[發(fā)明專利]一種基于自動(dòng)編碼機(jī)的在線學(xué)習(xí)潛在退出者預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110409484.5
• 申請(qǐng)日: 2021-04-16
• 公開（公告）號(hào): CN113077100A
• 公開（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 董博;徐一明;趙銳;阮建飛;鄭慶華;師斌
• 申請(qǐng)（專利權(quán)）人: 西安交通大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/20;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 閔岳峰

本發(fā)明公開了一種基于自動(dòng)編碼機(jī)的在線學(xué)習(xí)潛在退出者預(yù)測(cè)方法，包括：首先，將學(xué)習(xí)平臺(tái)學(xué)習(xí)日志數(shù)據(jù)中的文本和非文本信息并進(jìn)行預(yù)處理；其次，構(gòu)建符合潛在退出者檢測(cè)問題的深層網(wǎng)絡(luò)結(jié)構(gòu)，依據(jù)編碼處理后數(shù)據(jù)的特征維數(shù)確定網(wǎng)絡(luò)的輸入、輸出層的神經(jīng)元個(gè)數(shù)；再次，基于所構(gòu)建的深層網(wǎng)絡(luò)結(jié)構(gòu)，采用BP訓(xùn)練策略通過交叉驗(yàn)證訓(xùn)練在線學(xué)習(xí)潛在退出者檢測(cè)網(wǎng)絡(luò)；最后，利用網(wǎng)絡(luò)的重構(gòu)誤差對(duì)學(xué)習(xí)者進(jìn)行異常檢測(cè)，識(shí)別出潛在退出者。本發(fā)明利用在線學(xué)習(xí)者的行為判斷在線學(xué)習(xí)者的學(xué)習(xí)狀態(tài)發(fā)現(xiàn)潛在退出者，為學(xué)生提供有效幫助與指導(dǎo)。

技術(shù)領(lǐng)域

本發(fā)明屬于在線學(xué)習(xí)的動(dòng)態(tài)監(jiān)測(cè)與評(píng)價(jià)領(lǐng)域，特別涉及一種基于自動(dòng)編碼機(jī)的在線學(xué)習(xí)潛在退出者預(yù)測(cè)方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)快速發(fā)展以及個(gè)人移動(dòng)計(jì)算終端設(shè)備的廣泛普及，在線學(xué)習(xí)已經(jīng)成為補(bǔ)充專業(yè)知識(shí)、拓展職業(yè)技能、提升學(xué)歷水平、實(shí)現(xiàn)自我發(fā)展、以及實(shí)現(xiàn)終身教育的重要途徑和手段。在這個(gè)過程中，在線學(xué)習(xí)行為數(shù)據(jù)的規(guī)模呈現(xiàn)指數(shù)級(jí)增長(zhǎng)，并與整個(gè)在線學(xué)習(xí)過程相互交織影響。一方面，在線視頻、學(xué)生論壇、虛擬實(shí)驗(yàn)以及在線測(cè)驗(yàn)考試等多樣化的在線教學(xué)活動(dòng)不斷涌現(xiàn)，海量的教育數(shù)據(jù)隨之源源不斷產(chǎn)生。以麻省理工學(xué)院2012年發(fā)布的電路與電子學(xué)課程為例，僅在2012年春季一個(gè)學(xué)期就吸引了超過15萬的全球?qū)W習(xí)者注冊(cè)學(xué)習(xí)。在隨后的4年里麻省理工學(xué)院聯(lián)合哈佛大學(xué)又發(fā)布了290門課程，吸引超過450萬的全球?qū)W習(xí)者注冊(cè)學(xué)習(xí)，然而完成整個(gè)課程的學(xué)習(xí)者只有52％。與傳統(tǒng)教育不同，在線教育中授課老師和學(xué)生無法進(jìn)行及時(shí)的溝通交流，授課教師很難了解學(xué)生的學(xué)習(xí)狀態(tài)和對(duì)知識(shí)的吸收程度。因此無法針對(duì)性地給學(xué)生提供指導(dǎo)和幫助。學(xué)生在學(xué)習(xí)過程中遇到問題不能及時(shí)解決導(dǎo)致學(xué)生在線學(xué)習(xí)效率低下，因此許多學(xué)習(xí)狀態(tài)不好的在線學(xué)習(xí)者會(huì)中途退出。如何基于在線學(xué)習(xí)行為數(shù)據(jù)分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，發(fā)現(xiàn)在線學(xué)習(xí)潛在退出者，并提供個(gè)性化的幫助和指導(dǎo)已成為一個(gè)亟待解決的問題。

