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 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).