基于机器学习的学生成绩预测及教学启示.PDFVIP

第29卷 第4期 计 算机 技 术 与发 展 Vol.29 No.4 2019年4月 COMPUTERTECHNOLOGY AND DEVELOPMENT Apr. 2019 基于机器学习的学生成绩预测及教学启示 吕 品,于文兵,汪 鑫,计春雷 (上海电机学院,上海 201306) 摘 要:利用学习分析技术挖掘在线学习特征是理解与优化教学过程、实现教学决策和学业预警的重要依据。 在采集在 线学习者的人口统计信息、学习背景、家长参与以及学习者的行为特征等信息的基础上,首先使用感知机、支持向量机和 神经网络等分类算法,分别构造了不同的学习成绩预测模型;通过比较模型的准确度、召回率、 值,误分类样本数量和精 F 确度,最终选择基于支持向量机的成绩预测模型。 其次,通过分析模型参数,得出了影响学习成绩的主要因素是学习者参 与小组讨论、课堂举手、访问与课程相关资源以及浏览通告等学习者行为特征的结论。 最后,提出教师应该关注学生的学 习行为特征,合理运用价值动机理论和内隐智力信念调节机制,激发学生的学习投入和学习动力的教学启示。 关键词:教育数据挖掘;感知机;支持向量机;神经网络;学习成绩预测;教学启示 中图分类号:TP39 文献标识码:A 文章编号:1673-629X(2019)04-0200-04 doi:10.3969/j.issn.1673-629X.2019.04.040 Students’Performances Prediction and Teaching Cogitation Based on Machine Learning LYU Pin,YU Wen-bing,WANG Xin,JI Chun-lei (Shanghai Dianji University,Shanghai201306,China) Abstract:The use oflearninganalytictechnologiestomineonlinelearningfeaturesisanimportantbasisforunderstandingandoptimizing the teaching process,realizing teaching decisionsandlearningearlywarning. Onthebasisofcollectingonlinelearners’demographicin- formation,learning background,parents’participation and learners’ behavior characteristics,we firstly construct different learning per- formance prediction modelsby perceptron,support vector machine and neural network. By comparing the precision,recall,F-score,the number of misclassified samplesand accuracy of these models,the support vector machineisselectedasthefinalperformanceprediction model. Secondly,it isconcluded that learners’ participation in group discussions