Новый алгоритм для вычисления отстающих студентов
Массовые открытые онлайн-курсы (МООК) ежегодно привлекают огромное количество людей, желающих получить доступ к образовательным ресурсам мирового класса. Но многие из тех, кто приступил к онлайн-обучению, к сожалению, покидают курсы. По разным причинам: нехватка времени, лень или серьезные жизненные обстоятельства.
Чтобы люди не отказались от своей идеи, важно выявить их до того, как они будут исключены из слушателей, и предоставить им помощь, сделать их обучение более продуктивным.
Однако заранее никто не знает, может ли человек отчислиться...
Массовые открытые онлайн-курсы (МООК) ежегодно привлекают огромное количество людей, желающих получить доступ к образовательным ресурсам мирового класса. Но многие из тех, кто приступил к онлайн-обучению, к сожалению, покидают курсы. По разным причинам: нехватка времени, лень или серьезные жизненные обстоятельства.
Чтобы люди не отказались от своей
идеи, важно выявить их до того, как они будут исключены из слушателей, и
предоставить им помощь, сделать их обучение более продуктивным.
Однако заранее никто не знает,
может ли человек отчислиться с онлайн-курсов. Один пропуск еще ни о чем не говорит.
А два, три пропуска – уже может быть слишком поздно для вмешательства.
На международной конференции по
искусственному интеллекту в образовании, исследователи из Массачусетского
технологического института продемонстрировали прототип алгоритма, который будет
прогнозировать успешность студента на основе данных первого этапа обучения (а
именно будет определять, покинет ли студент онлайн-курс на следующем этапе или
нет).
Прогноз оказывается достаточно
точным даже в том случае, если студент меняет направление обучения.
Разработчики подчеркнули, что алгоритм работает лишь в случае онлайн-курсов. То
есть в обыкновенных учебных заведениях вычислить
неуспевающего студента можно пока только по старинке - по ведомостям.
Алгоритм, написанный Каляном
Вирамачанени (Kalyan Veeramachaneni)
и Себастьеном Бойером (Sebastien Boyer),
основывается на широком наборе переменных, среди которых среднее время,
потраченное на домашнее задание, время, потраченное на просмотр видеолекций и
работу с другими ресурсами.
Ученые обнаружили массу
закономерностей. Так, например, студент, который смотрит видео 2 часа в неделю, в то время как большинство
его сокурсников проводит за этим занятием 3 часа в неделю, будет иметь оценку,
составляющую примерно 0,67 от среднего балла.
А вот тот, кто проводит за
обучающими видео 4 часа в неделю, получит 1,33 от общего балла. С помощью
алгоритма исследователи смогли обнаружить корреляцию между определенными
переменными и их сочетанием с вероятностью человека покинуть курсы. В настоящий
момент прогнозы достаточно точны, хотя Вирамачанени и Бойер рассчитывают
сделать их ещё лучше.
В частности, они планируют добавить в алгоритм такую переменную, как время, потраченное на обучение в выходные дни (она свидетельствует о силе мотивации студента).
Интересно
Машины и Механизмы
Пожалуйста, войдите в свой аккаунт или зарегистрируйтесь.