基于异构知识图谱的在线课程学生表现预测比较分析

随着在线课程在高等教育领域成为常态，调查在线课程与校内课程之间的学生表现差异变得必要。尽管已关注通过学生最终表现的比较来了解学习结果差异，但对于比较学生在不同模式下的参与模式关注不足。在本研究中，我们分析了一个由学生、课程视频、形成性评估及其相互作用组成的异构知识图谱，通过图卷积网络(GCN)来预测学生表现。使用学生对评估的表现，我们尝试确定一种用于识别高风险学生的有用模型。然后，我们在5个校内和2个完全在线的MOOC风格同一课程实例之间比较所生成的模型。开发的模型在基于内容消费、课程实例和模式预测学生是否通过特定问题集方面达到了70-90%的准确率。