基于深度学习的MOOCs辍学率预测方法

• 作者: 冯筠 吴楠楠 孙霞 张蕾 陈静
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 大规模开放式在线课程 辍学预测 时间序列预测 长短期记忆 卷积神经网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 893-899
• 页数: 7页
• 分类号: TP391
• 字数: 5978字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.05.018

摘要

近年来大规模开放在线课程获得了较为广泛的关注.由于学习者学习方式不合理使得学习兴趣下降,学习效果不佳,MOOCs辍学率很高,针对这一问题,从学习者学习活动日志中自动抽取一段时间内连续特征,以学习者行为特征为自变量,建立MOOCs辍学预测模型.在KDD Cup 2015数据集上的实验表明,使用基于卷积神经网络的长短期记忆CNN_LSTM辍学预测模型,能够帮助MOOCs课程教师和设计者追踪课程学习者在不同时间步长的学习状态,从而动态监控不同阶段的辍学行为,模型的预测准确率高,这将为教师改进教学方法提供更合理的指导和建议.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈静	西北大学信息科学与技术学院	33	140	7.0	9.0
2	张蕾	西北大学信息科学与技术学院	54	638	13.0	23.0
3	冯筠	西北大学信息科学与技术学院	57	259	9.0	12.0
4	孙霞	西北大学信息科学与技术学院	13	60	5.0	7.0
5	吴楠楠	西北大学信息科学与技术学院	1	0	0.0	0.0