在线学习行为分析和成绩预测方法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：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%.

作者：

安梦蕾、韩蒙、任绒、柯程虎、常永明

展开 >

作者单位：

西安文理学院信息工程学院陕西西安 710065

关键词：

学习行为分析成绩预测 LSTM 注意力机制

基金：

项目编号：

205230004

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.09.004

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(9)