目前在線學(xué)習(xí)行為數(shù)據(jù)分析方法主要是通過獲取在線學(xué)習(xí)平臺(tái)的學(xué)習(xí)者日志數(shù)據(jù)、學(xué)習(xí)成績(jī)、學(xué)習(xí)者的在線學(xué)習(xí)筆記以及問卷調(diào)查等方式，然后利用數(shù)據(jù)挖掘的方法對(duì)學(xué)習(xí)者的學(xué)習(xí)狀態(tài)進(jìn)行預(yù)測(cè)。學(xué)習(xí)者的狀態(tài)由學(xué)習(xí)日志的特征決定，在本發(fā)明的范圍內(nèi)，我們研究學(xué)習(xí)者的兩種學(xué)習(xí)狀態(tài)：潛在退出學(xué)習(xí)狀態(tài)和正常學(xué)習(xí)狀態(tài)。本發(fā)明的學(xué)習(xí)狀態(tài)定義為一個(gè)[0，1]之間的異常值，該異常值越接近于1，學(xué)習(xí)者屬于潛在退出學(xué)習(xí)狀態(tài)的概率越大，越接近于0則為正常學(xué)習(xí)狀態(tài)的概率越大。潛在退出狀態(tài)在學(xué)習(xí)日志中具體表現(xiàn)為作業(yè)未按時(shí)完成，在線視頻學(xué)習(xí)時(shí)間不足，模擬測(cè)試成績(jī)下滑等。然而，由于在線學(xué)習(xí)中退出者在中途退出后就不會(huì)再產(chǎn)生日志數(shù)據(jù)，導(dǎo)致學(xué)習(xí)日志信息不完整，而且退出者沒有最終學(xué)習(xí)成績(jī)，只有完成者具有完整的學(xué)習(xí)日志數(shù)據(jù)和最終學(xué)習(xí)成績(jī)。如何利用這部分在線學(xué)習(xí)完成者的日志數(shù)據(jù)訓(xùn)練模型并且預(yù)測(cè)潛在退出者已成為一個(gè)重要且具有挑戰(zhàn)性的問題。

以下文獻(xiàn)提供了可參考的在線學(xué)習(xí)者行為分析的技術(shù)解決方案：

文獻(xiàn)1.一種基于在線學(xué)習(xí)行為分析的個(gè)性化學(xué)習(xí)推薦方法(CN201711417283.X)；

文獻(xiàn)2.基于在線學(xué)習(xí)的學(xué)情分析系統(tǒng)及方法(CN201510778991.0)；

文獻(xiàn)1提出了一種基于在線學(xué)習(xí)行為分析的個(gè)性化學(xué)習(xí)推薦方法，該方法收集學(xué)習(xí)者的歷史學(xué)習(xí)數(shù)據(jù)并利用這些數(shù)據(jù)訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練好的模型可以對(duì)新的學(xué)習(xí)者進(jìn)行成績(jī)預(yù)測(cè)并且對(duì)學(xué)習(xí)者進(jìn)行性格分析，為學(xué)習(xí)者做出個(gè)性化學(xué)習(xí)方法推薦。

文獻(xiàn)2提出了一種基于在線學(xué)習(xí)的學(xué)情分析系統(tǒng)及方法，首先采集與學(xué)生學(xué)習(xí)相關(guān)的數(shù)據(jù)，并對(duì)記錄的數(shù)據(jù)進(jìn)行預(yù)處理后存入數(shù)據(jù)庫(kù)，通過監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)算法訓(xùn)練模型，修正測(cè)評(píng)指標(biāo)體系的觀測(cè)點(diǎn)參數(shù)，并根據(jù)構(gòu)建的數(shù)據(jù)模型和修改后的參數(shù)對(duì)相關(guān)數(shù)據(jù)進(jìn)行計(jì)算與分析，根據(jù)模型的結(jié)果預(yù)測(cè)學(xué)習(xí)者狀態(tài)。