叶俊民，罗达雄，陈 曙，廖志鑫

(华中师范大学 计算机学院，武汉 430079)

1 引 言

在线开放课程不仅为学习者提供了学习著名大学先进课程内容的机会，而且还为教师、教学管理者提供了各类数据以进行分析的可能.针对学习者的学习行为(如预测学习者期中考试成绩和预测学习者毕业与否等问题)进行预测就是这些分析活动中的典型[1,2].针对在线学习行为预测的早期的研究主要是利用学习者的统计信息和学习行为信息预测在线学习行为，如A.Anderson等人制定了学习者参与类型的分类方法，并讨论学习者的参与度和其成绩之间的关系[3]；J.Wilkowski等人发现先验技能与课程完成率之间无相关性[4]；C.G.Brinton等人调查了与论坛活动下降有关的因素，发现与因素相关的线程分类和排序策略[5].随着在线论坛等板块的出现和短文本数据的积累，近年来越来越多的工作通过结合在线学习者的短文本语义信息来预测学习者的行为，如ESen-Can A等人提出一个针对论坛同步辅导对话的无监督理解模型，从语义的角度分析学习者的短文本信息，从而理解学习者的行为[6].

从技术角度上做分类，可将在线学习者成绩预测的研究可归纳为基于概率的预测方法、基于深度学习的预测方法和基于矩阵因子化的预测方法3类.第一，基于概率的预测方法主要包含知识追踪(Knowledge Tracing)和认知诊断(Cognitive Diagnosis).目前主流的知识追踪方法有贝叶斯知识追踪[7](BKT)和深度知识追踪[8](DKT)，后者在实验中被证明有更优的效果；……