온라인 과정에서 기계 학습 알고리즘을 이용한 학생 성과 예측

정보통신기술(ICT)의 발전은 원격 학습 환경에 적용된 대규모 공개 온라인 강좌(MOOCs)의 성장을 증가시켰습니다. 학습자가 새로운 인지 능력을 구축하도록 동기를 부여할 수 있는 그림, 도표 및 비디오를 포함한 인터랙티브 콘텐츠 제공을 위한 다양한 도구가 사용되었습니다. 저명한 대학들은 세계 각국의 학습자들이 참여할 수 있는 효율적인 대시보드 플랫폼으로 MOOC를 채택했습니다. 학생들의 학습 진행 상황은 설정된 컴퓨터 자동 채점 평가를 통해 평가됩니다. 특히, 학생이 온라인 평가를 완료하면 컴퓨터가 즉각적인 피드백을 제공합니다. 연구자들은 온라인 과정에서 학생의 성공률이 참여 수준 외에도 이전 세션에서의 성과와 관련이 있다고 주장합니다. 문헌에서는 학생 성과와 이전 평가에서의 참여가 다음 평가에서의 학생 성취에 영향을 미칠 수 있는지를 평가하는 데 충분한 주의를 기울이지 않았습니다. 이 논문에서는 학생 평가 성적과 최종 학생 성과라는 두 가지 예측 모델을 설계했습니다. 이 모델은 MOOC에서 학생들의 학습 성취에 영향을 미치는 요인을 탐지하는 데 사용될 수 있습니다. 결과는 두 모델 모두 실현 가능한 정확한 결과를 얻었다는 것을 보여줍니다. RF에 의한 최저 RSME는 학생 평가 성적 모델에서 8.131의 값을 얻었고, GBM은 최종 학생 성과에서 가장 높은 정확도를 달성하여 평균 0.086의 값을 기록했습니다.