典型文献
影响MOOCs退课的学习行为指标分析
文献摘要：
MOOCs的较低完成率极大地制约了其持续发展.尽早预测学习者是否退课将有助于改善其学习效果,提高课程的完成率.本研究以学堂在线平台的37门计算机类课程中学习者产生的行为数据为研究对象,整合资源访问度和资源访问规律两类因素,构建了28个学习行为指标并分类,采用三种经典的机器学习算法支持向量机(SVM)、逻辑回归(LR)和朴素贝叶斯(NB),探索并分析有效预测退课的指标.研究发现:①在不同类型的学习行为指标的预测上,资源访问规律指标预测效果最好且超过了指标全集的预测结果;②在预测退课的最优指标组合上,会话数、活跃天数、访问间隔天数等七个行为指标构成预测退课的最优组合.通过对影响退课的行为指标分析,可以为MOOCs平台识别退课者并实施对应的教学干预措施提供判断参考.
文献关键词：
MOOCs;退课预测;学习行为指标;机器学习算法
中图分类号：
作者姓名：
郭文锋;樊超
作者机构：
山西农业大学基础部,山西晋中 030801;成都理工大学管理科学学院,四川成都610059
文献出处：
引用格式：
[1]郭文锋;樊超-.影响MOOCs退课的学习行为指标分析)[J].开放学习研究,2022(02):46-52,62
A类：
退课,退课预测
B类：
MOOCs,学习行为指标,指标分析,完成率,预测学,学堂在线,在线平台,计算机类课程,行为数据,整合资源,机器学习算法,逻辑回归,LR,朴素贝叶斯,NB,指标预测,全集,最优指标,会话,隔天,七个,最优组合,教学干预
AB值：
0.2702
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
