从 MOOC 论坛中学习教师干预：早期结果与问题
计算机与社会
2015-04-28 v1
摘要
随着学生大规模注册，MOOC 教师面临在其有限带宽下决定何时介入论坛讨论的独特挑战。我们研究这一教师干预问题。利用从 61 门课程中搜集的论坛大数据样本，我们设计了一个二分类器来预测教师是否应介入某个讨论线程。通过将关于论坛类型的新信息引入分类过程，我们相比先前 state-of-the-art 方法取得显著改进。我们通过对比指示性人类判断验证了该决策问题在现实世界中的困难程度，并经验性地展示了该问题对教师干预偏好的敏感性。我们在本文结尾提出了关于干预未来研究问题的看法。
引用
@article{arxiv.1504.07206,
title = {Learning Instructor Intervention from MOOC Forums: Early Results and Issues},
author = {Muthu Kumar Chandrasekaran and Min-Yen Kan and Bernard C. Y. Tan and Kiruthika Ragupathi},
journal= {arXiv preprint arXiv:1504.07206},
year = {2015}
}
备注
To appear in proceedings of Education Data Mining 2015, Madrid, Spain