基于人工智能LSTM循环神经网络的学习成绩预测

摘要：

学习成绩预测能够助力学生课业学习、提升教师教学能力、协助学校评估教学质量和优化教学管理,已成为教育领域研究的热点与难点.文章以学生各阶段历史成绩为基础,结合考勤、宿舍卫生、校园纪律等行为特征数据,利用人工智能LSTM循环神经网络模型对课程成绩进行预测.基于预测课程的成绩,可以对存在潜在挂科风险的学生提出学业警示;对教师改进教学方法、优选教学手段、优化教学过程、提高教学质量提供帮助;同时协助学校开展教学管理进而预防教学事故的发生.实验结果表明,该方法能较准确地预测学生的课程成绩,具有一定的有效性和实用性.

关键词：人工智能、LSTM循环神经网络、成绩预测、教学质量

所属期刊栏目：28

分类号：G434;TP393(电化教育)

资助基金：北京劳动保障职业学院课题人工智能背景下贯通培养项目2020406

在线出版日期：2022-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：123-128