基于深度学习的MOOCs辍学率预测方法

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.

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

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省天地网技术重点实验室开放课题基金;陕西省留学人员科技活动择优资助项目202160002

在线出版日期：2019-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：893-899