典型文献
基于多算法融合的在线学习成绩精准预测研究
文献摘要：
学习成绩早期预测是解决在线学习辍学率高、参与度低等问题的关键要素,如何实现在线学习成绩精准预测是亟待解决的科学议题.已有研究主要采用单一算法训练单一分类器和集成分类器预测学习成绩,然而该方法预测精准性较低.研究设计基于多算法的在线学习成绩预测框架,融合神经网络、决策树、K-近邻、随机森林和逻辑回归算法预测学习者在线学习成绩,并进行了预测性能分析.研究结果表明,多算法融合预测精准性优于单一算法,预测结果在应用中有助于学习者意识到潜在的学业风险,促进其积极参与学习活动,显著提高在线课程学习质量.
文献关键词：
学习成绩预测;多算法融合;教育数据挖掘;在线学习;Stacking
中图分类号：
作者姓名：
班文静;姜强;赵蔚
作者机构：
东北师范大学,吉林长春130117
文献出处：
引用格式：
[1]班文静;姜强;赵蔚-.基于多算法融合的在线学习成绩精准预测研究)[J].现代远距离教育,2022(03):37-45
A类：
B类：
多算法融合,在线学习成绩,精准预测,预测研究,早期预测,辍学率,一算,算法训练,集成分类器,预测学,精准性,学习成绩预测,融合神经网络,决策树,近邻,逻辑回归算法,算法预测,预测性能,融合预测,参与学习,学习活动,在线课程,课程学习质量,教育数据挖掘,Stacking
AB值：
0.302996
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
