摘要
以数据为载体驱动学生学习表现评估是教育领域的重要研究内容,鉴于单一学习模型在学习成绩预测时会出现泛化效果较差的情况,本文提出一种融合多个单一学习模型的Stacking集成学习模型,以KNN、逻辑斯谛回归、朴素贝叶斯、决策树四种模型作为集成学习模型的基分类器,选择XGBoost模型作为次学习器。结果表明,Stacking集成学习模型的准确率为99.4%、F1-score为96.18%,优于单一学习模型,对在线课程的学习成绩预测有较好的效果,能够有效预测学生的学习表现,为开展在线教学的教师提供学习预警。
出处
《科技风》
2024年第26期33-35,共3页
基金
2023年度安徽省科研编制计划项目——基于物联网和大数据的汽车充电桩控制系统设计(项目编号:2023AH052385)
2024年度芜湖职业技术学院校级科学研究项目(wzyzr202435)
2023年质量工程项目(2023 jyxm1311)
新时代职业学校名师(名匠)名校长培养计划。
