刻画题库网站中用于辍学预测的学生参与情绪
人机交互
2021-02-05 v2 机器学习
摘要
基于问题的学习（PBL）是一种流行的教学方法，支持学生通过解决问题获得动手训练。题库网站（QP），如 LeetCode、Code Chef 和 Math Playground，通过向学生提供真实、多样且情境化的题目来辅助 PBL。然而，实证研究表明，在 QP 中注册的学生有 40% 到 80% 在不到两个月内辍学。本研究首次尝试通过利用学生的参与情绪来理解和预测 QP 中的学生辍学。采用数据驱动的方法，我们识别出 QP 学生的五种不同的参与情绪，即挑战寻求型、主题寻求型、兴趣寻求型、乐趣寻求型和非寻求型。我们发现学生在每种参与情绪下对答题具有集体偏好，偏离这些偏好会显著增大其辍学概率。最后同样重要的是，本文通过引入一种用于预测 QP 中学生辍学的新型混合机器学习模型（称为 Dropout-Plus）作出贡献。在一个拥有近 1 万名学生、位于中国的流行 QP 上的测试结果表明，Dropout-Plus 在准确率、F1 值和 AUC 方面均超越竞争算法的辍学预测表现。我们以向 QP 管理者和在线学习从业者提供减少学生辍学的设计建议来结束本文工作。
引用
@article{arxiv.2102.00423,
title = {Characterizing Student Engagement Moods for Dropout Prediction in Question Pool Websites},
author = {Reza Hadi Mogavi and Xiaojuan Ma and Pan Hui},
journal= {arXiv preprint arXiv:2102.00423},
year = {2021}
}
备注
Accepted in the 24th ACM Conference on Computer-Supported Cooperative Work and Social Computing (CSCW 2021)