大学基础课课程成绩加权投票预测模型研究

摘要：

针对教育领域特定应用场景,利用数据挖掘技术处理教育数据是目前热点研究问题之一.课程成绩预测指对一门课程学生的期末成绩进行预测,其关键问题是通过选取合适的学生特征和确定最优的预测算法来构建预测准确率高的模型.针对大学基础课的特点,从主客观两方面选择特征,对比了4个效果最优的课程成绩预测分类算法,以准确率较高的算法构成加权投票集成算法,发现加权投票集成算法的预测准确率和AP值最高,为利用数据挖掘技术实现课程成绩预测提供了一种有效的方法.

关键词：成绩预测模型、教育数据挖掘、加权投票集成算法、模型构建、大学基础课、分类算法

所属期刊栏目：43

分类号：TN911.1-34;TP391

资助基金：国家自然科学基金面上项目:面向关联数据的信息检索关键技术研究;北京成像技术高精尖创新中心资助项目

在线出版日期：2020-03-15（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：93-98