摘要
随着在线课堂在高校课程中的应用越来越广泛,如何对大学生线上课程的学习效果进行有效的跟踪和指导,成为高校教育的难题.采用基于注意力机制的CNN-LSTM预测模型,将学生学习行为数据经过相关性分析和归一化处理后输入模型中,并利用注意力机制区分信息的重要性程度,进而提高模型的准确性和可靠性.同时,采用基于Canopy的改进K-means聚类算法,将学生学习行为特征及成绩预测值利用Canopy算法进行预聚类,将预聚类结果结合K-means进行聚类.实验结果表明,所提出的成绩预测模型使学生成绩预测准确率达到了95.69%.
NETL
NSTL
万方数据