从 MOOC 学习者的教学互动序列中捕捉“加剧流失”的结构特征
计算机与社会
2014-09-23 v1 机器学习
社会与信息网络
摘要
本研究试图发现大规模开放在线课程（MOOCs）中学生学习活动序列中隐藏的结构配置。利用视频点击流交互和论坛活动的组合表示，我们旨在从根本上理解那些能预测参与度随时间下降的特征。立足于网络科学这一交叉学科领域，我们采用基于图的方法，成功提取了反映整体交互足迹中持久性和规律性的主动与被动 MOOC 参与指标。利用这些丰富的教育语义，我们聚焦于预测学生流失这一问题，这是近年来 MOOC 文献中的主要亮点之一。我们的结果表明，在捕捉 MOOC 学习者所参与的学习活动中“加剧流失”的特征方面，该方法优于基于 n-gram 的基线方法。文中还讨论了一些引人注目的未来研究启示。
引用
@article{arxiv.1409.5887,
title = {Capturing "attrition intensifying" structural traits from didactic interaction sequences of MOOC learners},
author = {Tanmay Sinha and Nan Li and Patrick Jermann and Pierre Dillenbourg},
journal= {arXiv preprint arXiv:1409.5887},
year = {2014}
}
备注
"Shared Task" submission for EMNLP 2014 Workshop on Modeling Large Scale Social Interaction in Massively Open Online Courses