检索结果-南通市图书馆

基于因果推断和多头自注意力机制的学生成绩预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代电子技术 2023年第17期46卷 111-116页

作者：张文奇王海瑞朱贵富昆明理工大学信息工程与自动化学院云南昆明650000 昆明理工大学信息化建设管理中心云南昆明650000

学生成绩预测旨在为学校管理者提供决策支持,帮助教师改进教学手段,对学生进行学业指导,最终提高学生成绩。传统的学生成绩预测方法大多利用相关性分析选取重要因素,忽视多变量之间的间接联系和联系的方向性,而且在进行预测时没有区分... 详细信息

学生成绩预测旨在为学校管理者提供决策支持,帮助教师改进教学手段,对学生进行学业指导,最终提高学生成绩。传统的学生成绩预测方法大多利用相关性分析选取重要因素,忽视多变量之间的间接联系和联系的方向性,而且在进行预测时没有区分输入特征的重要程度,因此提出一种基于因果推断和多头自注意力机制的学生成绩预测方法。该方法不仅使用因果推断选取与标签具有方向性联系的直接特征和间接特征,而且用多头自注意力机制区分不同特征对期末成绩的影响程度。在公开数据集上进行大量的实验,结果显示所提出方法的预测准确率高达93.06%,高于其他传统成绩预测方法。

关键词：学生成绩预测教育数据挖掘因果推断多头自注意力机制 Transformer 相关性分析

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

面向学生成绩预测的组合优化算法

高师理科学刊 2022年第5期42卷 40-46页

作者：党佳俊张宏烈慕钢李诚张晓琳齐齐哈尔大学计算机与控制工程学院黑龙江齐齐哈尔161006 齐齐哈尔市建华区教师进修学校信息技术部黑龙江齐齐哈尔161006

利用机器学习算法分析和预测学生成绩是大数据技术应用之一.将启发式算法与梯度提升算法相结合,提出组合优化算法预测模型.首先,通过采用动态对立学习增加种群初始化的多样性,引入非线性收敛因子和自适应权重等方法,得到增强鲸鱼算法,... 详细信息

利用机器学习算法分析和预测学生成绩是大数据技术应用之一.将启发式算法与梯度提升算法相结合,提出组合优化算法预测模型.首先,通过采用动态对立学习增加种群初始化的多样性,引入非线性收敛因子和自适应权重等方法,得到增强鲸鱼算法,改进原来的全局搜索和局部开发能力.其次,基于XGboost模型加以增强鲸鱼算法的迭代,动态优化XGboost的超参数,提出组合算法预测模型.准确率ACC作为模型的评价标准,以学生数据集为研究对象,以学生成绩预测为目标,选用5种算法进行对比实验.实验结果表明,组合算法的预测准确度相对较高.

关键词：组合优化算法增强鲸鱼算法 XGboost算法学生成绩预测

基于麻雀搜索算法和SVM的学生成绩预测研究

在线全文

学校读者我要写书评

暂无评论

池州学院学报 2023年第3期37卷 11-15页

作者：张广海祖璇安徽师范大学皖江学院电子工程系安徽芜湖241003 安徽师范大学皖江学院经济系安徽芜湖241003

为提高学生成绩预测的准确率,提出了基于麻雀搜索算法(SSA)优化支持向量机(SVM)的学生成绩预测模型。首先由SSA优化SVM参数,即通过不断迭代获取全局最优位置确定SVM的惩罚因子和核函数参数;然后利用优化后的SVM分类器对学生成绩进行预测... 详细信息

为提高学生成绩预测的准确率,提出了基于麻雀搜索算法(SSA)优化支持向量机(SVM)的学生成绩预测模型。首先由SSA优化SVM参数,即通过不断迭代获取全局最优位置确定SVM的惩罚因子和核函数参数;然后利用优化后的SVM分类器对学生成绩进行预测;最后在UCI-Mat数据集上进行评估。实验结果表明:目标属性G3(期末成绩)与前两次的平时成绩(G1和G2)具有很强的关联性;与一般的SVM、BP及随机森林算法相比,SSA-SVM模型能够有效提高学生成绩预测的准确度,准确率可达95%。

关键词：麻雀搜索算法支持向量机优化学生成绩预测

基于LightGBM和Stacking融合算法的高校学生成绩预测研究

在线全文

学校读者我要写书评

暂无评论

基于LightGBM和Stacking融合算法的高校学生成绩预测研究

基于学生成绩回归预测的多模型适用性对比研究

中国计算机用户协会网络应用分会2023年第二十七届网络新技术与应用年会

作者：王震铎马时来北方工业大学

近些年,随着社会对高质量人才的需求日益剧增,对于高校教育教学质量的关注度也在进一步加大。为了提高学生培养质量、减少学生学业危机,文中结合校园信息化系统产生的数据对学生成绩进行预测研究。基于LightGBM模型建立学生-成绩矩阵,... 详细信息

