晚间授课会导致大学生课程成绩的“无谓损失”吗?

课程成绩是学生学习和个人发展的重要风向标。优化课堂教学安排减少课程成绩无谓损失是目前高校教务部门关注的热点问题。本文从排课时间视角实证讨论了课堂教学安排对大学生课程成绩的影响。研究表明:(1)晚上进行课堂教学会导致学生课程成绩下降。(2)对于同一教学班而言,所有课堂教学均在晚上进行,将带来严重的课程成绩损失。(3)晚上进行必修课程教学和采用多位教师协同教学能够缓释晚上教学带来的课程成绩损失。据此,为缓释晚上教学带来的课程成绩损失,应当深入推进教学范式改革,尽量避免晚上教学;完善教学安排系统,妥善考虑课程性质差异;推动课程组深度教学合作,施行同课师资交叉授课。

校长积极领导力何以重要?——论其在学校背景与学生成绩之间的中介效应

“缺陷弥补”的教育治理范式带来了诸多问题,“优势发展”范式下的校长积极领导力有助于塑造学校发展新动能。目前对校长积极领导力的效能研究尚不多见,且已有研究暂未将学校背景作为前因变量纳入模型进行系统化探讨。本研究利用省域大规模调查数据,构建结构方程模型,探究学校背景、校长积极领导力对学生成绩的影响机制。研究发现:校长积极领导力作为结构性潜变量,对学生成绩产生显著正向影响;且在学校背景对学生成绩产生影响的过程中具有显著的中介效应;学校办学自主权类型不同,校长积极领导力的影响机制也有所差异。建议教育管理部门应强调校长积极领导力的重要性,提升校长的情境智力,构建家校协同育人支持系统,有效保障学校自主办学空间。

基于改进支持向量回归模型的高校学生成绩预测研究

为提高学生成绩预测的准确性,考虑到学生学习行为特征数据的高维和非线性特征,提出了一种基于改进支持向量回归模型的高校学生成绩预测。对支持向量回归(SVR)模型的核函数进行了改进;设计了变邻域搜索算法(VNS)对改进支持向量回归模型的参数进行了优化;将上述方法应用于某高校学生数学成绩数据,并与原始SVR和基于其他智能优化方法的SVR进行了对比,验证了所提方法的有效性。

基于学生成绩对数值分析课程教学的几点思考——以航空航天学院本科教学为视角

数值分析是理工科专业基础课程之一,具有很强的实用性。如何将该门课更好地教授给学生,让学生更好地掌握该门课的知识与方法,是数值分析课程教师应该认真研讨的问题。该文介绍数值分析的开设背景与教学内容,并在统计整理2017—2022学年学生课程成绩数据的基础上,对学生学习该门课的情况进行分析,并就出现此种成绩的原因进行总结与探究,提出一定的见解,最后根据多年教授该门课的教学心得体会与经验,提出进一步提升该门课教学质量的建议。

基于DBO-SVM的学生成绩三分类预测模型

为提高学生学习效率和教师教学管理水平,提出基于DBO-SVM的学生成绩三分类预测模型.首先根据皮尔逊相关系数筛选特征属性;然后针对数据不均衡问题,经对比实验选用ADASYN技术;之后由螳螂优化算法通过迭代寻优支持向量机的参数;最后由支持向量机建立学生成绩三分类预测模型.在学生成绩数据集上进行测试,实验结果表明:本文方法预测准确率比SSA-SVM提高了2.09%,达到了91.67%;F1分数的加权平均值为0.92,证明了模型的稳定性.

高校学生全画像学业成绩预警模型分析

基于CatBoost算法,利用高校学生的全面画像数据,建立了学业成绩预警模型,可有效预防学生学业成绩的严重下滑。文章以江苏连云港一所高校的学生学业成绩数据为对象,采用机器学习算法CatBoost,并以学生的历史学业成绩数据为基础进行学业成绩的预测,其准确率达到了79.6%。

基于机器学习的学生综合实训成绩分析与模式识别

文章采用决策树、随机森林和支持向量机等多种机器学习算法,对专业综合实训成绩进行分析和模式识别,分析结果揭示了学生综合实训成绩背后的关键模式和规律,为后期专业综合实训内容设定、组织方法、考核方法等方面的进一步改进提供了基础和依据,对优化教学质量、提高学生综合素质和推动高等教育的智能化发展起到了参考作用。

