文献类型：期刊文章

作　　者：陈子健[1,2] 朱晓亮[1]

机构地区：[1]华中师范大学国家数字化学习工程技术研究中心,湖北武汉430079 [2]贵州财经大学信息学院,贵州贵阳550025

出　　处：《中国电化教育》

基　　金：国家科技支撑计划课题"学习云服务平台关键技术研究与平台开发"(项目编号:2015BAH33F02)研究成果

年　　份：2017

期　　号：12

起止页码：75-81

语　　种：中文

收录情况：BDHX、BDHX2014、CSSCI、CSSCI2017_2018、JST、NSSD、RCCSE、RWSKHX、核心刊

摘　　要：该文采用数据挖掘和机器学习的方法,研究从教育数据中挖掘影响在线学习者学业成绩的因素并构建分类预测模型。首先,通过计算所有单个数据属性和学业成绩类别之间的相关系数和计算所有属性的信息增益率两种方法共同确定学业成绩的影响因素。然后,提出采用集成学习的方法构建集成式学业成绩分类预测模型,并比较多种算法构建的单一分类模型和集成分类模型的性能。最后,进一步采用嵌套集成学习的方法构建在线学习者学业成绩分类预测模型,并对模型的性能进行评估。研究成果可以为在线学习者学业成绩影响因素研究和预测建模研究提供借鉴,也有助于推进在线学习学业预警、学业成绩预测和评价的实践。

关 键 词：教育数据挖掘  机器学习  预测建模  学业成绩 在线学习  

分 类 号：G434[教育学类]