基于长短期记忆网络的在线课程学生成绩预测

摘要：

针对高校在线课程学生成绩预测问题,本文提出了基于长短期记忆(LSTM)网络的预测方法.在综合考察学习成绩影响因素的基础上,结合教育学相关理论,构建了评价输入指标集,具体包括观视比、出勤情况和课堂表现.预测结果为期末笔试成绩、期末实验成绩和阶段测试成绩.教师根据在线教学实际情况,将每个学生的输入指标以学时为单位量化成具体数值作为LSTM的输入,将真实的阶段测试、期末笔试和实验成绩作为LSTM的输出,构造训练样本集实施网络训练.训练后的网络即可用于相同课程后续学生的成绩预测.实验结果表明,预测集样本三个输出指标预测结果的均方误差均在10以内,这表明应用深度学习的预测模型解决教育学领域的学生成绩预测问题的研究思路是可行的.

关键词：在线学习、成绩预测、LSTM

所属期刊栏目：28

分类号：G434(电化教育)

资助基金：黑龙江省哲学社会科学规划项目20EDC197

在线出版日期：2023-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：53-62