基于BP神經網絡的高校學生成績預警方法的研究

許碧雅

摘要：大學生的學習成績與其學習行為具有相關性，通過學生的學習行為預測學生未來成績，對提高教學質量有重大意義。“互聯網+教育”教育模式的推廣，更多教師借助在線教學平臺輔助教學。通過借助超星在線教育平臺獲取學生的學習行為相關數據，構建基于BP神經網絡的高校學生成績預測模型，對學生期末考試成績預測，實驗證明該方法能有效地對學生成績進行預測。

關鍵詞：BP神經網絡;成績預測;模型;學習行為

中圖分類號：TP393? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）21-0007-02

開放科學（資源服務）標識碼（OSID）：

Research on Early Warning Methods of College Students Achievements Based on BP Neural Network

XU Bi-ya

（Faculty of? Megadata and Computing of Guangdong Baiyun University， Guangzhou 510400， China）

Abstract：The academic performance of college students is related to their learning behavior. Predicting students' future performance through students' learning behavior is of great significance to improving the quality of teaching.With the promotion of the "Internet + Education" education model， more teachers rely on online teaching platforms to assist in teaching. Uses Chaoxing online education platform to obtain student learning behavior related data， builds a BP neural network-based college student performance prediction model， and evaluates students' final exams.Performance prediction. Experiments show that this method can effectively predict student performance.

Key words： BP neural network; performance prediction; model; learning behavior

1 前言

學生個體差異不同，學習效果也會存在很大差異，如果能根據學生平時的學習行為預測出學生的未來成績，即可根據預測的結果對學生的學習進行正確的引導，提高教學的質量。“互聯網+教育”教學模式的推廣逐漸改變高校傳統的課堂教學，2020年新冠肺炎疫情的出現，導致學校教育進入“停滯期”，在教育部停課不停教，停課不停學的倡導下，在線教育走向了教學的第一線。其中以超星平臺為代表的在線教育平臺進入眾多高校的課堂，為廣大教師、學生提供了在線教學、學習的資源和學習支持服務。隨著高校正常教學的恢復，更多老師改變以往的教學模式，將在線教育應用到實際的教學中，因此在線教學平臺積累了學生大量的學習行為數據。如何對這些行為數據進行有效挖掘，從而實現對學生成績的預測，是值得研究的問題。

人工神經網絡被廣泛應用于各種各樣的實踐中，人工神經網絡是以網絡拓撲知識為理論基礎，模擬人腦的神經系統對復雜信息的處理機制的一種數學模型。人工神經網絡有多種模型，其中BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡，由輸入層、隱藏層、輸出層3部分構成，通過對輸入層到隱含層和隱含層到輸出層的權值及閾值的不斷修正來完善網絡，從而使得輸出值和準確值的誤差最小。

其被證明在處理分析教育中的大規模數據上具有很好的效果[1] 。本文利用超星教學平臺上記錄的學生行為數據，構建一種基于神經網絡的模型預測學生期末考試成績，通過學生的預測成績，優化各個學生的教學方案，提高教學質量。

2 數據獲取

2.1 數據采集

超星教學系統是新冠病毒疫情期間廣東白云學院引入的線上教學系統，教師通過超星教學系統進行網絡授課、發布學習任務、對學生進行階段測試，學生通過超星教學系統進行學習。超星教學系統在實際教學中產生的客觀數據分為三大類：一是記錄用戶操作系統的數據，如登錄、點擊、上傳數據等;二是用戶上傳的各種教學資源、如視頻、文檔等;三是教學運行數據，即基于前兩類數據的基礎上產生的關于教學過程各個環節產生的教學數據，包括學生的學習視頻統計、章節測驗成績、課后作業完成情況等。

本文的實驗數據來自第三類教學運行數據，這些數據作為學生期末綜合考核的標準，記錄了學生的學習行為。本文根據學生的學習行為，將超星教學系統上采集的教學運行數據劃分為多個維度，如表1 高校學生成績評價指標體系所示。

其中，各維度數據獲取如下：

考勤：X1=實際到次數/應到課次數x100;在線學習時長：? X2=實際在線學習時長/要求在線學習時長*100;