近些年,随着社会对高质量人才的需求日益剧增,对于高校教育教学质量的关注度也在进一步加大。为了提高学生培养质量、减少学生学业危机,文中结合校园信息化系统产生的数据对学生成绩进行预测研究。基于LightGBM模型建立学生-成绩矩阵,基于学生过往课程成绩建立未来课程成绩的预测模型,并分析过往课程影响的重要性程度。同时在预测学生课业成绩的基础上建立了基于Stacking融合利用学生课业成绩对学生学业成果等级进行预测的模型,以此来实时预测学生的最终课业预计等级。

关键词：学生成绩预测 Stacking融合 LightGBM 成绩等级评价

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

中国教育信息化 2020年第17期26卷 23-28页

作者：喻铁朔李霞甘琤郑州轻工业大学计算机与通信工程学院河南郑州450002 郑州轻工业大学信息化管理中心河南郑州450002

学生成绩预测是教育数据挖掘在教学实践中的一大重点,相比分类成绩预测的单一结果,回归成绩预测更能深化预测在教学实践中的意义。文章基于H2O框架下广义线性模型(GLM)、深度学习(DL)、梯度提升树(GBT)以及支持向量机(SVM)四种主流模型... 详细信息

学生成绩预测是教育数据挖掘在教学实践中的一大重点,相比分类成绩预测的单一结果,回归成绩预测更能深化预测在教学实践中的意义。文章基于H2O框架下广义线性模型(GLM)、深度学习(DL)、梯度提升树(GBT)以及支持向量机(SVM)四种主流模型进行回归预测比较研究。从模型预测精度、预测结果对比、预测误差分析三个角度分析4种模型,在不同课程、不同课程属性下的适用性。结果表明,DL模型适用于专业课程,SVM模型适用于公共课程,回归模型的成绩预测受到离群数据影响较大,各模型对离群数据解释能力较弱。

关键词：学生成绩预测回归模型多模型对比误差分析

基于DBO-SVM的学生成绩三分类预测模型

在线全文

学校读者我要写书评

暂无评论

兰州文理学院学报（自然科学版） 2024年第2期38卷 56-61页

作者：张广海祖璇王杨安徽师范大学皖江学院大数据与人工智能系安徽芜湖241003 安徽师范大学皖江学院经济系安徽芜湖241003 安徽师范大学计算机与信息学院安徽芜湖241000

为提高学生学习效率和教师教学管理水平,提出基于DBO-SVM的学生成绩三分类预测模型.首先根据皮尔逊相关系数筛选特征属性;然后针对数据不均衡问题,经对比实验选用ADASYN技术;之后由螳螂优化算法通过迭代寻优支持向量机的参数;最后由支... 详细信息

为提高学生学习效率和教师教学管理水平,提出基于DBO-SVM的学生成绩三分类预测模型.首先根据皮尔逊相关系数筛选特征属性;然后针对数据不均衡问题,经对比实验选用ADASYN技术;之后由螳螂优化算法通过迭代寻优支持向量机的参数;最后由支持向量机建立学生成绩三分类预测模型.在学生成绩数据集上进行测试,实验结果表明:本文方法预测准确率比SSA-SVM提高了2.09%,达到了91.67%;F1分数的加权平均值为0.92,证明了模型的稳定性.

关键词：螳螂优化算法支持向量机 ADASYN技术学生成绩预测

在线全文

学校读者我要写书评

暂无评论

基于机器学习的学生成绩信息化预测研究

电脑编程技巧与维护 2020年第4期 110-112页

作者：宋晓磊祁鑫王彪中国石油大学胜利学院山东东营257000

通过使用线性回归、弹性网络回归、支持向量回归机、梯度提升树4种典型的机器学习算法对教育大数据进行分析和解读,从中提取隐含的潜在有用的信息,经过数据分析、数据清洗、数据建模等步骤,研究构建了多个线性模型,计算得出各算法的有... 详细信息

通过使用线性回归、弹性网络回归、支持向量回归机、梯度提升树4种典型的机器学习算法对教育大数据进行分析和解读,从中提取隐含的潜在有用的信息,经过数据分析、数据清洗、数据建模等步骤,研究构建了多个线性模型,计算得出各算法的有效性评价,选取最优模型对学生成绩进行全面客观的预测。预测结果,减少了教师人为主观印象的影响,更易发现学习问题并发出学业风险预警,对教学科学决策有一定的参考价值。

关键词：机器学习学生成绩预测教育大数据

以赛促学理念下项目教学法在中职《数字影音编辑与合成》中的实践研究

在线全文

学校读者我要写书评

暂无评论

以赛促学理念下项目教学法在中职《数字影音编辑与合成》中的实践...

