22、基于数字校园的学业成绩预测：AugmentED框架解析

基于数字校园的学业成绩预测：AugmentED框架解析

1. 引言

学业成绩预测是迈向个性化教育的重要一步，也是教育数据挖掘领域的关键问题。学生的学业成绩会受到多种因素的深刻影响，具体如下：
- 学生个性 ：如神经质、外向性和宜人性等。
- 个人状态 ：包括性别、年龄、身高体重、身体素质、心肺功能、有氧适能、压力、情绪、心理健康、智力和执行功能等。
- 生活方式行为 ：例如饮食、体育活动、睡眠、社交关系和时间管理等。
- 学习行为 ：像课堂出勤、学习时长、图书馆借阅和在线学习等。

通过分析这些因素的影响，就可以对学业成绩进行预测。目前，已有大量利用数据预测学业成绩的系统被开发出来，并且还能根据预测结果为有风险的学生提供早期干预。

与中小学教育（K12）相比，更多的预测系统聚焦于高等教育，可能的原因有：
1. 从大学生那里相对容易收集多源数据。现代校园里的大学生，生活涵盖学习、饮食、锻炼、社交等多个方面，这些活动都会在数据库中留下数字痕迹。
2. 丰富多样的活动使得大学生很难做出能带来平衡、成功和快乐大学生活体验（包括优异学业成绩）的选择。

尽管已经为大学生开发了许多学业成绩预测系统，但我们仍面临一些挑战：
- 全面捕捉学生的信息并将这些数据整合为一个整体视图。
- 探索影响学生学业成绩的因素，开发出高精度的稳健预测系统。
- 利用预测结果提供个性化服务，促使学生改变行为，优化学习与生活的平衡。

为应对这