门调整法的模型分析
观察图4可以知道，因为未采取任何措施，惰性同样影响着学生的成果展示成绩，即混杂因子C影响了中介变量M，所以C有指向M的箭头，这导致混杂因子无法在引入中介变量后得到有效的控制和去除。
所以如果要使用前门调整法，就必须屏蔽混杂因子对于成果展示的影响，取消掉C到M的箭头。课程可以在大纲中明确要求学生每人至少参加一次以项目为基础的成果展示，将不参加成果展示则不能参与期末考试作为硬性要求，因为项目式学习作业次数多，且难以每次严格管理，而成果展示每个人只有一次，可以做到严格管理成果展示这一环节且精确评分。
这些举措就阻断了惰性这一混杂因子对于过程评价即“成果展示”的影响，消除了因果图中C指向M的箭头。改进后的课程因果模型如图5所示，这一举措使中介变量“屏蔽”了混杂因子的影响，因此适合使用前门标准来分析项目式学习对于考试成绩的因果效应。
