利用属性选择和不同多模态数据源的集成方法提升智能辅导系统中学生表现预测
计算机与社会
2024-03-13 v1 人工智能
人机交互
机器学习
摘要
本研究旨在利用智能辅导系统（Intelligent Tutoring System）的不同数据源预测大学生的学习表现。我们收集并预处理了来自 40 名学生的多模态数据源：系统日志中的学习策略、面部录制视频中的情绪、眼动追踪中的交互区域以及最终知识评估中的测试表现。我们的目标是测试是否可以通过使用属性选择和分类集成来提升预测效果。我们进行了三项实验，将六种分类算法应用于数值型和离散化的预处理多模态数据。结果表明，使用集成方法并结合数值数据的最佳属性选择方法产生了最佳的预测结果。
引用
@article{arxiv.2403.07194,
title = {Improving prediction of students' performance in intelligent tutoring systems using attribute selection and ensembles of different multimodal data sources},
author = {W. Chango and R. Cerezo and M. Sanchez-Santillan and R. Azevedo and C. Romero},
journal= {arXiv preprint arXiv:2403.07194},
year = {2024}
}