#制定深入的专注分数预测提高学生参与度

Prescribing Deep Attentive Score Prediction AttractsImproved Student Engagement

  • 将深度学习模型引入智能辅导系统
  • 之前的研究都在关注提高预测模型的性能上，缺乏对其实际应用所产生效益的关注。在本文中，我们通过提供经验证据来证明，在现实环境中部署的分数预测模型的准确性显著影响用户的测量。

#预测视频讲座的参与度

Predicting Engagement in Video Lectures

#摘要

近年来开放式教育资源（Open Educational Resources）的激增，产生了对可扩展、自动化的开放式教育资源处理和评估的需求，最终目标是为学习者确定和推荐最合适的教育材料。我们专注于构建模型，以发现上下文不可知的参与（即基于人口的参与）所涉及的特征和特征，与其他更注重个体学习的上下文化和个性化方法相比，这是一个很少被重新搜索的主题。学习者参与度，可以说是比受欢迎程度/观点数量更可靠的衡量标准，比用户评分更丰富，也被证明是实现学习成果的关键组成部分。在这项工作中，我们探讨了建立一个以人口为基础的教育参与预测模型的想法。我们介绍了一个新颖的，大的视频讲座数据集，用于预测上下文无关参与，并提出了两个跨模态模态模态特定的功能集，以实现这一任务。我们进一步测试了量化学习者测量信号的不同策略。我们演示了我们的方法在数据稀缺情况下的应用。此外，我们还对表现最佳的模型进行了敏感度分析，该模型显示出良好的性能，并且可以很容易地集成到面向开放式教育资源的教育推荐系统中。

#备注