基于逻辑回归下学生行为与成绩的关系的研究

随着信息技术的飞速发展,大数据在教育领域的作用也愈发明显,校园一卡通的广泛运用和综合素质测评表为教育数据的收集和挖掘提供了基础.定量地了解学生的日常行为、身心健康和学习成绩之间的关系是迈向个性化教育的重要一步.本文以高校学生数据为例,借助校园一卡通和综合素质测评表,获取学生原始数据,运用聚类和相关关系,进一步挖掘成绩与表现之间的关系,主要工作如下:基于西部一所工科院校理学院800名本科生的校园一卡通和综合素质测评表的数据,考虑到学生数据的复杂性,利用Pearson相关性探索聚类数目,采用K-means聚类的方法对不同的日常行为和成绩进行聚类,在聚类的基础上建立多项逻辑回归模型并对测试集中的学习成绩进行预测,从不同等级的自变量中得出不同因变量所属的类别,从预测类别中找出最佳预测倾向,发现模型在成绩等级为2的倾向上准确率更高。基于以上分析,学生和家长可以拓展除了勤于学习以外的途径提高学习成绩,还可以更深入地关注学生的身心健康、饮食规律等,此外,教师可以根据学生个性的不同进行教学,采取不同方法提高学生成绩。

基于综合评价模型的大学生学业成绩测量与预测

定量地了解学生的日常行为、身心健康和学业成绩之间的关系是迈向个性化教育的重要一步。与先前基于问卷调查的研究相比,笔者收集了某高校理学院800名本科生的校园一卡通和综合素质测评表的数据,选取12个影响因素进行主成分分析,提取了学习勤奋度、饮食规律性和身心健康3个特征并与学业成绩建立非线性回归模型。同时,利用得到的非线性回归模型对学业成绩进行预测。基于这些分析,教育管理者可以在必要时实施针对性的干预以帮助学生提高学业成绩。