基于符號圖卷積網(wǎng)絡的在線學習行為早期預警模型

打開文本圖片集

摘要：在在線教育快速發(fā)展的背景下，依托學習者行為數(shù)據(jù)實現(xiàn)高效的預警成為研究焦點。傳統(tǒng)學習預警模型多依賴統(tǒng)計特征與序列分析，導致學習者間潛在關(guān)系結(jié)構(gòu)難以有效捕捉，從而制約了預警的準確性和時效性。針對這一問題，該研究構(gòu)建了一個符號圖卷積網(wǎng)絡（SGCN） 驅(qū)動的在線學習行為預警框架，對在線學習行為進行建模分析，構(gòu)建表征行為相似度的符號關(guān)系圖，設計 SGCN 模型以整合正負向關(guān)系數(shù)據(jù)，深度解析復雜行為模式特征，并采用模擬數(shù)據(jù)集開展實驗，對模型的效能進行檢驗。（剩余12063字）