辍学

摘要： (续上期)人逢喜事精神爽,到家后李金廷邀我喝酒。李大嫂做菜麻利,一小会功夫就做好4碟菜,色香味俱全。俗话说,酒后吐真言,他对我说:“程,你知道吗,我家孩子从小学习就好,能考上大学也在预料之中。他妈妈上学时成绩就好,当时因为家里穷才辍学的,否则就不是现在这般天地了。”

摘要： 未成年人犯罪预防是全社会的共同责任,编织并强化预防未成年人犯罪之网需要全社会的共同努力。表面上,失学辍学未成年人受心理、认知等因素影响,实施犯罪时具有明显的冲动性和暴力性,而深层次的原因则在于家庭监护和学校教育缺失、不良网络信息诱导以及社会治理存在短板等方面。因此,要通过加强家庭监护、完善学校教育、突出政府保护职责等有效措施,构建起控辍保学的立体治理防控体系,切实提升失学辍学未成年人犯罪的治理水平。

摘要： 辍学倾向是学生对辍学的认同和行为趋向,是辍学行为实施前的心理准备状态。自编由辍学认同和辍学意向两个维度构成的辍学倾向量表,用该量表对1367名中学生进行信度效度检验及发展现状分析。结果发现:(1)辍学倾向量表具有良好的信度和效度,且在不同学段中学生之间具有截距等值性;(2)辍学认同与辍学意向存在较低水平的正相关;(3)中学生辍学倾向的总体水平较低,高中生和中职生的辍学倾向高于初中生,农村中学生的辍学倾向高于城市中学生。

摘要： 回顾和梳理国内外研究文献后发现,影响中小学生辍学的因素主要有个人学业因素、学校因素、家庭因素、朋辈因素以及社会环境因素,具体原因包括学业成就低,厌学,对学校不满,师生关系不良,父母监管缺位,父母的教育支持不足,家庭暴力,同伴效应,校园欺凌,经济因素,生活和学习环境的变迁。针对这些辍学原因,提出了预防中小学生辍学的一些对策建议。

摘要： 高辍学率一直是成人高等教育领域亟须面对的问题.运用CiteSpace的关键词功能明确成人高等教育辍学问题的热点及研究趋势.回顾国内外的研究成果发现,国内外的研究主要集中于影响学习者辍学的因素.目前,我国对成人高等教育辍学率问题的研究还有很多不足,综合国内外关于成人学习者辍学率的影响因素的研究,借鉴国外研究的优秀经验并结合我国的实际情况进行对策分析,从"公平保障""因材施教""人文关怀""扩大参与"等四个方面提出具体的应对策略,旨在为我国降低成人高等教育辍学率的后续研究工作提供参考思路,进而推进我国成人高等教育发展.

摘要： 本研究以中国知网中被中文社会科学引文索引(CSSCI)数据库和中文核心期刊目录收录的159篇远程教育经济学相关期刊文章为研究对象,利用可视化软件CiteSpace绘制关键词的知识图谱,探究远程教育经济学的发展状况.研究对每一类主题的具体内容进行综述,最后基于已有研究成果提出远程教育经济学的研究展望.通过文献计量分析发现,现有关于远程教育经济学的分析对象基本上涵盖了全部远程教育的主体,而研究主题主要集中在远程教育的成本―收益/效益/效率、辍学与财政.经过对这些主题进一步分析发现关于成本、收益与辍学的研究相对成熟,而效益、效率和财政的研究还有很大的提升空间.

