基于COPES理论预测网络学习中的钻牛角尖

运用机器学习预测学生在网络学习中的钻牛角尖。在一款学习数学的智能导学系统中采集29483名小学生的操作记录，提取与认知/元认知相关等特征，如答错后的停留时间和求助后长停留等，构建7个预测模型。并基于自我调节学习的COPES理论对模型进行解释。结果表明，岭回归对钻牛角尖的预测效果最好，模型的重要特征与COPES的理论解释相契合。有利于未来开展理论驱动的个性化干预研究，缓解该领域理论滞后于应用的现状。