教育理论与教育管理论文_面向长短期混合数据的-中国循环杂志

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

教育理论与教育管理论文_面向长短期混合数据的

作者:

关键词:

摘要：

文章摘要:针对MOOC中学生行为数据中的长短期混合特性，为解决辍学预测中的动态类别不平衡问题，提出一种基于深度学习的辍学预测策略。首先建立以天为时间步长、周为学习周期的新型学生行为时间序列，以捕捉每一时间步长下时间序列数据的短期依赖关系和相邻学习周期之间的长期模式和趋势；然后结合辍学定义的两种不同表达揭示MOOC辍学预测的动态类别不平衡现象；接着引入基于代价敏感的长短期时间序列深度学习模型，以实现对高辍学风险学生的精准预测。最后，在KDD Cup2015数据集上的实验证明，所提策略能够有效帮助MOOC课程教师和教学管理者追踪课程学生在不同时间步长的学习状态，从而动态监控不同学习阶段的辍学行为。

文章关键词: