DS-HGCN：利用社交传染预测学生参与度的双流超图卷积网络Research#Education🔬 Research|分析: 2026年1月10日 08:17•发布: 2025年12月23日 05:23•1分で読める•ArXiv分析该论文提出了一种新的方法，使用双流超图卷积网络预测学生的参与度，这为教育工作者提供了一个潜在的强大工具。该方法的有效性取决于在学生网络中成功建模社交传染，这需要进一步的验证并与现有的参与度预测方法进行比较。要点•DS-HGCN 使用双流超图卷积网络。•该模型旨在预测学生的参与度。•该方法利用社交传染动力学。引用 / 来源查看原文"The paper's context is an ArXiv publication."AArXiv2025年12月23日 05:23* 根据版权法第32条进行合法引用。较旧Reinforcement Learning Powers Content Moderation with LLMs较新Deep Eigenspace Network for Non-Selfadjoint Eigenvalue Problems相关分析Research人类AI检测2026年1月4日 05:47Research侧重于实现的深度学习书籍2026年1月4日 05:49Research个性化 Gemini2026年1月4日 05:49来源: ArXiv