基于深度學習的學習表現預測系統

魏迪海

（樂山開放大學，四川 樂山 614800）

0 引 言

為了探索適合學生的最優學習要素，一門被稱為教育數據挖掘（Educational Data Mining,EDM）的新學科產生。教育數據挖掘實際上就是基于計算機技術的學習系統，交互學習環境，模擬學習環境，現有學校學習系統等采集用戶學習行為數據。在心理學和學習科學的理論指導下，利用計算機科學、數據挖掘等領域的知識，發現學生是如何學習。EDM 的優勢體現在可以把不同領域的各種數據連接在一起。它關注從研究所提供的大量數據中提取特征以支持教育過程的進展。

1 研究背景

EDM 與傳統數據庫技術不同，它可以回答問題，例如誰是潛在的課程成績不及格學生？EDM 可以回答更深層次的問題，例如預測學生的成績（如果他在考試中通過或失敗）。研究人員還可以建立學生模型來單獨預測每個學生的特征和表現。因此，參與EDM 領域的研究人員使用不同的數據挖掘技術來評估講師，以便提高他們的教育能力。

由于當前教育系統并沒有重視對學生表現的預測，因此這些系統效率并不高。預測學生感興趣的課程并了解他在教學活動過程的學習行為可以提高教育效率。結合深度學習和EDM 技術，完成學生的評估過程，可以更好地提高學生的表現以及優化教育過程。此外，深度學習還可以用在更廣泛的教育數據，通過模式識別、圖像處理、對象檢測和自然語言處理等方法。通過機器學習技術實現的學習管理系統，可以利用數據挖掘來獲得更好、更準確的結果。……