DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 이문용 | - |
dc.contributor.advisor | Yi, Mun Yong | - |
dc.contributor.author | 강정은 | - |
dc.date.accessioned | 2023-06-26T19:32:08Z | - |
dc.date.available | 2023-06-26T19:32:08Z | - |
dc.date.issued | 2022 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=1008428&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/309650 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 지식서비스공학대학원, 2022.8,[iii, 36 p. :] | - |
dc.description.abstract | 무크는 온라인 플랫폼을 통해 교육 콘텐츠를 제공하는 시스템이다. 시공간 제약없이 강의를 들을 수 있는 편의성 때문에 많은 사람들이 이용하고 있으며, 특히 최근에는 비대면 수업의 확대로 그 중요성이 더욱 커지고 있다. 그러나 이러한 높은 이용률에도 불구, 실제 과정을 수료하는 비율은 저조한 상황이다. 이는 무크가 해결해야 할 주요 문제 중 하나이며, 이를 위해 이용자의 중도 탈 락 여부를 예측하는 방안에 대한 연구가 오랫동안 진행되어 왔다. 본 논문에서는 무크의 중도탈 락 예측 모델의 성능을 향상시키기 위해 딥 메트릭 러닝 모델을 이용하여 분류에 보다 유리한 공 간으로 데이터를 임베딩 시키는 한편, 이용자의 무크 활동정보를 표현할 수 있는 변수를 개발하 였다. 그 결과, 로지스틱 회귀분석과 선형 서포트 벡터 머신, 심층 신경망 모델의 AUC 성능이 향 상되었다. | - |
dc.language | kor | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | 무크▼a삼중항 손실함수▼a딥 메트릭 러닝▼a무크 활동변수▼a프록시-앵커▼a로지스틱 회귀분석▼a선형 서포트 벡터 머신▼a심층 신경망 | - |
dc.subject | MOOC▼aTriplet loss▼aDeep metric learning▼aMOOC activity feature▼aProxy-Anchor▼aLogistic regression▼aLinear support vector machine▼aDeep neural network | - |
dc.title | 딥 메트릭 러닝을 활용한 무크 중도탈락 예측 성능 개선 | - |
dc.title.alternative | Improving MOOC dropout prediction performance using deep metric learning | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :지식서비스공학대학원, | - |
dc.contributor.alternativeauthor | Kang, Jung-Eun | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.