Prediction of MOOCs Dropout based on WCLSRT Model

Cai, Linqing; Zhang, Guiyun

doi:10.1109/iaeac50856.2021.9390886

Cited by 4 publications

(1 citation statement)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Cómo predecir eficazmente el estado de abandono de los estudiantes en los MOOC para intervenir lo antes posible se ha convertido en un tema de actualidad. En este sentido, en [41] han propuesto un algoritmo que utiliza el word2vector para codificar, luego utiliza una red neuronal convolucional (CNN) para extraer características, luego utiliza una red de memoria de larga a corto plazo (LSTM) para combinar las características temporales de cada vector de entrada, y finalmente utiliza bosques aleatorios (RF) para predecir. El algoritmo puede extraer automáticamente las series temporales y aprovechar al máximo las ventajas de los algoritmos anteriores para mejorar el rendimiento del modelo.…”

Section: Métodos De Deep Learningunclassified

Técnicas de machine learning aplicadas a la evaluación del rendimiento y a la predicción de la deserción de estudiantes universitarios, una revisión.

Cruz

González

Rangel

2022

Prisma

View full text Add to dashboard Cite

En los últimos años, técnicas de Inteligencia Artificial (IA) como el aprendizaje automático o Machine Learning (ML) y el Aprendizaje profundo o Deep Learning (DL), han impactado de forma positiva el avance de distintos campos del conocimiento entre ellos la educación. La educación es un importante motor de todas las sociedades, permite a los individuos ser más productivos y resolver problemas con mayor efectividad aplicando generalmente enfoques creativos. En la educación se ha utilizado las técnicas de ML antes mencionadas para distintas tareas entre ellas predicción de deserción y ayuda al rendimiento del estudiante. En este estudio analizaremos los trabajos más relevantes en estos campos, otorgando una perspectiva de cómo han influenciado los algoritmos de ML y DL en la educación.

show abstract

Section: Métodos De Deep Learningunclassified