메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Minyoung Park (Seoul National University of Science and Technology) Kyoungwon Seo (Seoul National University of Science and Technology)
저널정보
한국HCI학회 한국HCI학회 학술대회 PROCEEDINGS OF HCI KOREA 2023 학술대회 발표 논문집
발행연도
2023.2
수록면
815 - 821 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
As the use of online learning expands, it becomes increasingly important to predict and support at-risk students early. However, it is unclear which types of online learning behaviors (i.e., passive or active) are better able to predict at-risk students. Passive behavior (e.g., homepage access) refers to basic interaction with the system, while active behavior (e.g., foruming) refers to interactions involving other users. Using Open University Learning Analytics Dataset, we compared the predictive performance of passive and active behavior data to predict at-risk students. We used a random forest classifier to classify 3,994 students into either success or at-risk. Results showed that the predictive performance of passive behavior (accuracy: 0.78, precision: 0.79, recall: 0.91) was higher than that of active behavior (accuracy: 0.75, precision: 0.77, recall: 0.87) up to 20 weeks. These findings suggest the importance of fundamental passive behavior in online learning, such as accessing a homepage, compared to auxiliary active behavior. Through passive behavior analysis, instructors can predict at-risk students and help them successfully complete online courses.
#Active #Passive #Behavior #Prediction #At-risk students #Online learning

목차

Abstract
1. Introduction
2. Related works
3. Materials and methods
4. Experimental results
5. Discussion and conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

ChatGPT as an Assistant of Human Teacher: Student Competency Analysis through Prompt Engineering
Chaeyoung Song ,  Minyoung Pa ,  k 외 2명 한국HCI학회 학술대회 2024 .01
Digital Fairness : 가상현실 환경 내 시선 추적을 통한 사용자 행동 분석을 기초로
정우영 ,  서경원 ,  김지은 한국HCI학회 학술대회 2022 .02
The impact of self-disclosing chatbots for academic stress assessment on student self-reflection
Minyoung Pa ,  k ,  Bogyeom Pa 외 2명 한국HCI학회 학술대회 2025 .02

최근 본 자료

전체보기

댓글(0)

0