基于Clementine平台的MOOCs学习者流失分析与预测.docVIP

基于Clementine平台的MOOCs学习者流失分析与预测摘 要 首先提出MOOCs平台高注册率和高流失率成明显反差这一严重现象，进而提出改进MOOCs平台的一些建议，使得可以收集更多的有关学习者信息的数据，紧接着通过这些数据运用Clementine平台中的神经网络数据分析技术来研究MOOCs学习者的流失状况，建立起MOOCs学习者流失的基本模型。最后通过输入需要预测的学习者的基本数据进行神经网络流失预测，如果发现该学习者有流失的可能性，即可采取必要的措施来挽留学习者。关键词 Clementine平台；神经网络；MOOCs平台；学习者流失中图分类号：G434 文献标识码：A文章编号：1671-489X（2016）04-0001-06Loss Analysis and Prediction of MOOCs based on Clementine Neural Network//GAO Jiemei， HAN Jun， LIU JingAbstract In this paper， we first propose the serious phenomenon of the high registration rate and high loss rate of MOOCs platform， and then put forward some suggestions to improve the MOOCs platform， so that we can collect more information about the learner， and then use Clementine neural network data analysis technology to study the loss of learners on MOOCs platform， and establish the basic neural network model of MOOCs. Finally， input the basic data of the learners through the neural network to predict whether the learners will loss. If it is found that the learner has the possibility of loss， then it is necessary to take the necessary measures to retain the learners.Key words Clementine； neural network； MOOCs platform； lost learners近两年来MOOCs无论在国内还是在国外得到飞速发展，各大学都在争先恐后建立自己的MOOCs课程，但同时大规模的注册学习者却与大规模的流失率和小规模的通过率形成明显的反差。据统计，Coursera平台上的课程完成率只有7%～9%，可见大部分注册学习者在中途流失了。其中效果比较好的课程是斯坦福大学于2011年夏季开设的“人工智能”，注册学习者多达16万名，然而只有2.3万名学习者完成学业，通过率只有14%[1]；杜克大学开设的“生物电学：定量方法”课程注册学生多于1万名，最后只有261名学生获得成绩证书，通过率不到3%；Edx平台上的“电路与电子”课程注册学生人数超过15万，但是最终只有7157名取得证书，完成率为4.62%[2]。那么这种高注册率和低通过率的反差能给后续课程的开设者提供什么反思呢？能否让MOOCs不再重蹈精品课程建设的覆辙呢？为了降低MOOCs的流失率，同时提高其通过率，本研究引入Clementine平台中的神经网络模型对MOOCs学习者的流失进行分析与预测，并对MOOCs平台的建设和课程开发者提供一些有效的建议。1 ClementineClementine是一款数据挖掘平台，通过此平台可以快速建立预测性模型，并将其应用于后续活动之中，从而起到改进决策的作用。Clementine中提供了许多优秀的人工智能、统计分析模型，比如决策列表、数值预测器、时间序列、回归、二元分类器、逻辑回归、神经网络等[3]。此外，Clementine平台是基于图形化界面的，把这些高深的挖掘算法和技术封装起来，整个数据挖掘的全流程都可以从界面上处理和观察，使得人们更加易于操作。本研究选择Clementine平台中的神经网络模型对MOOCs学习者的流失进行分析和预测。神经网络是模仿人类的大脑结构和功能。此模型中的处理单元是通过模拟大量类似人脑中的神经元的抽象形式，其处理方式是模仿人脑的信息加工处理方式把处理单元相互连接而作用，通过各组成部分非同