42、运用人工智能方法预测学生学业成绩

运用人工智能方法预测学生学业成绩

1. 相关研究概述

在预测学生学业成绩方面，众多学者进行了不同的尝试，以下是一些具有代表性的研究：
|研究者|样本数量|使用变量|使用算法|预测目标|准确率|
| ---- | ---- | ---- | ---- | ---- | ---- |
|Gerasimovic 等|119 名毕业生|性别、各年级成绩、父母教育水平、工作状态、学校经济支持等|MLP、RBF、Modular 算法训练的 ANN|将毕业生分为想工作、继续在贝尔格莱德 FME 学校学习、在其他学院继续学习三组|76.67%、49.17%、70.42%|
|Wang 和 Mitrovic|学生记录数据|问题复杂度、学生水平、所需帮助水平、解决问题所需时间|BP 算法训练的 ANN|预测学生测试中的错误数量|98.6%|
|Borkar 和 Rajesar|60 名学生|学校教育、编程知识、父母教育情况、毕业情况、出勤、作业、单元测试、大学成绩等|反向传播和 Apriori 算法训练的 ANN|将学生分为差、中等、好三组|46%|
|Pinninghoff 等|20000 名学生|46 个因素（包括父母教育、师生关系、家庭财富、学校规模和类型等）|Perception、Global feedforward、Recurrent、Modular 网络|预测学生的失败或成功|感知网络 82%|
|¸Su¸snea|476 名学生|成功率、正确答案数量、达到正确答案所需尝试次数、正确解决所需时间等|MLP 和 RBF 模型|将学生分为差、好、非常好三组| - |
|Kalinga 和 Kazumali|78 名学生|登录会话、论坛参与频率、资源查看