深度学习视阈下MOOC学习者流失预测及干预研究

发布时间：2024-02-16 02:57

　　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。

【文章页数】：7 页

【部分图文】：

图1成绩分布

图2成绩分布（0.1分以上学习者）

图3学习行为与成绩

2019，55（22）ComputerEngineeringandApplications计算机工程与应用3.2学习行为与成绩的相关性分析针对各个课程间的数据存在的差异，对各项学习行为以课程为单位进行归一化处理，从而保证各项学习行为的衡量标准统一。如图3所示是学习者各项学习行为与....

图4学习行为与成绩散点图矩阵访问课程次数访问课程天数访问课程次数

章节数0.750.500.25视频播放总次数0.750.50论0.25坛发布信息数量0.750.500.250课程得分01.0001.0001.0001.0001.0000.20.40.60.8访问课程次数0.20.40.60.8访问课程天数0.20.40.60.8学习的章节数1....

本文编号：3900701