课程成绩的早期预测：模型与特征选择
人工智能
2018-12-04 v1 机器学习
摘要
本文利用从开课前六周收集的一组通用特征，比较了混合式课程中学生最终成绩的预测模型。这些特征提取自学生的在线作业提交日志以及其他在线行为。我们比较了5种不同ML算法（支持向量机、支持向量回归、决策树、朴素贝叶斯和K近邻）的有效性。我们发现支持向量机优于其他模型，且相较于基线有所提升。本研究展示了基于混合式课程常见数据、可用于监测学生进度与定制教学的预测模型的可行实现。
引用
@article{arxiv.1812.00843,
title = {Early Prediction of Course Grades: Models and Feature Selection},
author = {Hengxuan Li and Collin F. Lynch and Tiffany Barnes},
journal= {arXiv preprint arXiv:1812.00843},
year = {2018}
}