GritNet：基于深度学习的学生成绩预测
机器学习
2018-04-23 v1 计算机与社会
机器学习
摘要
学生成绩预测——即机器在学生与在线课程交互过程中预测其未来表现——是一个具有挑战性的问题。对学生未来表现的可靠早期预测，对于在课程中进行及时的教育干预可能至关重要。然而，极少有先前研究从深度学习视角探索该问题。在本文中，我们将学生成绩预测问题重新表述为序列事件预测问题，并提出了一种基于深度学习的新算法，称为 GritNet，其构建于双向长短期记忆（BLSTM）之上。我们基于真实 Udacity 学生毕业预测的结果表明，GritNet 不仅持续优于基于标准逻辑回归的方法，而且在准确预测最具挑战性的前几周，改进尤为显著。
引用
@article{arxiv.1804.07405,
title = {GritNet: Student Performance Prediction with Deep Learning},
author = {Byung-Hak Kim and Ethan Vizitei and Varun Ganapathi},
journal= {arXiv preprint arXiv:1804.07405},
year = {2018}
}