问题池网站中学生参与情绪特征与辍学预测研究

视频

DOI

基于问题的学习（PBL）是一种流行的教学方法，通过解决问题帮助学生获得实践训练。LeetCode、Code Chef和Math Playground等问答池网站（QP）通过为学生提供真实、多样化和情境化的问题来支持PBL。然而，经验发现表明，40%至80%的注册学生在两个月内辍学。本研究首次尝试通过利用学生的参与情绪来理解和预测QP学生的辍学情况。采用数据驱动方法，我们识别出QP学生的五种不同情绪类型：挑战追求者、科目追求者、兴趣追求者、乐趣追求者和非追求者。我们发现学生在每种参与情绪下回答问题时都有集体偏好，而偏离这些偏好会显著增加他们辍学的可能性。最后，本文通过引入一种新的混合机器学习模型（我们称之为Dropout-Plus）来预测QP学生的辍学。在中国一个拥有近10,000名学生的流行QP上的测试结果表明，Dropout-Plus在准确率、F1-measure和AUC方面均能超越竞争对手的辍学预测性能。我们通过为QP管理者和在线学习专业人员提供一些设计建议以减少学生辍学来完成本研究。