仅利用第一周活动中两个易获取特征预测 MOOCs 辍学
人机交互
2020-08-14 v1 机器学习
摘要
尽管大规模开放在线课程（MOOCs）平台以新颖独特的方式提供知识，但极高的辍学率是显著缺陷。若干特征被认为会导致学习者流失或缺乏兴趣，进而引发脱离或彻底辍学。哪些因素是最恰当的预测因子尚存争议。然而，文献一致认为早期预测对于及时干预至关重要。尽管特征丰富的预测因子可能有最佳准确率机会，但可能不便使用。本研究旨在通过比较若干机器学习方法（包括随机森林、Adaptive Boost、XGBoost 与 GradientBoost 分类器），利用第一周的数据尽早预测学习者辍学。结果表明，仅使用 2 个特征即可获得可观的准确率（82%–94%）。我们显示，即便现有最优方法动用多个特征，我们所获准确率仍优于它们。
引用
@article{arxiv.2008.05849,
title = {Predicting MOOCs Dropout Using Only Two Easily Obtainable Features from the First Week's Activities},
author = {Ahmed Alamri and Mohammad Alshehri and Alexandra I. Cristea and Filipe D. Pereira and Elaine Oliveira and Lei Shi and Craig Stewart},
journal= {arXiv preprint arXiv:2008.05849},
year = {2020}
}
备注
Intelligent Tutoring Systems. ITS 2019. Lecture Notes in Computer Science, vol 11528. Springer, Cham