Stacking架构下在线学习者类型识别模型研究  

作　　者：巩焱华 王明虎[1] 

机构地区：[1]西安建筑科技大学管理学院

出　　处：《经营与管理》2023年第5期133-140,共8页Management and Administration

基　　金：陕西省重点产业创新链重大项目(22ZDLGY06)。

摘　　要：在线学习者行为模式,是反映在线学习者学习状态、学习成果的综合性指标,对在线教育的设计、实施和改进有着指导作用,但其识别的方法还有待改进。建立一种Stacking架构下的在线学习者类型识别模型,旨在提高其预测识别的精度。分别建立LFFA-LSSVM模型、深度森林模型完成在线学习者类型识别,依照Stacking集成架构对模型进行拟合,通过渐进梯度回归树输出结果,并采用10折交叉进行验证。结果表明,该方法的识别效果相较于其他子模型中表现较好的LFFA-LSSVM、MoE-LSTM和Deep Forest模型,在精准率、准确度、平均召回率和值上均有提高,对有效刻画在线学习者画像、提高在线教育质量起到了参考作用。

关 键 词：在线学习 Stacking架构 LFFA-LSSVM模型 渐进梯度回归树 学习者画像 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] G434[自动化与计算机技术—控制科学与工程]