基于LSTM的学习成绩预测及其影响因素方法研究

• 作 者: 曹洪江 谢金
• 机 构: 武汉理工大学经济学院
• 出 处: 北京邮电大学学报:社会科学版
• 发表日期: 2020年6期
• 关键词: LSTM 成绩预测 学生情感 学生行为 LSTM academic performance prediction student emotion student
• 基金项目: 教育部人文社会科学研究规划基金项目(17YJA870006),武汉理工大学教学研究项目(w2019129)

关于学生成绩预测的研究普遍存在数据结构单一和学习器浅层线性的问题。针对学生历史成绩的时序性及学习过程的遗忘特征,引入LSTM网络对学生知识结构状态进行建模,并融合情感特征和行为特征,通过全连接神经网络对学习成绩进行预测。实验结果表明,该方法能够显著提升学习成绩预测的准确性。同时,以此为基础,进一步提出了成绩主要影响因素的判断方法。