可变形卷积神经网络赋能学生在线学习退课预测OA
Student Drop-out Prediction for Online Learning with Deformable Convolutional Networks
针对大规模开放在线课程(MOOC)中高退课率现象,基于可变形卷积神经网络构建预测模型,以预测学生的退课结果.通过KDD Cup 2015数据集验证模型效果,实验结果表明,该方法优于现有主流的机器学习和深度学习模型.此外,通过分析学生行为数据以解释退课预测结果,从而提高预测结果可信度.学习退课预测分析有助于教师对学生进行个性化指导,并可作为智能助手为学生提供更有针对性的学业帮助.
To address the issue of high dropout rates in Massive Open Online Courses(MOOCs),this paper has built a predictive model based on deformable convolutional networks to predict student dropouts.With the KDD Cup 2015 dataset,experimental results demonstrate that this method outperforms existing machine learning and deep learning models.Additionally,by analyzing student behaviors to explain drop-out predictions,this paper has improved the credibility of the results.This analysis of dropout prediction assists teachers in providing personal-ized guidance and help students master the learning as an intelligent assistant.
邵永伟;马坤;荆山;陈贞翔
济南大学 信息科学与工程学院,山东 济南 250022济南大学 信息科学与工程学院,山东 济南 250022济南大学 信息科学与工程学院,山东 济南 250022济南大学 信息科学与工程学院,山东 济南 250022
信息技术与安全科学
大规模开放在线课程退课预测学业帮扶智能助教智能伴学
massive open online coursesdropout predictionacademic supportintelligent teaching assistantintelligent companion learn-ing
《软件导刊》 2026 (4)
191-198,8
山东省本科教学改革研究项目(Z2024139)山东省高等教育学会高等教育研究专项课题(SDGJ2023C05)济南大学教学研究重点项目(JZ2411)山东省电化教育馆人工智能教育研究课题(SDDJ202501004)
评论