인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
학술대회자료
Full-text
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
초록·키워드
As the use of online learning expands, it becomes increasingly important to predict and support at-risk students early. However, it is unclear which types of online learning behaviors (i.e., passive or active) are better able to predict at-risk students. Passive behavior (e.g., homepage access) refers to basic interaction with the system, while active behavior (e.g., foruming) refers to interactions involving other users. Using Open University Learning Analytics Dataset, we compared the predictive performance of passive and active behavior data to predict at-risk students. We used a random forest classifier to classify 3,994 students into either success or at-risk. Results showed that the predictive performance of passive behavior (accuracy: 0.78, precision: 0.79, recall: 0.91) was higher than that of active behavior (accuracy: 0.75, precision: 0.77, recall: 0.87) up to 20 weeks. These findings suggest the importance of fundamental passive behavior in online learning, such as accessing a homepage, compared to auxiliary active behavior. Through passive behavior analysis, instructors can predict at-risk students and help them successfully complete online courses.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
