文献知网节
  • 记笔记

基于改进RFM与GMDH算法的MOOC用户流失预测

魏玲郭新悦

哈尔滨理工大学经济与管理学院

摘要:MOOC在全球引起在线学习风靡的同时存在着严峻的挑战。通过调查发现MOOC用户中途放弃课程学习的现象十分严重。为最大限度保持和发展更多的MOOC用户,需要对其流失状态进行准确预测,确保对学习危机用户及时发出预警。本研究首先通过改进商业领域中RFM模型建立针对MOOC用户学习行为与流失预测的RFLP指标体系;其次通过直方图检验与卡方检验确定影响MOOC用户流失的特征变量;最后结合数据分组处理(GMDH)网络作为后置处理信息系统构建MOOC用户流失预测模型。利用该模型对中国大学MOOC上一门课程的学习者流失状态进行预测,并与经典决策树C5.0和支持向量机SVM算法进行实验对比。研究结果表明,该模型对MOOC用户流失判别的预测精度更高且在不同数据规模与极端值干扰下均有良好表现。
  • DOI:

    10.13541/j.cnki.chinade.2020.09.005

  • 专辑:

    教育与社会科学综合; 电子技术及信息科学

  • 专题:

    互联网技术

  • 分类号:

    TP393.09

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:107 页码:39-43+61+76-77 页数:8 大小:1817K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者