典型文献
结合学生行为模式分析的成绩早期预警研究
文献摘要：
早期预警是在线学习中的重要主题,通过早期预警识别有不及格风险的学生可帮助教师及时开展个性化教学干预.使用深度学习模型对学生微观行为模式进行分析以提高早期预警的效果,并提出结合LSTM-autoencoder特征处理和注意力权重计算的不及格风险学生早期预警模型(LSTM-autoencoder and attention based early warning model,LAA).该方法通过LSTM-autoencoder对学生行为时间序列数据进行特征处理,采用注意力机制计算关键预测因子.实验结果表明,LAA比基线模型取得更高的召回率,对低交互型和非持续型学生具有更好的识别效果,且能将教学干预时间提前;此外,该方法可识别影响成绩的关键周次和行为,可用于辅助教师开展在线教学指导.
文献关键词：
在线学习;学习行为模式;早期预警;LSTM-autoencoder;注意力机制
中图分类号：
作者姓名：
张明焱;杜旭;李浩
作者机构：
华中师范大学 国家数字化学习工程技术研究中心,武汉 430079
文献出处：
引用格式：
[1]张明焱;杜旭;李浩-.结合学生行为模式分析的成绩早期预警研究)[J].计算机工程与应用,2022(01):99-105
A类：
B类：
学生行为模式,模式分析,预警研究,在线学习,过早,预警识别,不及格,个性化教学,教学干预,使用深度,深度学习模型,微观行为,autoencoder,特征处理,注意力权重,权重计算,早期预警模型,attention,early,warning,model,LAA,时间序列数据,注意力机制,预测因子,比基,基线模型,召回率,互型,响成,辅助教师,在线教学,教学指导,学习行为模式
AB值：
0.432048
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。
