基于MOOC数据的学习者辍课预测研究  

Research on the Learners' Dropout Prediction Based on the MOOC Data

作　　者：王雪宇[1,2] 邹刚[1] 李骁[1] 

机构地区：[1]国防科学技术大学训练部信息中心 [2]中国人民解放军西部战区78092部队

出　　处：《现代教育技术》2017年第6期94-100,共7页Modern Educational Technology

基　　金：2015年国家自然科学基金重点项目“面向课程的大规模在线教育资源组织与持续优化的理论与方法”(项目编号:61532001);2015年湖南省普通高等学校教学改革研究项目“基于MOOCs的大学习者学习行为大数据流分析及教学改革研究”的阶段性研究成果;2016年教育部在线教育研究中心在线教育研究基金(全通教育)(项目编号:2016YB151)资助

摘　　要：文章以国防科学技术大学梦课平台选课人数最多的8门MOOC课程数据为基础,抽取了课程因素等三个维度、共计40余项学习数据开展辍课预测问题研究。首先,文章分析了各门课程中对预测辍课最有帮助的行为数据;其次,文章根据分析结果,选取11项行为数据训练多元线性回归和神经网络两种预测模型,实验结果表明针对不同课程建立不同的预测模型对学习者进行辍课预测的准确率平均达到90%以上。这一结果对预警学习者辍课从而实施教师干预,最终提高MOOC课程中完成课程的学习者比例带来帮助。Three dimensions of 40 learning data observed from the eight MOOC courses with maximum registration presented on the MengKe platform of National University of Defense Technology were extracted to conduct the research on the dropout prediction. Firstly, the most helpful behavior data for the dropout prediction was analyzed. Secondly, two prediction models including the multiple linear regression and neural network algorithm were built based on the 11 select behavior data. The results showed that the precision rate of the corresponding dropout prediction modes for different courses could reached up to over 90 %. The results in this paper were very helpful for teachers to prevent students＇ dropout in an early time, finally improving the passing rate of the MOOC courses.

关 键 词：MOOC 学习分析 辍课预测 多元线性回归 神经网络 

分 类 号：G40-057[文化科学—教育学原理]