.png){kind=icon}
返回
Stage-Dependent Behavioral Patterns in MOOC Dropout: An Explainable Learning Analytics Study
.png){kind=icon}
OA
AI
DOI：10.3390/educsci16070999.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模开放在线课程（MOOCs）的高辍学率持续限制其在促进包容性和可持续学习方面的潜力。尽管已使用多种预测模型来识别潜在辍学者，但大多数研究将辍学视为静态分类问题，未能清晰揭示学习者参与随时间的动态轨迹。因此，本研究引入分阶段分析视角，将MOOC辍学视为在不同阶段持续演变的进程。基于KDDCUP2015数据集，我们构建了三个时间点的行为特征：第一周、第三周和第五周。通过结合稳健的特征分析和可解释模型，我们系统考察了辍学模式的演变规律。结果显示不同阶段存在显著差异。在课程早期，辍学主要与学习者不稳定的互动行为相关，如资源访问受限和参与节奏不规律。在中后期，任务导向行为，尤其是与视频学习活动相关的行为，逐渐成为关键因素。值得注意的是，高频视频参与并不总能降低辍学风险；当视频活动高但整体互动率低时，更可能预示辍学风险增加。这些结果表明行为组合比单纯的活动水平更为重要。通过揭示不同阶段的行为变化特征，本研究有助于支持更实用预警方法的设计。
Keyword:
MOOC dropout
learning analytics
behavioral patterns
stage-based modeling
early warning systems
