在线学习结果预测与激励——基于学习者行为建模

作者：丁晟春; 周轩屹; 王玉东; 俞沣洋

来源：吉林省教育学院学报, 2023, 39(12): 55-59.

DOI：10.16083/j.cnki.1671-1580.2023.12.011

• 学习者行为
• 在线学习结果预测
• 激励措施
• 神经网络
• SVM

在线课程普遍具有注册率高、通过率低的问题。为了提高在线课程通过率，本文从在线学习者参与课程的测试、作业、讨论角度，分析在线学习课程通过者、未通过者的学习行为，对比两类学习者的学习行为特征，筛选两类学习者的特征，并根据所选特征建立机器学习模型，对比分析SVM模型和BP神经网络模型，对在线课程学习结果进行预测；最后，基于加涅九阶段教学设计，提出具体干预措施，并结合预测模型对提出措施进行实施效果验证，结果表明干预措施对提高在线课程通过率具有一定的效果。

• 单位
  南京理工大学; 经济管理学院