新技術(shù)幫助學(xué)生堅(jiān)持在線課程學(xué)習(xí)

一種新技術(shù)能夠識別出有意退出課程的學(xué)生，進(jìn)而采取預(yù)防措施。前不久，在人工智能國際會(huì)議上，麻省理工學(xué)院（MIT）的研究人員展示了一種退學(xué)預(yù)測模型，該模型通過某課程一節(jié)課所提供的數(shù)據(jù)進(jìn)行訓(xùn)練，可以用于預(yù)測下一節(jié)課學(xué)生的退課情況。即使課程的組織形式發(fā)生變化，其預(yù)測結(jié)果也相當(dāng)準(zhǔn)確。

“我們采用了一個(gè)機(jī)器學(xué)習(xí)領(lǐng)域中常見的技術(shù)——遷移學(xué)習(xí)，即在一個(gè)環(huán)境中訓(xùn)練機(jī)器學(xué)習(xí)模型，并做出適當(dāng)改變來使它適應(yīng)新環(huán)境。”MIT計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室的研究員KalyanVeeramachaneni說，他與Sebastien Boyer共同負(fù)責(zé)該研究，Sebastien Boyer是MIT技術(shù)和策劃專業(yè)研究生?！叭缛舨蝗?，它就不能提供有意義的信息，也就不能用于實(shí)時(shí)預(yù)測，模型便毫無價(jià)值了?！?/p>

該模型的預(yù)測相當(dāng)準(zhǔn)確。但Veeramachaneni和Boyer想精益求精。他們嘗試了幾種不同的技術(shù)來提高模型的準(zhǔn)確性，但比較好的是重要性抽樣方法。也就是說，對于每個(gè)上了第二節(jié)課的學(xué)生，他們都會(huì)從第一節(jié)課的學(xué)生中找出一個(gè)與之匹配得最好的，這個(gè)匹配程度是用一個(gè)把所有變量囊括進(jìn)來作為參數(shù)的“距離函數(shù)”確定的。隨后，根據(jù)匹配程度，他們會(huì)在機(jī)器學(xué)習(xí)過程中增加第一節(jié)課中某些學(xué)生的權(quán)重。

（來源：sciencedaily）