新技术帮助学生坚持在线课程学习

新技术帮助学生坚持在线课程学习

一种新技术能够识别出有意退出课程的学生，进而采取预防措施。前不久，在人工智能国际会议上，麻省理工学院（MIT）的研究人员展示了一种退学预测模型，该模型通过某课程一节课所提供的数据进行训练，可以用于预测下一节课学生的退课情况。即使课程的组织形式发生变化，其预测结果也相当准确。

“我们采用了一个机器学习领域中常见的技术——迁移学习，即在一个环境中训练机器学习模型，并做出适当改变来使它适应新环境。”MIT计算机科学和人工智能实验室的研究员KalyanVeeramachaneni说，他与Sebastien Boyer共同负责该研究，Sebastien Boyer是MIT技术和策划专业研究生。“如若不然，它就不能提供有意义的信息，也就不能用于实时预测，模型便毫无价值了。”

该模型的预测相当准确。但Veeramachaneni和Boyer想精益求精。他们尝试了几种不同的技术来提高模型的准确性，但比较好的是重要性抽样方法。也就是说，对于每个上了第二节课的学生，他们都会从第一节课的学生中找出一个与之匹配得最好的，这个匹配程度是用一个把所有变量囊括进来作为参数的“距离函数”确定的。随后，根据匹配程度，他们会在机器学习过程中增加第一节课中某些学生的权重。

（来源：sciencedaily）