技术支持学习(TEL)对学习者的学习适应性有重要影响。在2019冠状病毒病大流行期间，学习方法发生了巨大变化。不同领域、不同水平和不同年龄的学习者的适应能力一直是教育研究的重要组成部分。在本文中，作者提出了一种基于机器学习和可解释的人工智能的解决方案，以确定在线教育中学生适应水平的关键学习参数。在这项研究中，作者采用了各种可解释的人工智能(XAI)算法，即局部可解释的模型不可知解释(LIME)， SHapley加性解释(SHAP)，基于特征重要性的可解释人工智能算法(FAMeX)来识别关键学习参数，以确定学生的适应水平。为了测试该解决方案的有效性，使用了从在线和离线调查中收集的孟加拉国不同教育水平的学生数据集。结果非常有趣，而且与直觉相反。

　　摘要

　　访问选项

　　数据可用性

　　参考文献

　　作者信息

　　道德声明

　　访问选项

　　搜索

　　导航

　　#####