作者：靳甜山东师范大学

学位级别：硕士

本研究关注中职教育领域,通过探讨在《数字影音编辑与合成》课程中运用新型教学方法以提升学生学习效果。在传统讲授法存在教学效果不佳的背景下,通过引入以赛促学理念下的项目教学法,运用现代信息化手段进行教学实践,以提高中职学生学... 详细信息

本研究关注中职教育领域,通过探讨在《数字影音编辑与合成》课程中运用新型教学方法以提升学生学习效果。在传统讲授法存在教学效果不佳的背景下,通过引入以赛促学理念下的项目教学法,运用现代信息化手段进行教学实践,以提高中职学生学习质量。本研究旨在满足社会对中职学校培养高素质、高水平、高技能职业技术人才的迫切需求,通过前期对中职《数字影音编辑与合成》课程的学生成绩进行预测分析、对师生进行调查问卷分析、中期对《数字影音编辑与合成》课程进行以赛促学理念下项目教学法教学设计以及后期对中职动漫专业进行教学实践与效果分析,来论证以赛促学理念下项目教学法在中职该课程中的实施可行性和有效性。本研究的主要内容如下:(1)本研究聚焦于机器学习在中职学生成绩预测方面的应用,特别是在计算机相关专业课程《数字影音编辑与合成》中的实践研究。机器学习作为人工智能领域的核心研究方向,在学生成绩预测和学生行为建模方面,展现出强大的应用潜力。本研究通过采用机器学习中的深度森林模型,以中职学校计算机相关专业学生为对象,论证机器学习在学生成绩预测中的预警效果,并为以赛促学理念下的项目教学实践提供了相关数据支持。(2)本研究基于本地中职学校的教学背景,通过问卷调查,深入探讨了计算机相关专业的学生和教师对以赛促学理念下项目教学法的了解情况和实施现状。针对中职《数字影音编辑与合成》课程,通过对问卷调查结果的详细分析,研究了以赛促学理念下项目教学法在该课程中的教学设计,包括教学要素分析、以赛促学理念融入设计、项目教学设计。以比赛项目的方式实施以赛促学理念,构建新型师生互动模式,对学生学习和教师教学都具有促进作用,为中职院校引入以赛促学理念下项目教学法提供了有益的经验和借鉴。(3)本研究通过在《数字影音编辑与合成》课程中实践和优化以赛促学理念下的项目教学过程,并对教学实践效果进行了深入对比和分析。在教学中融入专业相关比赛案例,反向分解总项目教学目标,培养学生自主探究和协作学习能力,构建了本研究基于本地中职学校的教学背景,通过问卷调查,深入探讨了计算机相关专多元化的评价体系,涵盖个体在团队中的贡献度、创意度以及专家评价等方面。教学实践后,通过对比分析教学实践结果和学生访谈内容,表明以赛促学理念下的项目教学实践显著提高了学生学习水平和教师教学效果,为中职《数字影音编辑与合成》课程教学提供了有力的支持和指导。

关键词：以赛促学理念项目教学法机器学习学生成绩预测中职课程实践

MAFFCL:基于掩码注意力机制的校园网络日志特征融合模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

滁州学院学报 2024年第2期26卷 62-69页

作者：黄礼成于春燕安徽理工大学计算机科学与工程学院安徽淮南232000 滁州学院计算机与信息工程学院安徽滁州239000

校园网络日志反映了学生用户的上网行为特征。近年来,应用深度学习技术分析海量的校园网络日志数据,受到越来越多研究人员的关注。由于每个学生上网的时间和频率不同,校园网络日志数据在记录时间和存储空间上的分布存在不规则性。这类... 详细信息

校园网络日志反映了学生用户的上网行为特征。近年来,应用深度学习技术分析海量的校园网络日志数据,受到越来越多研究人员的关注。由于每个学生上网的时间和频率不同,校园网络日志数据在记录时间和存储空间上的分布存在不规则性。这类教育数据在深度学习中通常存在高维稀疏矩阵问题,这导致了难以直接有效地从中提取特征。现有研究大多采用具备先验知识的特征工程方法来筛选相关特征来解决高维稀疏矩阵问题。显然,这些方法不能完全避免高维稀疏矩阵带来的影响。文章提出的对比学习模型MAFFCL(Masked Attentional Feature Fusion Contrastive Learning)能够进行特征融合,从而有效地提取特征。MAFFCL在对比学习中进行特征融合,并在融合时屏蔽高维稀疏矩阵中的填充向量。此外,MAFFCL还通过随机调换原始数据部分特征的顺序来进行数据增强,以此增强模型学习能力。为了验证模型的性能,利用真实的校园网络日志进行了两个下游预测任务,一个是对学生学业风险情况的预测,另一个是学生成绩分级的预测。实验结果表明,在两个下游任务中,使用MAFFCL模型预测的准确率分别比其他经典模型高出5.2%和6%。

关键词： MAFFCL 特征融合教育数据挖掘对比学习学生成绩预测