PulseAugur
实时 09:49:36
English(EN) Temporal Dropout Risk in Learning Analytics: A Harmonized Survival Benchmark Across Dynamic and Early-Window Representations

新基准揭示时间数据可预测学生辍学

研究人员开发了一个新的生存基准,用于预测学习分析中的学生辍学。该基准统一了动态和连续时间表示,并比较了随机生存森林和泊松分段指数等各种模型。研究发现,时间行为数据,而非静态人口统计数据,是辍学风险最重要的预测因素。 AI

影响 为评估教育背景下的AI模型建立新标准,强调使用时间和行为数据进行辍学预测。

排序理由 该集群包含一篇学术论文,详细介绍了学习分析领域的新基准和发现。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新基准揭示时间数据可预测学生辍学

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Rafael da Silva, Jeff Eicher, Gregory Longo ·

    学习分析中的时间衰减风险:动态和早期窗口表示的统一生存基准

    arXiv:2604.08870v2 Announce Type: replace-cross Abstract: Student dropout is a persistent concern in Learning Analytics, yet comparative studies frequently evaluate predictive models under heterogeneous protocols, prioritizing discrimination over temporal interpretability and cal…