中国远程教育

2020, No.548(09) 39-43+61+76-77

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进RFM与GMDH算法的MOOC用户流失预测
Using adapted RFM and GMDH algorithms to predict MOOC user attrition rate

魏玲;郭新悦;

摘要(Abstract):

MOOC在全球引起在线学习风靡的同时存在着严峻的挑战。通过调查发现MOOC用户中途放弃课程学习的现象十分严重。为最大限度保持和发展更多的MOOC用户,需要对其流失状态进行准确预测,确保对学习危机用户及时发出预警。本研究首先通过改进商业领域中RFM模型建立针对MOOC用户学习行为与流失预测的RFLP指标体系;其次通过直方图检验与卡方检验确定影响MOOC用户流失的特征变量;最后结合数据分组处理(GMDH)网络作为后置处理信息系统构建MOOC用户流失预测模型。利用该模型对中国大学MOOC上一门课程的学习者流失状态进行预测,并与经典决策树C5.0和支持向量机SVM算法进行实验对比。研究结果表明,该模型对MOOC用户流失判别的预测精度更高且在不同数据规模与极端值干扰下均有良好表现。

关键词(KeyWords): MOOC;在线学习;学习者;学习者流失预测;学习预警;学习危机;GMDH算法;RFM模型;学习分析

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 魏玲;郭新悦;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享