成绩预测
机器学习
2016-03-21 v2
摘要
为提高传统课堂课程以及大规模开放在线课程（MOOCs）的成效，需要支持教师的自动化系统。一个重要问题是尽早自动检测出将在课程中表现不佳的学生，以便能够采取补救措施。现有的成绩预测系统侧重于最大化预测准确率，却忽视了发出及时且个性化预测的重要性。本文提出一种预测班级中每位学生最终成绩的算法。当预测的期望准确率足够时，它针对每位学生单独发出预测。该算法基于课程中过往学生表现的历史，在线学习最优预测及发出预测的时机。我们推导了预测准确率的置信度估计，并在一个基于过去7年约700名UCLA本科生修读数字信号处理导论课程表现所得的数据集上展示了算法的性能。我们表明，对于85%的学生，我们能在第4个课程周之后以76%的准确率预测其在该课程中表现良好还是不佳。利用从试点课程获得的数据，我们的方法表明，开展如小测验之类的早期课堂评估是有效的，其能为每位学生带来及时的性能预测，从而在必要时使教师（在学生或班级层面）能够进行及时干预。
引用
@article{arxiv.1508.03865,
title = {Predicting Grades},
author = {Yannick Meier and Jie Xu and Onur Atan and Mihaela van der Schaar},
journal= {arXiv preprint arXiv:1508.03865},
year = {2016}
}
备注
15 pages, 15 figures