深度学习视阈下MOOC学习者流失预测及干预研究

• 作者: 何秀青 何聚厚 吴华君 林鹏飞 陈甜甜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: MOOC 学习行为分析 线性回归 深度神经网络 成绩预测 个性化教学
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 工程与应用
• 页码范围: 258-264
• 页数: 7页
• 分类号: TP391.7
• 字数: 4968字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1812-0312

摘要

MOOC(Massive Open Online Courses)在为学习者提供优质课程的同时,低完成率成为影响其有效推广的重要因素.通过对edX开放数据集分析发现,学习者的逐渐流失是导致MOOC课程低完成率的因素之一,且学习行为与成绩之间存在复杂的相关性;基于线性回归和深度神经网络(Deep Neural Network,DNN)预测学习者的成绩,实验证明,DNN能够更好地拟合学习行为与成绩之间复杂的相关性,实现对成绩更加精准的预测,预警学习者流失;对预测的潜在流失学习者迭代进行个性化的教学干预,提高MOOC课程的完成率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何秀青	陕西师范大学计算机科学学院	14	64	5.0	7.0
2	何聚厚		5	33	3.0	5.0
3	陈甜甜		4	4	1.0	2.0
5	林鹏飞		1	4	1.0	1.0
11	吴华君		1	4	1.0	1.0