利用混合马尔可夫模型建模与预测学生参与行为
计算机与社会
2024-03-12 v1 机器学习
摘要
学生的参与度反映了其在持续学习过程中的投入水平，可通过其与基于计算机的学习或评估系统的交互进行估算。激发学生参与的前提是具备一种近似表示模型，以理解学生多样的（不）参与行为。本文为此利用了基于模型的聚类方法，生成 K 个混合马尔可夫模型，以对学生包含其（不）参与行为模式的轨迹进行分组。为防止期望最大化（EM）算法陷入局部最大值，我们还引入了一种基于 K-means 的初始化方法，命名为 K-EM。我们在两个真实数据集上进行了实验，使用了 EM 算法的三种变体：原始 EM、emEM、K-EM；以及针对两个数据集的非混合基线模型。所提出的 K-EM 显示出非常有前景的结果，与其他方法相比取得了显著的性能差异，特别是在使用该数据集时。因此，我们建议使用更大数据集进行进一步实验以验证我们的方法。此外，通过一阶马尔可夫链对结果聚类进行可视化，揭示了学生所表现出的（不）参与行为的非常有用的见解。本文最后讨论了该方法的有效性、局限性及潜在扩展。
引用
@article{arxiv.2403.05556,
title = {Modeling and predicting students' engagement behaviors using mixture Markov models},
author = {R. Maqsood and P. Ceravolo and C. Romero and S. Ventura},
journal= {arXiv preprint arXiv:2403.05556},
year = {2024}
}