許碧雅

摘要：大學(xué)生的學(xué)習(xí)成績與其學(xué)習(xí)行為具有相關(guān)性，通過學(xué)生的學(xué)習(xí)行為預(yù)測學(xué)生未來成績，對提高教學(xué)質(zhì)量有重大意義?！盎ヂ?lián)網(wǎng)+教育”教育模式的推廣，更多教師借助在線教學(xué)平臺輔助教學(xué)。通過借助超星在線教育平臺獲取學(xué)生的學(xué)習(xí)行為相關(guān)數(shù)據(jù)，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的高校學(xué)生成績預(yù)測模型，對學(xué)生期末考試成績預(yù)測，實驗證明該方法能有效地對學(xué)生成績進行預(yù)測。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);成績預(yù)測;模型;學(xué)習(xí)行為

中圖分類號：TP393? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）21-0007-02

開放科學(xué)（資源服務(wù)）標識碼（OSID）：

Research on Early Warning Methods of College Students Achievements Based on BP Neural Network

XU Bi-ya

（Faculty of? Megadata and Computing of Guangdong Baiyun University， Guangzhou 510400， China）

Abstract：The academic performance of college students is related to their learning behavior. Predicting students' future performance through students' learning behavior is of great significance to improving the quality of teaching.With the promotion of the "Internet + Education" education model， more teachers rely on online teaching platforms to assist in teaching. Uses Chaoxing online education platform to obtain student learning behavior related data， builds a BP neural network-based college student performance prediction model， and evaluates students' final exams.Performance prediction. Experiments show that this method can effectively predict student performance.

Key words： BP neural network; performance prediction; model; learning behavior

1 前言

學(xué)生個體差異不同，學(xué)習(xí)效果也會存在很大差異，如果能根據(jù)學(xué)生平時的學(xué)習(xí)行為預(yù)測出學(xué)生的未來成績，即可根據(jù)預(yù)測的結(jié)果對學(xué)生的學(xué)習(xí)進行正確的引導(dǎo)，提高教學(xué)的質(zhì)量。“互聯(lián)網(wǎng)+教育”教學(xué)模式的推廣逐漸改變高校傳統(tǒng)的課堂教學(xué)，2020年新冠肺炎疫情的出現(xiàn)，導(dǎo)致學(xué)校教育進入“停滯期”，在教育部停課不停教，停課不停學(xué)的倡導(dǎo)下，在線教育走向了教學(xué)的第一線。其中以超星平臺為代表的在線教育平臺進入眾多高校的課堂，為廣大教師、學(xué)生提供了在線教學(xué)、學(xué)習(xí)的資源和學(xué)習(xí)支持服務(wù)。隨著高校正常教學(xué)的恢復(fù)，更多老師改變以往的教學(xué)模式，將在線教育應(yīng)用到實際的教學(xué)中，因此在線教學(xué)平臺積累了學(xué)生大量的學(xué)習(xí)行為數(shù)據(jù)。如何對這些行為數(shù)據(jù)進行有效挖掘，從而實現(xiàn)對學(xué)生成績的預(yù)測，是值得研究的問題。

人工神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于各種各樣的實踐中，人工神經(jīng)網(wǎng)絡(luò)是以網(wǎng)絡(luò)拓撲知識為理論基礎(chǔ)，模擬人腦的神經(jīng)系統(tǒng)對復(fù)雜信息的處理機制的一種數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)有多種模型，其中BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，由輸入層、隱藏層、輸出層3部分構(gòu)成，通過對輸入層到隱含層和隱含層到輸出層的權(quán)值及閾值的不斷修正來完善網(wǎng)絡(luò)，從而使得輸出值和準確值的誤差最小。

其被證明在處理分析教育中的大規(guī)模數(shù)據(jù)上具有很好的效果[1] 。本文利用超星教學(xué)平臺上記錄的學(xué)生行為數(shù)據(jù)，構(gòu)建一種基于神經(jīng)網(wǎng)絡(luò)的模型預(yù)測學(xué)生期末考試成績，通過學(xué)生的預(yù)測成績，優(yōu)化各個學(xué)生的教學(xué)方案，提高教學(xué)質(zhì)量。

2 數(shù)據(jù)獲取

2.1 數(shù)據(jù)采集

超星教學(xué)系統(tǒng)是新冠病毒疫情期間廣東白云學(xué)院引入的線上教學(xué)系統(tǒng)，教師通過超星教學(xué)系統(tǒng)進行網(wǎng)絡(luò)授課、發(fā)布學(xué)習(xí)任務(wù)、對學(xué)生進行階段測試，學(xué)生通過超星教學(xué)系統(tǒng)進行學(xué)習(xí)。超星教學(xué)系統(tǒng)在實際教學(xué)中產(chǎn)生的客觀數(shù)據(jù)分為三大類：一是記錄用戶操作系統(tǒng)的數(shù)據(jù)，如登錄、點擊、上傳數(shù)據(jù)等;二是用戶上傳的各種教學(xué)資源、如視頻、文檔等;三是教學(xué)運行數(shù)據(jù)，即基于前兩類數(shù)據(jù)的基礎(chǔ)上產(chǎn)生的關(guān)于教學(xué)過程各個環(huán)節(jié)產(chǎn)生的教學(xué)數(shù)據(jù)，包括學(xué)生的學(xué)習(xí)視頻統(tǒng)計、章節(jié)測驗成績、課后作業(yè)完成情況等。

本文的實驗數(shù)據(jù)來自第三類教學(xué)運行數(shù)據(jù)，這些數(shù)據(jù)作為學(xué)生期末綜合考核的標準，記錄了學(xué)生的學(xué)習(xí)行為。本文根據(jù)學(xué)生的學(xué)習(xí)行為，將超星教學(xué)系統(tǒng)上采集的教學(xué)運行數(shù)據(jù)劃分為多個維度，如表1 高校學(xué)生成績評價指標體系所示。

其中，各維度數(shù)據(jù)獲取如下：

考勤：X1=實際到次數(shù)/應(yīng)到課次數(shù)x100;在線學(xué)習(xí)時長：? X2=實際在線學(xué)習(xí)時長/要求在線學(xué)習(xí)時長*100;