MOOC 中的子群发现：描述不同类型学习者的大数据应用
计算机与社会
2024-03-12 v1 数据库
机器学习
摘要
本文旨在通过一种基于 MapReduce 的子群发现方法，对大规模开放在线课程（MOOCs）中不同类型的学习者进行分类和描述。最终目标是发现不同 MOOCs 中出现的 IF-THEN 规则。所提出的子群发现方法是知名 FP-Growth 算法的扩展，考虑了 MapReduce 等新兴并行方法论，以应对超大规模数据集。作为附加特性，该方案包含一个阈值，用于表示每条发现规则应满足的课程数量。此外还包括一个后处理步骤，以去除冗余子群。实验阶段使用了 edX 平台上 16 门 MITx 和 HarvardX 课程第一年的去标识化数据。实验结果表明，所提出的 MapReduce 方法优于传统的顺序子群发现方法，针对不同课程实现了几乎恒定的运行时间。此外，得益于最终的后处理步骤，仅发现了有趣且非冗余的规则，从而将子群数量减少了一到两个数量级。最后，发现的子群易于被课程讲师使用，不仅用于描述性目的，还可用于推荐或个性化等额外任务。
引用
@article{arxiv.2403.05555,
title = {Subgroup Discovery in MOOCs: A Big Data Application for Describing Different Types of Learners},
author = {J. M. Luna and H. M. Fardoun and F. Padillo and C. Romero and S. Ventura},
journal= {arXiv preprint arXiv:2403.05555},
year = {2024}
}