宋国琴，刘 斌

(1. 西华师范大学教育信息技术中心 四川 南充 637000；2. 电子科技大学计算机科学与工程学院 成都 611731)

大规模开放在线课程(massive open online courses, MOOCs)因为免费且学习环境宽松等特性，近年来得到了爆发式的增长。同时，MOOCs的宽松学习环境引发了辍学率居高不下的情况，辍学使在线教育教学有效性大大降低[1-2]。利用在线教育的大数据，结合机器学习技术对在线教育相关情况进行分析，是目前数据研究的热门方向之一。

另一方面，目前虽然有基于机器学习的在线教育的翘课预测工作[3]，但没有关于翘课指标量化的研究工作。翘课指数是预测翘课概率的指标，可以反映在线课堂的学习情况和变动程度、监测学习者的发展动态及预测翘课的发展趋势。目前国内外鲜有提供在线教育的公共大数据，KddCup2015[4]提供了宝贵的应用实例。对基于KddCup2015的翘课指数的紧密追踪和预测，将为在线教育中的各种变化和改革提供指标参考，具有重要的现实意义。

在指数挖掘过程中，需要通过特征选择[5-8]实现高维特征的物理降维。特征选择往往伴随着机器学习过程。XGBoost[9]的特征选择基于初始特征集建立分类模型，考察特征在模型中的表现，得到特征的重要性，依据重要度进行特征子集搜索和评价，最终产生最优子集，是一种兼具嵌入式和过滤式特征选择方法。

本文基于数据建立丰富的特征并预处理，使用基于XGBoost算法做特征选择，从与翘课相关的海量特征中找到最佳特征子集，形成在线教育的翘课指数DOI(dropout index)，为监测学习者学习动态、反映整体课程的学习情况以及预测学习者学习趋势提供参考和依据。……