基于可解释多层表示学习的 MOOC 中跨周退课预测
机器学习
2020-02-06 v1 人工智能
摘要
大规模开放在线课程（MOOCs）已成为流行的在线学习平台。尽管 MOOCs 使学生能够按自己的节奏学习，但这种灵活性使得学生很容易退课。在本文中，我们的目标是在给定当前周的点击流数据的情况下，预测学习者在接下来一周内是否会退课。为此，我们提出了一种基于分支定界（BB）算法的多层表示学习方案，该方案以无监督方式从底层点击流中学习，产生可解释的结果，并避免手动特征工程。在 Coursera 数据上的实验中，我们表明我们的模型学习到的表示使得简单模型能取得与更复杂、特定任务模型相近的性能，并展示了 BB 算法如何实现可解释结果。在对观测局限性的分析中，我们讨论了有前景的未来方向。
引用
@article{arxiv.2002.01598,
title = {Dropout Prediction over Weeks in MOOCs via Interpretable Multi-Layer Representation Learning},
author = {Byungsoo Jeon and Namyong Park and Seojin Bang},
journal= {arXiv preprint arXiv:2002.01598},
year = {2020}
}
备注
Accepted at AAAI 2020 AI4Edu Workshop