基于三元深度融合的行为驱动成绩预警模型

来源：计算机工程与应用杂志2024年第9期北京时间：

作者：庄俊玺, 王琪, 赖英旭, 刘静, 靳晓宁

单位：北京工业大学 信息学部，北京 100124

摘要：随着信息技术的迅猛发展和教育教学工作的信息化改革，学生的相关信息以多样的形式被记录，如何在复杂的教育数据中对学生行为做出全面分析并进行成绩预测预警具有重要意义。针对现有研究在预测学生成绩时存在的对日常行为数据关注较少、对行为数据的利用不充分、使用的数据特征单一、数据粒度粗等问题，提出一种基于三元深度融合的成绩预警模型。它从群体行为和个体行为的角度出发，使用规律性特征提取模块提取群体消费行为、活动行为中的规律性特征，使用活跃性特征提取模块提取个体消费行为中的活跃性特征，使用勤奋性特征提取模块提取个体进出图书馆行为中的勤奋性特征，然后融合三类特征对学生分类进而进行成绩预警。公开数据集上的实验表明，提出的模型方法具有一定的成绩预测预警能力。

关键词：成绩预警,群体行为,特征融合,特征选择,学生行为,教育数据挖掘