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.
초록·키워드
Abstract Dropout is one of the major problems online higher education faces. Early identification of the dropout risk level and an intervention mechanism to revert the potential risk have been proved as the key answers to solving the challenge. Predictive modeling has been extensively studied on course dropout. However, intervention practices are scarce, sometimes mixed with mechanisms focused on course failure, and commonly focused on limited interventions driven mainly by teachers' experience. This work contributes with a novel approach for identifying course dropout based on a dynamic time interval and intervening, focusing on avoiding dropout at the assessable activity level. Moreover, the system can recommend the best interval for a course and assessable activity based on artificial intelligence techniques to help teachers in this challenging task. The system has been tested on a fully online first-year course with 581 participants from 957 enrolled learners of different degrees from the Faculty of Economics and Business at the Universitat Oberta de Catalunya. Results confirm that interventions aimed at goal setting on the ongoing assessable activity significantly reduce dropout issues and increase engagement within the course. Additionally, the work explores the differences between identification mechanisms for course dropout and failure aiming to distinguish them as different problems that learners may face.
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
