[发明专利]一种基于在线教育的学生成绩预测方法及系统

权利要求书

1.一种基于在线教育的学生成绩预测方法，其特征在于，所述方法包括：

获取学生某一科目的历次考试成绩，确定影响考试成绩的多个影响因子，并从在线教育平台的数据库中获取每次考试成绩对应的影响因子数据；

建立以所述影响因子为自变量的考试成绩的二阶响应曲面模型，通过所述二阶响应曲面模型拟合历次考试成绩与对应的影响因子数据之间的对应关系；

获取学生上一次考试结束至当前时间点之间的各项影响因子数据，根据所述二阶响应曲面模型预测学生成绩。

2.根据权利要求1所述基于在线教育的学生成绩预测方法，其特征在于，所述影响因子包括学生的课堂专注度、出勤率、在线学习时长、试卷难易度评分中的至少三个。

3.根据权利要求2所述基于在线教育的学生成绩预测方法，其特征在于，所述从在线教育平台的数据库中获取每次考试成绩对应的影响因子数据具体为：

从在线教育平台的数据库中统计学生相邻两次考试之间的平均专注度、平均出勤率、平均在线学习时长，从在线教育平台中获取教师对即将考试的试卷的难易度评分，将所述平均专注度、平均出勤率、平均在线学习时长以及试卷难易度评分作为所述相邻两次考试中后一次考试成绩对应的影响因子数据。

4.根据权利要求3所述基于在线教育的学生成绩预测方法，其特征在于，所述二阶响应曲面模型的表达式为：

S＝α₁+α₂x₁+α₃x₂+α₄x₃+α₅x₁x₂+α₆x₁x₃+α₇x₂x₃

其中，S为考试成绩，α_i为模型系数，i＝1,2,…,7，x₁、x₂、x₃分别为所述平均专注度、平均出勤率、平均在线学习时长以及试卷难易度评分中的任意三类影响因子数据。

5.根据权利要求3所述基于在线教育的学生成绩预测方法，其特征在于，所述根据所述二阶响应曲面模型预测学生成绩具体为：

若获取的学生上一次考试结束至当前时间点之间的各项影响因子数据为三类，则将所述三类影响因子数据输入对应的二阶响应曲面模型，得到的的值S即为学生预测成绩；

若获取的学生上一次考试结束至当前时间点之间的各项影响因子数据为四类，通过排列组合的方式获取其中任意三类影响因子数据并分别输入对应的二阶响应曲面模型，分别得到对应的成绩得分，计算成绩得分的均值并将所述均值作为最终预测成绩。

6.一种基于在线教育的学生成绩预测系统，其特征在于，所述系统包括：

数据获取模块：获取学生某一科目的历次考试成绩，确定影响考试成绩的多个影响因子，并从在线教育平台的数据库中获取每次考试成绩对应的影响因子数据；所述影响因子包括学生的课堂专注度、出勤率、在线学习时长、试卷难易度评分中的至少三个；

模型建立模块：建立以所述影响因子为自变量的考试成绩的二阶响应曲面模型，通过所述二阶响应曲面模型拟合历次考试成绩与对应的影响因子数据之间的对应关系；

成绩预测模块：获取学生上一次考试结束至当前时间点之间的各项影响因子数据，根据所述二阶响应曲面模型预测学生成绩。