面向多模态风险学生早期预测的行为变化建模（扩展版）
计算机与社会
2025-03-11 v1 人工智能
摘要
在教育领域，识别有辍学风险的学生对于让教育者进行有效干预、改善学业成果和整体学生福祉至关重要。教育环境中的数据通常来源于多种渠道，如作业、成绩和出勤记录。然而，现有大多数研究依赖于在线学习数据，且仅提取定量特征。虽然量化便于处理，但也导致了原始信息的显著丢失。此外，当前模型主要通过简单和离散的行为模式来识别表现持续不佳的学生，未能捕捉学生行为中复杂的连续性和非线性变化。我们开发了一种创新的预测模型——多模态变点检测，利用中学的文本教师评语数据和数值成绩数据。该模型通过使用独立的编码器处理两种数据类型并融合编码特征，实现了高度集成和智能化的分析。该模型进一步利用变点检测模块精炼其分析，以精准定位关键的行为变化，并通过简单的注意力机制将其整合为动态权重。实验验证表明，该模型的准确率达到70-75%，平均表现比基线算法高出约5-10%。此外，我们的算法表现出一定的可迁移性，在使用不同的风险定义进行调整和重新训练时仍保持高准确率，证明了其广泛的适用性。
引用
@article{arxiv.2503.05734,
title = {Modeling Behavior Change for Multi-model At-Risk Students Early Prediction (extended version)},
author = {Jiabei Cheng and Zhen-Qun Yang and Jiannong Cao and Yu Yang and Kai Cheung Franky Poon and Daniel Lai},
journal= {arXiv preprint arXiv:2503.05734},
year = {2025}
}