[發(fā)明專利]一種基于教育數(shù)據(jù)挖掘的學(xué)生成績早期預(yù)警方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810917660.4
• 申請日: 2018-08-13
• 公開（公告）號: CN109242149B
• 公開（公告）日: 2021-08-13
• 發(fā)明（設(shè)計）人: 杜旭;楊宗凱;楊娟;張明焱
• 申請（專利權(quán)）人: 華中師范大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/20
• 代理公司: 北京金智普華知識產(chǎn)權(quán)代理有限公司 11401
• 代理人: 楊采良

本發(fā)明屬于教育教學(xué)技術(shù)領(lǐng)域，公開了一種基于教育數(shù)據(jù)挖掘的學(xué)生成績早期預(yù)警方法及系統(tǒng)，數(shù)據(jù)獲取；數(shù)據(jù)預(yù)處理；數(shù)據(jù)集的劃分；第一階段的預(yù)測模型；第二階段的預(yù)測模型；結(jié)果預(yù)測。本發(fā)明通過獲取一段時間內(nèi)的學(xué)生的學(xué)習(xí)行為數(shù)據(jù)，再構(gòu)建兩階段的三個預(yù)測模型，實現(xiàn)對學(xué)生的早期地、準(zhǔn)確地預(yù)測，從而教師可以根據(jù)預(yù)測結(jié)果進行有針對性地教學(xué)，第一階段利用多層感知機算法以構(gòu)建預(yù)測考試通過的學(xué)生的success模型和考試不通過的學(xué)生的fail模型；第二階段是根據(jù)第一階段的兩種模型預(yù)測結(jié)果以及其衍生變量，再利用決策樹算法來生成最終的在線學(xué)生成績早期預(yù)警，對學(xué)生的學(xué)習(xí)結(jié)果進行早期預(yù)測。

技術(shù)領(lǐng)域

本發(fā)明屬于教育技術(shù)領(lǐng)域，尤其涉及一種基于教育數(shù)據(jù)挖掘的學(xué)生成績早期預(yù)警方法及系統(tǒng)。

背景技術(shù)

目前，業(yè)內(nèi)常用的現(xiàn)有技術(shù)是這樣的：

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，在線學(xué)習(xí)平臺的不斷增多，學(xué)習(xí)者的學(xué)習(xí)方式也由傳統(tǒng)的線下學(xué)習(xí)向線上學(xué)習(xí)轉(zhuǎn)移。在線學(xué)習(xí)平臺的優(yōu)勢之一是可以將學(xué)習(xí)者在平臺上的學(xué)習(xí)行為蹤跡以日志形式記錄下來，為教師和管理者深入了解學(xué)生的學(xué)習(xí)過程及學(xué)習(xí)結(jié)果提供了數(shù)據(jù)基礎(chǔ)；同時，隨著教育數(shù)據(jù)挖掘技術(shù)的不斷演進，為教師和管理者深入剖析學(xué)習(xí)過程及學(xué)習(xí)結(jié)果提供了技術(shù)支撐。

目前大多數(shù)學(xué)校對于學(xué)生的學(xué)習(xí)評價方式和狀態(tài)反饋都是依賴于學(xué)生在課堂上的出勤率和老師人為接觸、主觀感知的方式來反饋和評價學(xué)生的學(xué)習(xí)狀態(tài)以及推測學(xué)生的最終學(xué)習(xí)表現(xiàn)。傳統(tǒng)的基于教師主觀評價和推測方式具有較低的準(zhǔn)確性，且隨著在線學(xué)習(xí)的學(xué)生數(shù)量的急劇增加，傳統(tǒng)的評價方式會顯得越來越力不從心，而基于教育數(shù)據(jù)挖掘技術(shù)對在線學(xué)習(xí)行為數(shù)據(jù)進行深入分析，可以對學(xué)生的學(xué)習(xí)過程及學(xué)習(xí)結(jié)果進行量化評估，從而可以使得教師和管理者提前實施一些有針對性的干預(yù)方案到特定的學(xué)生群體，以期幫助學(xué)生改善學(xué)習(xí)過程，提高學(xué)習(xí)效率及效果。

綜上所述，現(xiàn)有技術(shù)存在的問題是：

目前大多數(shù)學(xué)校對于學(xué)生的學(xué)習(xí)評價方式和狀態(tài)反饋都是依賴于學(xué)生在課堂上的出勤率和老師人為接觸、主觀感知的方式來反饋和評價學(xué)生的學(xué)習(xí)狀態(tài)以及推測學(xué)生的最終學(xué)習(xí)表現(xiàn)。傳統(tǒng)的基于教師主觀評價和推測方式具有較低的準(zhǔn)確性，且隨著在線學(xué)習(xí)的學(xué)生數(shù)量的急劇增加，傳統(tǒng)的評價方式會顯得越來越力不從心。

隨著大數(shù)據(jù)技術(shù)的發(fā)展，有少量的教學(xué)機構(gòu)已經(jīng)開始基于教育大數(shù)據(jù)的挖掘和分析去進行科學(xué)的學(xué)習(xí)預(yù)警。但是，目前的早期預(yù)警模型都是基于單邊的at-risk預(yù)測模型去進行教育預(yù)警的，在準(zhǔn)確度方面有一定的局限性。

解決上述技術(shù)問題的意義：

本發(fā)明提出的兩階段的預(yù)測算法，同時考慮了success預(yù)測模型和at-risk預(yù)測模型的預(yù)測結(jié)果，從而進行綜合評判，對考試可能會表現(xiàn)不好的學(xué)生的預(yù)測準(zhǔn)確度有一定的提升，具有重要的教學(xué)指導(dǎo)和實踐意義。

本發(fā)明是基于教育數(shù)據(jù)挖掘算法提出的兩階段預(yù)測算法，要求應(yīng)用該發(fā)明技術(shù)的相關(guān)人員有一定的大數(shù)據(jù)分析背景。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種基于教育數(shù)據(jù)挖掘的學(xué)生成績早期預(yù)警方法及系統(tǒng)。

本發(fā)明是這樣實現(xiàn)的，一種基于教育數(shù)據(jù)挖掘的學(xué)生成績早期預(yù)警方法，利用從在線學(xué)習(xí)平臺采集的學(xué)習(xí)行為數(shù)據(jù)以及從教務(wù)管理系統(tǒng)采集的學(xué)生的基本統(tǒng)計數(shù)據(jù)和成績數(shù)據(jù)；

再基于多層感知機multilayer perceptron(MLP)算法和C4.5決策樹算法，構(gòu)建兩階段的預(yù)測模型；

再形成最終的學(xué)習(xí)成績的早期預(yù)警模型；

其中第一階段分別構(gòu)建一個success預(yù)測模型和一個fail預(yù)測模型；第一階段的success模型輸出的學(xué)生考試通過概率、fail模型輸出的學(xué)生考試失敗概率以及根據(jù)兩者的和生成的衍生變量，均用于第二階段預(yù)測模型的構(gòu)建。

進一步，所述基于教育數(shù)據(jù)挖掘的學(xué)生成績早期預(yù)警方法具體包括：