机器学习方法在MOOC学习者学业完成率预测中的应用研究

作者：郝思源; 谢太峰

来源：数学的实践与认识, 2019, 49(21): 84-94.

• XGBoost
• BP神经网络
• MOOC
• 学业完成率

大量MOOC学习者无法获取证书顺利完成学业已成为制约MOOC普及和发展的主要原因.基于edX发布的MOOC公开数据,通过分析学习者背景及行为特征,对中外MOOC学习者学业完成情况进行研究,利用机器学习算法中的XGBoost模型和BP神经网络模型对学习者是否能完成课程获取证书进行预测分析,将结果与传统的Logistic模型进行比较.结果表明,与传统的Logistic模型相比,基于机器学习算法的预测模型整体上优于传统的Logistic回归模型.XGBoost模型对于学习者获取证书完成学业的概率预测能力更强.最后,利用XGBoost模型的预测结果,对影响学习者完成学业的因素的相对重要性进行排序,并找出影响学习者学业完成率的重要因素,为深入研究MOOC的学习模式提供参考.

• 单位
  金融学院; 首都经济贸易大学