基于秩相关性分析的学生在线学习效果预测方法

针对学生在线学习行为特征较多、学习效果预测准确率不高的问题,提出了基于秩相关性的特征选择方法。通过计算每个行为特征和学习效果之间的秩,得到各特征和学习效果的关联度,在此基础上选取关联度最高的多个特征形成新的数据集,然后完成归一化和one-hot编码,并采用机器学习方法和神经网络模型分别进行训练,最终实现学生在线学习效果预测。在公开发表的学习数据集上,采用秩相关性进行特征选择,结合多层感知机模型,学生学习效果可以正确分类,并且F值高于传统的线性相关性选择方法。