基于数据建模的高校学业预警技术关键点分析
Journal: Modern Education Forum DOI: 10.12238/mef.v5i2.4818
Abstract
学业预警是高校学生学业状态的重要反馈预警机制，将其与基于数据驱动的机器学习建模方法结合，可提高预警的及时性与有效性。但在应用中却存在关键的技术瓶颈，本文对建模数据的获取、数据不平衡以及模型的可解释性问题进行了阐释与分析，并提出了对应的解决措施。
Keywords
学业预警；机器学习；数据不平衡；模型可解释性
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 吴文峻.面向智慧教育的学习大数据分析技术[J].电化教育研究,2017(6):88-94.
[2] 唐汉卫,张姜坤.大数据教育应用的限度[J].华东师范大学学报(教育科学版),2020(10):60-68.
[3] 韩凤霞.大数据时代高校学籍预警机制的探索与研究[J].中国教育信息化(高教职教),2015(10):46-49.
[4] Cao Y. Portrait-Based Academic Performance Evaluation of College Students from the Perspective of Big Data [J].International Journal of Emerging Technologies in Learning (iJET), 2021, 16(04):95.
[5] 李艳霞,柴毅,胡友强,等.不平衡数据分类方法综述[J].控制与决策,2019(04):673-688.
[6] 万建武,杨明.代价敏感学习方法综述[J].软件学报,2020(1):113-136.
[7] 周国华,申燕萍,殷新春.基于凸壳的在线单类学习机[J].西南大学学报(自然科学版),2018(12):163-172.
[2] 唐汉卫,张姜坤.大数据教育应用的限度[J].华东师范大学学报(教育科学版),2020(10):60-68.
[3] 韩凤霞.大数据时代高校学籍预警机制的探索与研究[J].中国教育信息化(高教职教),2015(10):46-49.
[4] Cao Y. Portrait-Based Academic Performance Evaluation of College Students from the Perspective of Big Data [J].International Journal of Emerging Technologies in Learning (iJET), 2021, 16(04):95.
[5] 李艳霞,柴毅,胡友强,等.不平衡数据分类方法综述[J].控制与决策,2019(04):673-688.
[6] 万建武,杨明.代价敏感学习方法综述[J].软件学报,2020(1):113-136.
[7] 周国华,申燕萍,殷新春.基于凸壳的在线单类学习机[J].西南大学学报(自然科学版),2018(12):163-172.
Copyright © 2022 倪维晨
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License