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。