MOOC学习失败风险预测：多元时间序列分析方法

大规模开放在线课程（MOOC）虽然向广大受众免费开放，但完成率仍然较低，这通常是由于缺乏个性化内容所致。为解决这一问题，预测学习者表现以提供定制化反馈至关重要。行为轨迹（如点击和事件）可作为时间序列进行分析，以预测学习者的学习成果。

本研究比较了多元时间序列分类方法，旨在识别课程不同阶段（如5周后、10周后等）存在风险的学习者。实验评估基于开放大学学习分析数据集（OULAD），重点关注三门课程：两门STEM课程和一门SHS课程。

初步结果表明，所评估的方法在预测MOOC学习者失败风险方面表现出良好潜力。分析还表明，预测准确性受记录交互数量的影响，这突显了丰富多样行为数据的重要性。

方法特点：

实验发现：预测模型的准确性随着记录交互数量的增加而提高，表明充足的行为数据是实现准确预测的关键因素。该方法为MOOC平台早期识别风险学习者提供了有效的技术解决方案。