[发明专利]引入教师教学风格的多维度预测学生成绩的方法

摘要

本发明提出引入教师教学风格的多维度预测学生成绩的方法，该方法在学生基本信息数据中加入了量化后的教师风格这一因素来进行预测学生成绩的模型建立，使用随机森林分别建立针对于学生特征与教师风格特征的学生成绩预测模型，最终由每一位学生自效问卷调查针对于不同的学生来确定两种预测模型所占据在最终预测时所占的比重，从而使得预测方法更具有针对性与普适性。这些分析结论可以帮助教师认识到教师教学风格对学生学习具体有些怎么样的影响和影响的方式如何，在实际的教学工作中更加合理有效的调整自己的教学风格、选择教学方法、制定教学方案提供参考依据，帮助教师更加高效的开展教学活动。同时针对学生进行教学上的干预使其避免成绩落后。

主权项

1.引入教师教学风格的多维度预测学生成绩的方法，其特征在于，包括如下步骤：步骤一：数据收集，待收集的数据包括学生特征数据、学生成绩、教师风格数据和学生自效能数据；其中学生特征数据和学生成绩从教学系统中导出，教师风格数据和学生自效能数据通过向学生发布调查问卷的形式分别收集；步骤二：将步骤一收集到的数据进行数据处理规范化后传输至数据库中；将学生自效能数据进行转化，计算教师风格与学生特征分别对学生成绩的影响因子ω₁与ω₂；ω₂＝1‑ω₁其中，g_i(i＝1，2，...，n)代表学生自效能问卷中每道题目的得分，将问卷所得分数归一化至目标区间[a，b]，其中参数a，b设定取值范围为[0，0.3]且a＜b，ω₁与ω₂分别代表教师风格数据与学生特征数据对学生成绩的影响权值，因此ω₁的取值区间为[0，0.3]，ω₂的取值区间为[0.7，1)；步骤三：使用规范化后的学生特征数据和教师风格数据这两类数据，分别与学生成绩作为组合，划分为两类数据集；每类数据集拆分成为训练集和测试集；随后使用随机森林对训练集进行模型训练，将测试集输入训练结果调试模型，最终每类数据分别生成随机森林预测分类模型；将步骤二中，计算的影响因子分别代入对应数据模型中，最终按照影响因子权值分别乘以两个随机森林模型的投票结果，得到最终投票结果；教师风格数据集U₁及学生特征数据集U₂；X_teacher的维数为T维，X_students的维数为S维，R为最终学生成绩分类；I^T与I^S为两待测样本数据集，n代表原数据集中的样本个数；其中x_teacher属于教师风格数据集，即I^T；其中x_students属于学生特征数据集，即I^S；其中x_predict包括x_teacher与x_students两类数据；p_i(x_teacher)与q_i(x_students)分别代表第i颗决策树对教师风格与学生特征的待测样本的预测结果；vote()函数代表每颗决策树的投票结果；majority()函数代表取经过权重处理后所有决策树投票结果最多的分类；树的集合P＝{p_i，i＝1，2，...，N_tree}，Q＝{q_i，i＝1，2，...，N_tree}和待测样本的分类，N_tree代表决策树的个数；步骤四：输入待预测成绩学生的规范数据，包括学生特征数据、教师风格数据和学生自效能数据，根据训练好的模型进行预测，最终在显示单元输出预测成绩结果。