文献

J-GLOBAL ID：201602237535714911   整理番号：16A1209963

行動特徴とマルチビュー半教師つき学習を用いたM00Csにおけるドロップアウト予測【Powered by NICT】

Dropout prediction in MOOCs using behavior features and multi-view semi-supervised learning

著者 (6件)： Li Wentao (Key Laboratory of Dependable Service Computing in Cyber Physical Society (Chongqing University), Ministry of Education, 400044, China) ,  Gao Min (Key Laboratory of Dependable Service Computing in Cyber Physical Society (Chongqing University), Ministry of Education, 400044, China) ,  Li Hua (Key Laboratory of Dependable Service Computing in Cyber Physical Society (Chongqing University), Ministry of Education, 400044, China) ,  Xiong Qingyu (Key Laboratory of Dependable Service Computing in Cyber Physical Society (Chongqing University), Ministry of Education, 400044, China) ,  Wen Junhao (Key Laboratory of Dependable Service Computing in Cyber Physical Society (Chongqing University), Ministry of Education, 400044, China) ,  Wu Zhongfu (Key Laboratory of Dependable Service Computing in Cyber Physical Society (Chongqing University), Ministry of Education, 400044, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 3130-3137  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大量オープンオンラインコース(M00Cs)は近年増加する人気を得ているが,ドロップアウト予測はM00Csで見られる中途退学者の高い速度のために解決する重要な作業であった。現在の方法は,通常,ドロップアウト予測への教師つき学習法を適用し,行動タイプのない挙動記録から抽出された一般的特徴を用いた。しかし,学生の学習挙動は多様であり,それは実際には膨大なデータを標識化するために時間原価計算課題であるので,モデルを訓練するために十分なラベル付きデータではない。これらの問題を解決するために,本研究では,ドロップアウト予測タスクのための行動特徴に基づく新しいマルチビュー半教師つき学習モデルを提案した。より詳しくいえば,ここでは,マルチビュー挙動特徴を形成する各タイプ学習行動の特徴を導出した。添加において,これらの特徴に基づいて,予測性能を向上させるための不十分なラベル付きデータを支援するために多数のラベル無しデータの利用する新しいマルチビュー半教師つき学習手法を提案した。KDDカップ2015データセット上での実験を行い,結果は,提案した方法が最先端の手法と比較して,学生脱落の良好な予測を達成することを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  標識法 ,  原価計算 ,  *教師つき学習
準シソーラス用語： 予測性能 ,  学習行動 ,  *半教師つき学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 行動 ,  マルチビュー ,  半教師つき学習 ,  ドロップ ,  予測