摘要： 汶川地震迄今,受灾地区的社会生态已发生了结构性改变,但对灾害背景下羌族教育生态的恢复和发展问题仍然缺乏深入的实证研究。通过对汶川县雁门乡高山羌族村落的实地调查发现,高山羌寨的教育生态在汶川地震后获得了较常态发展情况下的“超前”发展,发生了极大的改变:义务教育阶段学生的辍学问题从灾前的普遍现象到如今的“非典型个案”,羌族学生的上学意愿从灾前被动的“要我学”到当前主动的“我要学”,受高等教育人群从“非常态”到“常态”。

摘要： 我钓鱼是从1947年6月开始的。那年我家建房,母亲又生病,父亲让我辍学在家照顾母亲。母亲患的是产后热,乡村里缺医少药,她不久就去世了。

摘要： 汶川地震迄今,受灾地区的社会生态已发生了结构性改变,但对灾害背景下羌族教育生态的恢复和发展问题仍然缺乏深入的实证研究.通过对汶川县雁门乡高山羌族村落的实地调查发现,高山羌寨的教育生态在汶川地震后获得了较常态发展情况下的"超前"发展,发生了极大的改变:义务教育阶段学生的辍学问题从灾前的普遍现象到如今的"非典型个案",羌族学生的上学意愿从灾前被动的"要我学"到当前主动的"我要学",受高等教育人群从"非常态"到"常态".

摘要： 随着新时代教育扶贫理念的推广,扶贫先扶智的教育方法已经逐渐惠及农村,很多的辍学青年有了重返校园的机会。学生辍学的原因是多方面的,有学生自己的因素,也有学校环境的因素,很多时候家长的因素也是不可忽视的,本文就城乡结合地区学生辍学的原因进行了研究。

摘要： 对远程学习者辍学的研究是远程教育领域的一项基础性工作.本文在文献调研的基础上,总结归纳了国内外学者在远程学习者辍学方面所做的研究,结合华南师范大学网络教育学院学习者辍学数据的分析,探讨远程学习者辍学的主要原因,期望对认识远程学习者辍学有所裨益.

摘要： 本文通过使用2000年全国的入户调查数据,分析了中国农村的小学阶段儿童辍学问题.我们运用Logistic模型较为全面的分析了个人、家庭和学校的特征对儿童辍学的影响.我们发现个人的特征是影响辍学的重要因素;同时,家庭的社会经济背景显著的影响儿童辍学与否:辍学儿童的家庭相对比较贫困,兄弟姐妹的个数较多.在学校特征中,在校学习成绩是非常显著的变量.本文通过实证模型验证了在小学阶段家庭距离学校的距离是影响辍学的一个重要因素.最后,我们给出相应的政策建议.

摘要： 本发明公开了一种预防在线教育中辍学行为的方法，首先对在线教育平台中获取的原始数据进行数据深度挖掘，得到用户的活动时间序列矩阵，上下文信息和“朋友”关系，然后将活动时间序列矩阵、上下文信息和选课特征相似关系分别输入至各自的构建并训练完成的特征提取模块，得到用户的深层序列特征、注意力特征和同学特征，最后将三种特征进行特征融合，将融合后的特征输入至行为预测模型，得到用户的辍学行为预测结果。本发明借助多种影响辍学行为的因素，使得网络的预测能力大大增强，且具有较强的泛化能力。

摘要： 本发明公开了一种基于MOOC数据中辍学行为的因果关系模型的建立方法，通过分析MOOC日志数据集和构建影响辍学行为的候选自变量，定性分析所述候选自变量与因变量之间的相关性；设计所述候选自变量与因变量之间依赖性的定量度量方法，来构建无向图，得到由自变量和因变量组成的节点集构成的无向图，使用基于互信息的局部因果网络结构发现算法，通过无向图中基于回归分析方程剔除错误变量和基于条件独立性测试生成局部网络，构建面向辍学行为的带方向的局部因果网络结构，对于任何一种目标学习效果变量，都可以通过无向图生成、错误节点剔除和局部网络结构构建来进行关于该学习效果的局部因果网络结构的构建工作，进行学习效果的因果关系挖掘。

摘要： 一种利用数据增强和特征加权实现的MOOC辍学预测方法，基于数据增强和特征加权的CNN_GRU辍学预测模型以视频为单位，通过从在线教育平台中抽取学习者的学习行为数据作为模型输入，经过数据增强、信息提取、特征加权三个步骤计算发生辍学行为的概率。模型能更加准确地预测学习者发生辍学的概率且鲁棒性良好，在指标AUC和F1上模型均取得了最佳表现，分别为86.82%和90.35%。同时通过对比实验的方式，验证了特征加权能够有效提升模型性能。

