面向电子书系统中学生行为分析的 E2Vec 特征嵌入

数字教科书（电子书）系统将学生与教科书的交互记录为称为EventStream数据的一系列事件序列。以往的研究从EventStream中提取有意义的特征，并将其用作下游任务（如成绩预测和学生行为建模）的输入。以往的研究评估主要使用从EventStream日志中派生的基于统计的特征模型，如操作类型数量或访问频率。虽然这些特征对于提供某些见解有用，但它们缺乏捕获不同学生之间细粒度学习行为差异的时序信息。本研究提出E2Vec，一种基于词嵌入的新颖特征表示方法。该方法将每个学生的操作日志及其时间间隔视为字符序列字符串，生成包含时间信息的学习活动特征学生向量。我们应用fastText为来自两年计算机科学课程数据的305名学生生成每个学生的嵌入向量。然后，我们在一项风险检测任务中检验E2Vec的有效性，展示了其潜在的通用性和性能。