• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于双路注意力机制的学生成绩预测模型

李梦莹, 王晓东, 阮书岚, 张琨, 刘淇

李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740. DOI: 10.7544/issn1000-1239.2020.20200181
引用本文: 李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740. DOI: 10.7544/issn1000-1239.2020.20200181
shu
Li Mengying, Wang Xiaodong, Ruan Shulan, Zhang Kun, Liu Qi. Student Performance Prediction Model Based on Two-Way Attention Mechanism[J]. Journal of Computer Research and Development, 2020, 57(8): 1729-1740. DOI: 10.7544/issn1000-1239.2020.20200181
Citation: Li Mengying, Wang Xiaodong, Ruan Shulan, Zhang Kun, Liu Qi. Student Performance Prediction Model Based on Two-Way Attention Mechanism[J]. Journal of Computer Research and Development, 2020, 57(8): 1729-1740. DOI: 10.7544/issn1000-1239.2020.20200181
shu
李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740. CSTR: 32373.14.issn1000-1239.2020.20200181
引用本文: 李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740. CSTR: 32373.14.issn1000-1239.2020.20200181
shu
Li Mengying, Wang Xiaodong, Ruan Shulan, Zhang Kun, Liu Qi. Student Performance Prediction Model Based on Two-Way Attention Mechanism[J]. Journal of Computer Research and Development, 2020, 57(8): 1729-1740. CSTR: 32373.14.issn1000-1239.2020.20200181
Citation: Li Mengying, Wang Xiaodong, Ruan Shulan, Zhang Kun, Liu Qi. Student Performance Prediction Model Based on Two-Way Attention Mechanism[J]. Journal of Computer Research and Development, 2020, 57(8): 1729-1740. CSTR: 32373.14.issn1000-1239.2020.20200181
shu

基于双路注意力机制的学生成绩预测模型

  • 1(河南师范大学计算机与信息工程学院 河南新乡 453000)

  • 2(中国科学技术大学计算机科学与技术学院 合肥 230027) (lmengying@yeah.net)

详细信息

  • 中图分类号: TP399

Student Performance Prediction Model Based on Two-Way Attention Mechanism

  • 1(College of Computer and Information Engineering, Henan Normal University, Xinxiang, Henan 453000)

  • 2(College of Computer Science and Technology, University of Science and Technology of China, Hefei 230027)

摘要

    摘要
  • 摘要: 学生成绩的预测与分析旨在实现对学生的个性化指导，提升学生成绩及教师的教学成果.学生成绩受家庭环境、学习条件以及个人表现等多种因素的影响.传统的成绩预测方法往往忽视了不同因素对同一学生成绩的影响程度不同，而且不同学生受同一因素的影响程度也不同，所构建的模型无法实现对学生的个性化分析与指导.因此提出一种基于双路注意力机制的学生成绩预测模型(two-way attention, TWA)，该方法不仅有区别地对待了这些因素对成绩的影响程度，而且考虑到了学生的个体差异性.该方法通过两次注意力计算分别得到各属性特征在第1阶段成绩和第2阶段成绩上的注意力得分，并考虑了多种特征融合方式，最后基于融合后的特征对期末成绩进行更好地预测.分别在2个公开数据集上对模型进行了验证，并根据各属性特征在期末成绩上的概率分布对预测结果进行可视化分析.结果显示，所构建模型能够更准确地预测出学生成绩，并且具有良好的可解释性.
    Abstract: The prediction and analysis of student performance aims to achieve personalized guidance to students, improve students’ performance and teachers’ teaching effectiveness. Student performance is affected by many factors such as family environment, learning conditions and personal performance. The traditional performance prediction methods either treat all the factors equally, or treat all students equally, which cannot achieve personalized analysis and guidance for students. Therefore, we propose a two-way attention (TWA) based students’ performance prediction model, which can assign different weights to different influence factors, and pay more attention to the important ones. Besides, we also take the individual features of students into account. Firstly, we calculate the attention scores of the attributes on the first-stage performance and the second-stage performance. Then we consider a variety of feature fusion approaches. Finally, we made better predictions of student performance based on the integrated features. We conduct extensive experiments on two public education datasets, and visualize the prediction results. The result shows that the proposed model can predict student performance accurately and have good interpretability.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(51)

  • 期刊类型引用(17)

    1. 贾熹滨，魏心岚. 异常行为敏感的学生行为时序建模及心理健康预测方法. 北京工业大学学报. 2024(08): 939-947 . 百度学术
    2. 杨坤融，熊余，张健，储雯. 面向长短期混合数据的MOOC辍学预测策略研究. 计算机工程与应用. 2023(04): 130-138 . 百度学术
    3. 戴宇睿，安俊秀，陶全桧. 融合双通路注意力与VT-LSTM的金融时序预测. 计算机工程与应用. 2023(12): 157-165 . 百度学术
    4. 张文奇，王海瑞，朱贵富. 基于因果推断和多头自注意力机制的学生成绩预测. 现代电子技术. 2023(17): 111-116 . 百度学术
    5. 罗文劼，肖梓良. 结合图卷积的在线编程系统成绩预测模型. 计算机工程与设计. 2023(09): 2769-2776 . 百度学术
    6. 罗文劼，肖梓良. 融合知识点与图卷积的在线编程题目推荐算法. 小型微型计算机系统. 2023(10): 2331-2337 . 百度学术
    7. 刘彤，齐慧冉，倪维健. 基于多层特征融合的学生成绩预测模型. 计算机工程与设计. 2023(10): 2973-2978 . 百度学术
    8. 张文娟，张彬，杨皓哲. 基于双注意力机制的成绩预测. 南京师大学报(自然科学版). 2023(04): 103-113 . 百度学术
    9. 徐小玉. 基于异构信息网络的学生成绩预测与预警模型研究. 信息技术与网络安全. 2022(01): 84-89 . 百度学术
    10. 马超. 基于历史数据驱动的运动员成绩估计研究. 微型电脑应用. 2022(02): 145-148 . 百度学术
    11. 李琪. 基于XGBoost的科目分类方法的学生成绩预测研究. 信息与电脑(理论版). 2022(05): 244-246+250 . 百度学术
    12. 李崇照，王法玉. 基于循环门单元和注意力机制的学生学习积极性预测模型. 天津理工大学学报. 2022(02): 14-19 . 百度学术
    13. 李菲，曹阳，顾问. 基于秩相关性分析的学生在线学习效果预测方法. 信息技术与信息化. 2022(09): 99-102 . 百度学术
    14. 王丹萍，王忠，梁宏涛. 基于深度学习的知识追踪研究综述. 计算机测量与控制. 2022(12): 1-10 . 百度学术
    15. 崔立志，何泽彬，李璇. 基于注意力的R-GCN-GRU的在线学生绩效预测. 电子测量技术. 2021(19): 69-75 . 百度学术
    16. 何雪锋. 基于机器学习的“软助”证书挂科生分类预测研究. 河北软件职业技术学院学报. 2021(04): 6-10 . 百度学术
    17. 靳现凯，宋威. 基于DNN的大学生学业成绩预测方法研究——以北京市某高校电子信息类专业为例. 北方工业大学学报. 2021(05): 134-140 . 百度学术

    其他类型引用(34)

    • 资源附件(0)
计量
  • 文章访问数:  1133
  • HTML全文浏览量:  4
  • PDF下载量:  548
  • 被引次数: 51
出版历程
  • 发布日期:  2020-07-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(51)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计