影响MOOCs退课的学习行为指标分析

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.

关键词：MOOCs、退课预测、学习行为指标、机器学习算法

所属期刊栏目：27

分类号：G434(电化教育)

资助基金：山西省教育科学十三五规划互联网+教育研究专项课题;国家自然科学基金

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：46-52,62