大类招生和专业分流对学生成绩及培养质量影响的实证研究

专业大类招生政策和专业分流人才培养是近年来教育改革的重要措施之一。大类招生和专业分流在具备优势的同时,也带来了一定的副作用。本文总结了近年来大类招生政策和专业分流人才培养的弊端。通过2019级和2020级各八个专业的长期成绩跟踪对比分析,实例证明了大类招生政策和专业分流人才培养所造成的成绩差异及培养质量的影响。研究结论认为,大类招生政策虽具备较多优点,但容易造成该大类下各小专业学生成绩的两极分化,该大类专业下的强势专业将虹吸弱势专业的资源和生源,不利于大类专业下各小专业的均衡发展。此外,大类招生还存在适用性情形,即对该大类专业下各专业特性、专业实力和专业资源相差不大时比较合适。本文的研究结论可以为各高等院校在进行大类招生与专业分流时提供借鉴和参考。

“学生中心”的教学策略能否缩小城乡学生的成绩差距

改进教师教学策略是推进义务教育优质均衡的重要落脚点。研究基于中国东部某省小学质量监测数据,采用两水平模型、分位数回归模型和Oaxaca-Blinder分解方法,揭示了“学生中心”教学策略对城乡学生成绩差距的影响。研究发现,农村教师实践“学生中心”教学策略的水平低于城市教师,城乡教师实施“学生中心”教学策略的水平差异可在一定程度上解释城乡学生成绩的差距;尽管如此,农村教师实践“学生中心”教学策略能促进学生自主学习,进而提高学生成绩,且农村学生获得的回报明显高于城市学生,尤其是成绩排名靠后的学生更能获益,这一回报差异使得农村教师提升“学生中心”教学策略水平能够有效缩小城乡学生的成绩差距。该结论为深化新课程改革过程中促进农村教师实施“学生中心”的教学策略提供了有力的证据。

初中教师对学生成绩归因特点及其对职业心理健康的影响——基于CEPS数据的实证分析

以750名初中教师为研究对象,基于其CEPS样本数据,探讨教师对学生成绩归因的特点及其对职业心理健康(职业满意度、职业倦怠)的影响。结果表明:初中教师对学生成绩归因中,存在学生自身条件和所处环境的客观因素以及教师与学生态度的主观因素。初中教师对主观和客观因素归因上存在个体差异,可分为高主观-高客观归因、高主观-低客观归因、低主观-高客观归因、低主观-低客观归因四类。高主观-低客观归因组的初中教师在总体职业满意度、对学校满意度和薪酬满意度方面显著高于其他归因组,在职业倦怠方面显著低于其他归因组。建议提高初中教师归因意识,促进其形成积极的归因能力;加强归因指导,矫正不良的归因方式;创设良好的学校氛围,提供丰富的教师教育资源,助力归因能力的发展。

基于改进SSA-LSSVM模型的大学生体育成绩预测

随着我国对体育教育的越来越重视,同时人工智能在教育领域的应用,准确的大学生体育成绩预测对大学生身体素质提高的重要性日益凸显。为了对大学生体育成绩建立可靠的分析方法,基于最小二乘支持向量机研究大学生体育成绩预测方法,提出了一种基于萤火虫改进的麻雀搜索算法,通过引入萤火虫扰动来提高麻雀搜索算法的全局搜索能力,并且通过该算法用于优化LSSVM模型的惩罚因子γ和核函数参数σ,来实现大学生体育成绩的精准预测。最后的仿真结果表明,基于萤火虫改进的麻雀搜索算法优化LSSVM模型的泛化性能和鲁棒性优于其它同类方法,可以实现大学生体育成绩的准确预测,其各项指标均优于其它方法。

基于因果推断和多头自注意力机制的学生成绩预测

学生成绩预测旨在为学校管理者提供决策支持,帮助教师改进教学手段,对学生进行学业指导,最终提高学生成绩。传统的学生成绩预测方法大多利用相关性分析选取重要因素,忽视多变量之间的间接联系和联系的方向性,而且在进行预测时没有区分输入特征的重要程度,因此提出一种基于因果推断和多头自注意力机制的学生成绩预测方法。该方法不仅使用因果推断选取与标签具有方向性联系的直接特征和间接特征,而且用多头自注意力机制区分不同特征对期末成绩的影响程度。在公开数据集上进行大量的实验,结果显示所提出方法的预测准确率高达93.06%,高于其他传统成绩预测方法。

