arXiv cs.CY· Azuad Islam Ruhan, Md. Rejaul Korim Sadi, Rakibul Islam Rafi, Dewan Fahad Chowdhury, Nazira Bani Opi, Sherin Afrin Mim, Golam Mostofa Naeem·· 10 小时前AI 评分20
基于调查洞察与全球行为日志的大规模研究：预测竞赛编程中的学生流失
Predicting Student Attrition in Competitive Programming: A Large-Scale Study Integrating Survey Insights and Global Behavioral Logs
AI 导读
一项大规模研究对比了 Codeforces 上流失用户与同水平活跃用户的行为，从 6,927 个账户中筛选出 3,421 个活跃账户和 908 个至少三个月未提交的流失账户（峰值评分均低于 1500）。
正文 · AI 翻译
摘要：我们比较了在 Codeforces 上变得不活跃的竞赛程序员与技能相近的活跃用户所记录的行为。从 2026 年 6 月通过公开的 Codeforces 应用程序编程接口收集的 6,927 个账户中，我们移除了 888 个检索到的提交历史不完整的账户，并将两组都限制为峰值评分低于 1500。这留下了 3,421 个活跃账户和 908 个至少三个月没有提交的账户，标记为流失。两组之间的差异很小。被标记为流失的账户在其尝试中接受的比例更小，总体以及在数学和数据结构问题上都是如此（秩双列 r 从 -0.16 到 -0.12），并且在每场有评分的比赛中解决的问题更少（中位数 5.95 对 7.80；r = -0.13）；在多重检验校正后，挣扎时间、赛后补题和评分下降后的恢复没有差异。两个预先指定的模型使用八个不依赖于观察窗口长度的特征，达到了交叉验证的接收者操作特征曲线下面积 0.596（逻辑回归）和 0.611（随机森林），概率估计仅略好于基准率。在随机样本、更严格的清洗规则、其他不活跃定义以及按账户任期匹配的情况下，该值范围为 0.58 到 0.66。由于这些特征总结了每个用户的整个记录历史，这些结果描述的是组间差异，并不表明可以针对单个用户预测不活跃。数据和代码已公开存档，一条命令即可重新生成所有报告的数字。
| 评论： | 已被 International Conference on Emerging Frontiers in Advanced Sciences and Technologies (EFAST 2026) 接收。10 页，15 张图，2 张表 |
| 主题： | 计算机与社会（cs.CY） |
| ACM 分类： | K.3.2; I.2.6 |
| 引用为： | arXiv:2608.28618 [cs.CY] |
| （或此版本的 arXiv:2608.28618v2 [cs.CY]） | |
| https://doi.org/10.48550/arXiv.2608.28618 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Md. Rejaul Korim Sadi [查看电子邮件]
[v1]
2026 年 7 月 27 日星期一 10:00:08 UTC（792 KB）
[v2]
2026 年 11 月 9 日星期一 20:20:30 UTC（17 KB）
来源：arXiv cs.CY · arxiv.org