是否会辍学？预测大规模开放在线课程中的辍学行为
计算机与社会
2014-08-15 v1 机器学习
摘要
理解学生为何辍学（stopout）有助于理解学生在 MOOCs 中如何学习。在本报告（三卷本汇编的一部分）中，我们描述了如何构建准确的 MOOC 学生辍学预测模型。我们记录了一套可扩展的辍学预测方法论，涵盖从原始源数据到模型分析的全流程。我们尝试预测 6.002x 课程 2012 年秋季学期的辍学情况。这涉及为数千名学生精心设计和众包工程化超过 25 个预测特征，创建用于预测建模的时间和非时间数据表示，利用多种最先进的机器学习技术推导出一万多个模型，并通过检查超过 70000 个模型来分析特征重要性。我们发现辍学预测是一个可处理的问题。在提前一周进行预测时，我们的模型实现的 AUC（受试者工作特征曲线下面积）高达 0.95（通常为 0.88）。即使是更困难的预测问题，例如仅使用一周数据预测课程结束时的辍学情况，模型的 AUC 也达到了 0.7。
引用
@article{arxiv.1408.3382,
title = {Likely to stop? Predicting Stopout in Massive Open Online Courses},
author = {Colin Taylor and Kalyan Veeramachaneni and Una-May O'Reilly},
journal= {arXiv preprint arXiv:1408.3382},
year = {2014}
}