面向大规模慕课数据的特征工程
计算机与社会
2014-07-22 v1
摘要
我们研究了为开发提升对慕课（MOOCs）中学习者在线行为理解的模型而进行的特征工程过程。由于特征工程高度依赖人类洞察，我们主张应付出额外努力以动员众包参与特征提议甚至其具体实现。我们展示了两种已开始动员众包的方法，并说明了如何评估特征在预测准确性方面的相关性。当我们在预测辍学（stopout）的背景下检验众包特征时，发现它们不仅细致入微，而且考虑了学习者与平台之间不止一种交互模式以及学习者的相对表现。我们能够识别出不同的影响辍学预测的特征，这些特征取决于学习者是否属于由其与课程讨论论坛或维基的参与度定义的四个队列之一。本报告是考虑慕课数据科学和辍学预测不同方面的汇编的一部分。
引用
@article{arxiv.1407.5238,
title = {Towards Feature Engineering at Scale for Data from Massive Open Online Courses},
author = {Kalyan Veeramachaneni and Una-May O'Reilly and Colin Taylor},
journal= {arXiv preprint arXiv:1407.5238},
year = {2014}
}