贾靖怡，李玉斌，姚巧红，袁子涵

（辽宁师范大学计算机与信息技术学院，辽宁大连 116081）

0 引言

从最初的网络课程、虚拟学习社区、精品课程到现在的视频公开课、资源共享课以及大规模在线开放课程（MOOC），在线教育方式始终存在学生参与度低、辍学率高、学习效果不理想等问题［1-2］。为在辍学前识别出有风险或问题倾向的学习者，从而进行有针对性的指导、干预和预警，MOOC 环境下的学习预测研究成为热点。预测研究的价值主要体现在3 个方面［3］：①教师可预测学习者可能遇到的问题，通过调整课程或教学方法提升学习体验；②教师或机构可使用预测结果决定课程设计及实施学习干预；③学习者可获得学习过程信息，使其反思自己是如何做的，从而提升学习表现。

当前的MOOC 在线学习预测研究主要集中在学习者流失率、辍学率、退课率、完成率、学习参与度等方面［4-6］，对学业成绩、学习缺陷、认知障碍等主题研究相对偏少。流失率、辍学率、退课率等主题研究虽然引起广泛关注，但还处于初级阶段，并不成熟，单从预测指标数量就能窥见一斑。范逸洲等［7］在《MOOC 中学习者流失问题的预测分析——基于24 篇中英文文献的综述》中指出，有的研究预测指标数仅4 项，有的多达37 项。因此，在MOOC 学习者预测研究上还需要更多的实证工作，构建更加稳健和精准的预测模型，从而助力在线教育向更智能化方向发展。

1 成绩预测研究综述

MOOC 的主要特点之一就是注册人数众多，通常会有成千上万的注册者，可收集大量的信息了解课程情况，以便进一步分析。……