摘要： 本发明公开了一种基于关联关系和视频交互的在线教育辍学预测方法，首先得到用户学习课程视频的异构信息图和视频交互时序矩阵，然后一方面将异构信息图输入至基于节点三元组的深层关联关系特征提取模块得到用户和课程的关联特征表示，接着通过特征融合得到深层关联关系特征，另一方面将视频交互时序矩阵输入至交互特征提取模块，得到交互特征，最后结合深层关联关系特征和交互特征计算用户在其选修课程上的辍学概率。本发明将用户在线学习的情境建模为异构信息图，通过挖掘图中复杂、多样的节点关联关系，构造出表征能力更强的节点表示，并结合真实情境中信息量最大的视频交互信息，提取得到的交互特征，大大增强了模型的预测能力和泛化能力。

摘要： 本发明公开了一种预防在线教育中辍学行为的方法，首先对在线教育平台中获取的原始数据进行数据深度挖掘，得到用户的活动时间序列矩阵，上下文信息和“朋友”关系，然后将活动时间序列矩阵、上下文信息和选课特征相似关系分别输入至各自的构建并训练完成的特征提取模块，得到用户的深层序列特征、注意力特征和同学特征，最后将三种特征进行特征融合，将融合后的特征输入至行为预测模型，得到用户的辍学行为预测结果。本发明借助多种影响辍学行为的因素，使得网络的预测能力大大增强，且具有较强的泛化能力。

摘要： 本发明公开了一种基于MOOC数据中辍学行为的因果关系模型的建立方法，通过分析MOOC日志数据集和构建影响辍学行为的候选自变量，定性分析所述候选自变量与因变量之间的相关性；设计所述候选自变量与因变量之间依赖性的定量度量方法，来构建无向图，得到由自变量和因变量组成的节点集构成的无向图，使用基于互信息的局部因果网络结构发现算法，通过无向图中基于回归分析方程剔除错误变量和基于条件独立性测试生成局部网络，构建面向辍学行为的带方向的局部因果网络结构，对于任何一种目标学习效果变量，都可以通过无向图生成、错误节点剔除和局部网络结构构建来进行关于该学习效果的局部因果网络结构的构建工作，进行学习效果的因果关系挖掘。

摘要： 本发明提供一种网络课程辍学率预测方法及装置，涉及数据处理技术领域，方法包括获取多个样本数据，且每个样本数据包括用户的辍学率、多种行为属性信息以及每种行为属性信息对应的行为数据，基于所述多种行为属性信息构建行为矩阵，并基于所述行为矩阵进行计算得到该行为矩阵对应的权重向量，根据各所述样本数据的辍学率和用户的多种行为属性信息对应的行为数据以及所述权重向量得到一辍学率预测模型，并基于该辍学率预测模型对学习者的多种行为信息进行处理得到该学习者的网络课程辍学率预测结果。通过上述方法，以使辍学率预测模型具有更高的收敛度和准确度，进而有效避免进行网络课程辍学率预测时存在的准确度低的问题。

摘要： 本发明提供了CNN‑LSTM‑SVM网络模型的构建及MOOC辍学预测方法：对待预测学生的原始在线学习记录处理，采用训练好的辍学预测的CNN‑LSTM‑SVM网络，得到待预测学生的辍学状态；还公开了基于MOOC辍学预测的CNN‑LSTM‑SVM网络的构建方法：通过对已知学生的原始在线学习行为记录进行处理，得到多个时间片矩阵，根据时间片矩阵进行网络训练，得到训练好的CNN‑LSTM网络；最终得到训练好的辍学预测的网络；本发明能够自动提取有效行为区域内的局部特征和区间内的序列特征，实现待预测学生是否辍学的预测，预测能力增强。