Key points are not available for this paper at this time.
Angesichts der hohen Abbruchraten, die in vielen aktuellen groß angelegten Online-Kursen beobachtet werden, werden Mechanismen, die in der Lage sind, den Abbruch von Studierenden vorherzusagen, zunehmend wichtig. Während dieses Problem teilweise für Studierende gelöst ist, die aktiv in Online-Foren sind, ist dies noch nicht der Fall für die allgemeinere Studentenschaft. In diesem Papier präsentieren wir einen Ansatz, der auf Clickstream-Daten basiert. Unter anderem berücksichtigt der Algorithmus des maschinellen Lernens die wöchentliche Historie der Studierendendaten und kann somit Veränderungen im Verhalten der Studierenden im Laufe der Zeit erkennen. In den späteren Phasen eines Kurses (d.h., sobald solche historischen Daten verfügbar sind) kann dieser Ansatz den Abbruch signifikant besser vorhersagen als Basismethoden.
Kloft et al. (Mittwoch) haben diese Frage untersucht.