文件名称：观察MOOC数据以预测学生表现的新视角-研究论文
文件大小：4.89MB
文件格式：PDF
更新时间：2024-06-08 11:33:20
Predicting Success Massive Open Online
我们提出了两种新颖的方法来预测学生在大规模开放式在线课程（MOOC）中的动作时间序列的成绩。 该贡献背后的主要动机来自先前研究中使用的方法的三个主要差异。 首先，用于分析时间序列的方法通常会汇总数据，从而丢弃先前操作对当前操作的影响。 其次，大多数以前的研究都假设行动在时间上是均匀分布的，这对于MOOC的学生可能是正确的，也可能不是正确的。 第三，用于预测学生成绩的方法通常基于线性回归和相关性，这些假设假设数据生成过程呈正态分布，但并非在所有情况下都是正确的。 为了突出显示前两个差异，我们建议使用广义自回归条件异方差（GARCH）模型。 为了解决第三个差异，我们建议使用极值理论（EVT）。 结果表明，在预测能力方面，与现有方法相比有显着改进。 结果还表明，即使使用了较短的时间序列数据，也有改善。