基于机器学习方法的学生成绩的点预测和区间预测

利用现代技术挖掘高校学生成绩的影响因素并对学生成绩进行预测,是教师优化教学方法、学校调整教学策略的关键。将Bootstrap方法、递归特征消除、支持向量回归模型以及变邻域搜索算法相结合,对小样本下影响高校学生成绩的因素进行挖掘,并基于此对高校学生成绩进行点预测和区间预测。将上述方法应用于某高校学生数学成绩数据,并与传统Bootstrap支持向量模型进行对比,验证了所提方法的有效性。

最小支持度挖掘算法在高校学生成绩关联规则的应用

以漳州科技职业学院市场营销专业152名学生47门课程的成绩信息作为研究数据,根据课程成绩分布规律,利用标准差划分等级进行成绩离散化处理,针对传统关联规则Apriori算法单一的最小支持度的局限性,提出了一种自适应多最小支持度关联规则算法,采用统计拟合方法实现最小支持度和最小置信度的自适应取值,并将置信度和提升度相结合的模式筛选出有价值的规则,从而得到市场营销专业不同课程的关联性,为创新人才培养改革提供参考。

主成分分析和聚类分析在高职学生成绩综合评价中的应用

高职学生成绩的合理评价对职业教育的发展具有重要指导意义。本文介绍了主成分分析及聚类分析的基本思想原理、步骤,以及应用过程中需要注意的问题。基于主成分分析对学生成绩建立综合评价方法,构造一个综合评价函数,通过对学生综合评价函数得分的比较,对学生成绩进行排名,并依据所提取的主成分得分对学生进行聚类分析。通过实例分析,证实了主成分分析法及聚类分析在学生成绩综合评价应用中的合理性和必要性,为高职学生成绩管理提供了一种合理且操作简便的方法。

主成分分析在学生成绩评价中的应用

随着中国高等教育的蓬勃发展,如何对学生进行科学公正的评价越来越受到社会的广泛关注。传统的学习成绩评定法已不能满足高校学生全面发展的迫切要求,针对这一现象,基于某学院网络工程专业学生真实成绩,借助统计分析软件SPSS,采用主成分分析法构建学生成绩综合评价指标体系,结果表明第一主成分对学生最终的综合得分影响最大,采用主成分分析法得到的排名与传统的成绩评定法基本一致,但学生在各个主成分上的得分结果可以直观展现学生的优势和劣势学科,能够帮助学生取长补短。

基于混合VNS-SVR模型的高校学生成绩预测

学生成绩是评价高校教学质量的重要因素,利用学习分析技术挖掘高校学生成绩的影响因素并对学生成绩进行预测,是教师优化教学方法的关键。首先利用所采集高校学生的基本信息、兴趣表现、课堂表现及课外表现的学习行为特征,使用支持向量回归(SVR)构建学习成绩预测模型。其次,设计了变邻域搜索算法(VNS)对支持向量回归的参数进行优化。最后,将变邻域搜索算法-支持向量回归(VNS-SVR)模型应用于某高校学生数学成绩数据,并与SVR、GS-SVR、GA-SVR和FA-SVR等模型进行对比,验证了所提模型的有效性。

基于麻雀搜索算法和SVM的学生成绩预测研究

为提高学生成绩预测的准确率,提出了基于麻雀搜索算法(SSA)优化支持向量机(SVM)的学生成绩预测模型。首先由SSA优化SVM参数,即通过不断迭代获取全局最优位置确定SVM的惩罚因子和核函数参数;然后利用优化后的SVM分类器对学生成绩进行预测;最后在UCI-Mat数据集上进行评估。实验结果表明:目标属性G3(期末成绩)与前两次的平时成绩(G1和G2)具有很强的关联性;与一般的SVM、BP及随机森林算法相比,SSA-SVM模型能够有效提高学生成绩预测的准确度,准确率可达95%。

基于Python+MySQL的学生成绩管理系统的设计与实现

随着计算机网络技术的发展和应用,支持网络模式的学生成绩查询与管理系统已经广泛用于教学活动中。主要探讨基于客户端/服务器(C/S)模式的学生成绩管理系统的设计与实现方法,归纳Python和MySQL开发工具在系统设计中的一般步骤和解决关键问题的方法。