【摘要】：隨著信息技術的不斷發(fā)展,越來越多的學習者選擇從網(wǎng)絡上獲取知識,一些高校也開始將優(yōu)質(zhì)課程放在網(wǎng)上供學習者學習。這種提供優(yōu)質(zhì)高校課程的學習網(wǎng)站逐漸發(fā)展形成了一種學習社區(qū),其中以MOOCs(Massive open online course)平臺為代表,學習者可以在平臺中進行學習、討論和考試等活動,授課高校也可以通過學習者的學習表現(xiàn)在平臺上對其進行資格認定。MOOCs自2006年提出以來一直受到廣大網(wǎng)絡學習者的青睞,學習者可以不限時間、不限地點通過網(wǎng)絡進行學習。雖然MOOCs發(fā)展勢頭良好,但是它同樣面臨著一些問題。MOOCs發(fā)展中面臨的最大問題就是高輟課率現(xiàn)象。據(jù)統(tǒng)計,只有7%-9%的學習者在MOOCs完成了課程學習,高輟課率現(xiàn)象意味著有相當多的學生沒有完成課程要求,因此能夠根據(jù)學生課程學習情況及時地對具有輟課傾向的學生提出預警是非常有意義的。然而輟課預警是一件極具挑戰(zhàn)性的任務,研究者基于傳統(tǒng)機器學習預測分類方法做了大量研究,但是由于特征提取項未能很好反映數(shù)據(jù)特性或分類方法容量不足等缺點,傳統(tǒng)機器學習方法在MOOCs輟課預測問題出現(xiàn)瓶頸。而深度學習方法對于特征自動組合以及高容量的特性使得在預測問題上的表現(xiàn)將會更好。本文基于深度學習的方法,在以往研究者對MOOCs輟課預測問題研究的基礎上,通過對實驗數(shù)據(jù)進行多維度的分析,分析實驗數(shù)據(jù)課程的相關性,輟課的表現(xiàn),課程輟課的趨勢以及輟課的原因,使用數(shù)據(jù)可視化和擬合等方法,確定輟課預測中的特征提取項,并基于深度神經(jīng)網(wǎng)絡模型進行建模。本文提出了三種不同的訓練方法,包括直接訓練方法,基于對課程進行關聯(lián)分析后課程分組提出的分課程訓練法和基于實驗數(shù)據(jù)集具有的時間屬性特征提出的時間序列預測方法。最后通過實驗驗證輟課預測的可行性。本文中使用到的實驗數(shù)據(jù)集來源于KDD Cup2015,豐富的數(shù)據(jù)項和百萬級別的數(shù)據(jù)量為精準輟課預測挖掘帶來了可能性。在與其他研究者的研究結(jié)果的對比中,發(fā)現(xiàn)本文所提出的研究方法有著以下幾個優(yōu)點:直接訓練方法有著比較好的輟課預測表現(xiàn),時間序列預測方法對輟課預測更加具有時效性。因此,本文所提出的輟課預測方法對于MOOCs平臺課程輟課問題具有比較好的針對性和解決性,可以應用到實際的MOOCs平臺中。
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：G434;TP181
【圖文】：

數(shù)Ｆ（；0稱為邏輯函數(shù)。圖２－２表示邏輯函數(shù)的分布函數(shù)的圖曲線，以點0！，＞為中心對稱，即滿足逡逑１邋１逡逑Ｆ（－ｘ邋＋邋ｎ）－－邋＝邋－Ｆ（ｘ邋＋邋ｆＪ－）邋＋邋２逡逑２可以看到，曲線在中心點附件的增長比較快，而在兩端的為形狀參數(shù)，Ｙ的值越小，曲線在中心點附近的增長速度越輯回歸模型是一種分類模型，其分布為逡逑，邐，＇邋ｅｘｐ（ｗｘ邋＋邋ｂ）逡逑Ｐ（Ｙ邋＝邋ｌｘ）＝－—＾－￣－＾ｒｒ１邋＋邋ｅｘｐ（ｗｘ邋＋邋ｂ）逡逑Ｐ（Ｙ邋＝邋０｜ｘ）邋＝邋邐邐＼邐—１邋＋邋ｅｘｐ（ｗｘ邋＋邋ｂ）逡逑ｘｅ／？＇邋ｙｅ邋｛０，１｝，ｗ為權重，６為偏置值。逡逑個輸入向量ｘ，可以求出ｐ（ｆ邋＝邋ｉ丨；0和ｐ（ｆ邋＝邋0ｕ）的值，通過則將Ｘ分到值比較大的那一類中。逡逑件的幾率（ｏｄｄｓ）指該事件發(fā)生的概率與該事件不發(fā)生的概率生的概率為Ｐ，那么該事件未產(chǎn)生的概率為１邋－，所以該事

－１０邐－？邐＂邐－２邐０邐２邐４邐６邐８邐１０逡逑圖２－２邏輯函數(shù)的分布函數(shù)逡逑分布函數(shù)Ｆ（；0稱為邏輯函數(shù)。圖２－２表示邏輯函數(shù)的分布函數(shù)的圖像，函數(shù)逡逑是一條Ｓ形曲線，以點0！，＞為中心對稱，即滿足逡逑１邋１逡逑Ｆ（－ｘ邋＋邋ｎ）－－邋＝邋－Ｆ（ｘ邋＋邋ｆＪ－）邋＋邋２逡逑從圖２－２可以看到，曲線在中心點附件的增長比較快，而在兩端的增長速度逡逑較慢。參數(shù)Ｙ為形狀參數(shù)，Ｙ的值越小，曲線在中心點附近的增長速度越快。逡逑二分邏輯回歸模型是一種分類模型，其分布為逡逑，邐，＇邋ｅｘｐ（ｗｘ邋＋邋ｂ）逡逑Ｐ（Ｙ邋＝邋ｌｘ）＝－—＾－￣－＾ｒｒ邐（２．１）逡逑１邋＋邋ｅｘｐ（ｗｘ邋＋邋ｂ）逡逑Ｐ（Ｙ邋＝邋０｜ｘ）邋＝邋邐邐＼邐—邐（２＇２）逡逑１邋＋邋ｅｘｐ（ｗｘ邋＋邋ｂ）逡逑其中

圖２－４邋ＲＯＣ圖示例逡逑

【相似文獻】

相關期刊論文 前10條

1 陳馨;;數(shù)學伙伴學習：內(nèi)涵、價值與實踐[J];上海教育科研;2019年08期

2 馮越;馮萌鴿;王玨;;微課教學應用模式（五）——輸出式學習[J];中國信息技術教育;2019年Z4期

3 時軼t

本文編號：2804714