基于机器学习的学生成绩预测及教学启示

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、F值,误分类样本数量和精确度,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

所属期刊栏目：29

分类号：TP39(计算技术、计算机技术)

资助基金：上海市教育科学研究项目C17014/17AR04;上海电机学院重点教研教改项目A1-0224-17-009-05;上海电机学院计算机科学与技术优势学科16YSXK04

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：200-203