[发明专利]一种基于教育数据挖掘的学生成绩早期预警方法及系统

说明书

本发明属于教育教学技术领域，公开了一种基于教育数据挖掘的学生成绩早期预警方法及系统，数据获取；数据预处理；数据集的划分；第一阶段的预测模型；第二阶段的预测模型；结果预测。本发明通过获取一段时间内的学生的学习行为数据，再构建两阶段的三个预测模型，实现对学生的早期地、准确地预测，从而教师可以根据预测结果进行有针对性地教学，第一阶段利用多层感知机算法以构建预测考试通过的学生的success模型和考试不通过的学生的fail模型；第二阶段是根据第一阶段的两种模型预测结果以及其衍生变量，再利用决策树算法来生成最终的在线学生成绩早期预警，对学生的学习结果进行早期预测。

技术领域

本发明属于教育技术领域，尤其涉及一种基于教育数据挖掘的学生成绩早期预警方法及系统。

背景技术

目前，业内常用的现有技术是这样的：

随着互联网技术的不断发展，在线学习平台的不断增多，学习者的学习方式也由传统的线下学习向线上学习转移。在线学习平台的优势之一是可以将学习者在平台上的学习行为踪迹以日志形式记录下来，为教师和管理者深入了解学生的学习过程及学习结果提供了数据基础；同时，随着教育数据挖掘技术的不断演进，为教师和管理者深入剖析学习过程及学习结果提供了技术支撑。

目前大多数学校对于学生的学习评价方式和状态反馈都是依赖于学生在课堂上的出勤率和老师人为接触、主观感知的方式来反馈和评价学生的学习状态以及推测学生的最终学习表现。传统的基于教师主观评价和推测方式具有较低的准确性，且随着在线学习的学生数量的急剧增加，传统的评价方式会显得越来越力不从心，而基于教育数据挖掘技术对在线学习行为数据进行深入分析，可以对学生的学习过程及学习结果进行量化评估，从而可以使得教师和管理者提前实施一些有针对性的干预方案到特定的学生群体，以期帮助学生改善学习过程，提高学习效率及效果。

综上所述，现有技术存在的问题是：

目前大多数学校对于学生的学习评价方式和状态反馈都是依赖于学生在课堂上的出勤率和老师人为接触、主观感知的方式来反馈和评价学生的学习状态以及推测学生的最终学习表现。传统的基于教师主观评价和推测方式具有较低的准确性，且随着在线学习的学生数量的急剧增加，传统的评价方式会显得越来越力不从心。

随着大数据技术的发展，有少量的教学机构已经开始基于教育大数据的挖掘和分析去进行科学的学习预警。但是，目前的早期预警模型都是基于单边的at-risk预测模型去进行教育预警的，在准确度方面有一定的局限性。

解决上述技术问题的意义：

本发明提出的两阶段的预测算法，同时考虑了success预测模型和at-risk预测模型的预测结果，从而进行综合评判，对考试可能会表现不好的学生的预测准确度有一定的提升，具有重要的教学指导和实践意义。

本发明是基于教育数据挖掘算法提出的两阶段预测算法，要求应用该发明技术的相关人员有一定的大数据分析背景。

发明内容

针对现有技术存在的问题，本发明提供了一种基于教育数据挖掘的学生成绩早期预警方法及系统。

本发明是这样实现的，一种基于教育数据挖掘的学生成绩早期预警方法，利用从在线学习平台采集的学习行为数据以及从教务管理系统采集的学生的基本统计数据和成绩数据；

再基于多层感知机multilayer perceptron(MLP)算法和C4.5决策树算法，构建两阶段的预测模型；

再形成最终的学习成绩的早期预警模型；

其中第一阶段分别构建一个success预测模型和一个fail预测模型；第一阶段的success模型输出的学生考试通过概率、fail模型输出的学生考试失败概率以及根据两者的和生成的衍生变量，均用于第二阶段预测模型的构建。

进一步，所述基于教育数据挖掘的学生成绩早期预警方法具体包括：