预测在线编程教程中的放弃行为
机器学习
2018-02-21 v1 人工智能
人机交互
摘要
学习者经常在感到无聊或沮丧时放弃在线编程教程，但很少有技术可以预测这种放弃以便干预。在本文中，我们考察了使用机器学习分类器预测放弃的可行性。利用来自在线编程游戏的交互日志，我们提取了一组可能与学习者放弃和参与度相关的特征，然后针对每个关卡开发了分类器。在该游戏的前五个关卡中，我们的分类器成功预测了 61% 到 76% 未完成后一关卡的学习者，平均 AUC 达到 0.68。在这些分类器中，与放弃负相关的特征包括账户激活和求助行为，而与放弃正相关的特征包括指示困难和脱离的特征。这些发现凸显了向可能退出的学习者提供及时干预的可行性。
引用
@article{arxiv.1707.04291,
title = {Predicting Abandonment in Online Coding Tutorials},
author = {An Yan and Michael J. Lee and Andrew J. Ko},
journal= {arXiv preprint arXiv:1707.04291},
year = {2018}
}
备注
Accepted to IEEE Symposium on Visual Languages and Human-Centric Computing (VL/HCC), 2017