基于SVDD算法的学业预警监测模型构建与研究

发布时间：2022-01-07 03:46

　　学生在在线学习平台上的学习表现数据类型较多,不能从单一角度对学生学习状况进行评价监测,需要综合多维度评价学生的学习状况,从而给出相对全面客观的学习表现评价。建立基于SVDD算法的监测模型,将直播观看时长、作业完成状况、课堂参与互动次数、出勤率等多维数据作为考量指标,对所有数据进行PCA分析,通过SVDD算法进行学习行为和效果异常监测,从而实现表现异常学生的学业预警。 

【文章来源】：时代汽车. 2020,(19)

【文章页数】：3 页

【部分图文】：

学习状态监测模型流程图

学生在网课学习过程中积累的学习行为和学习效果数据维度较多,较难进行人为判断区分,根据SVDD 的单值分类特点,利用大量已知的学习表现正常的学生行为数据构建训练样本集,则最小超球体边界将包含大部分的正常样本点。接着通过正常的描述边界对未知学习状态的数据样本进行预判断,得出落在超球体之外的样本,即偏离正常群体的学生学习数据,然后针对异常数据进行信息指标分析判断。因此本文所提方法可应用于学习行为异常的学生学业预警监测。表3 学生预警学生名单 标签 作业参与次数 作业成绩 资源学习经验值 出勤率 直播观看占比 姓名 34 5 31 16 72.73% 69.50% 学生B


本文编号：3573748