Deep Embeddings of Contextual Assessment Data for Improving Performance Prediction.

Benjamin Clavié, Kobi Gal

פרסום מחקרי: תוצר מחקר מכנסהרצאהביקורת עמיתים

תקציר

We introduce DeepPerfEmb, or DPE, a new deep-learning model that captures dense representations of students’ online behaviour and meta-data about students and educational content. The model uses these representations to predict student performance. We evaluate DPE on standard datasets from the literature, showing superior performance to the state-of-the-art systems in predicting whether or not students will answer a given question correctly. In particular, DPE is unaffected by the cold-start problem which arises when new students come to the system with little to no data available. We also show strong performance of the model when removing students’ histories altogether, relying in part on contextual information about the questions. This strong performance without any information about the learners’ histories demonstrates the high potential of using deep embedded representations of contextual information in
educational data mining.
שפה מקוריתאנגלית אמריקאית
מספר עמודים7
סטטוס פרסוםפורסם - יולי 2020
פורסם באופן חיצוניכן
אירועInternational Conference on Educational Data Mining (EDM)
- Online
משך הזמן: 10 יולי 202013 יולי 2020

כנס

כנסInternational Conference on Educational Data Mining (EDM)
תקופה10/07/2013/07/20

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Deep Embeddings of Contextual Assessment Data for Improving Performance Prediction.'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי