在线学习社区学习者学业成绩预测系统的设计与实现

发布时间：2021-09-07 01:33

　　近年来,互联网技术得到了飞速发展,推动了在线学习社区的发展,使得教育更加公平化。越来越多的学习者选择从在线学习社区获取知识,通过在线课堂、与他人通过Web短文本讨论等方式进行学习。但因为在线学习社区这种无人监管的学习环境,大量的学习者因为这种学习环境和无法预测自己学业课程的学习情况,从而在学业课程上产生懈怠,导致最终课程考核不及格。因此,为了使学习者在学习社区中更加顺利的“毕业”,大量的学者专家都积极致力于学习者学业成绩预测方面的研究。但令人不满意的两个地方,（1）从先前专家、学者的研究中发现,使用决策树、朴素贝叶斯、支持向量机等比较陈旧的传统机器学习方法的预测效果（预测准确率）不如深度学习方法;（2）到目前为止,几乎还没有一个可直接使用的通用的预测工具,对学习者学业成绩进行分析预测。为了实现在线学习者学业成绩预测系统,本文在在线学习社区的背景下,针对在线学习者学业成绩数据集的特点,主要做了如下工作:首先,设计并实现在线学习环境,以获得在线学习者学业成绩数据集;接着,实现数据预处理功能,针对数据集的特点,对数据进行数值化、归一化、降维等操作,将数据转化成可直接计算且消除量纲差异;然后,... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２．１?Ｊａｖａ?Ｗｅｂ系统完整结构图??Ｗｅｂ，ＪＳＰ、Ｓｔｒｕｔｓ２、Ａｃｔｉｏｎ，

程指的是对系统中重复使用的通用功能进行抽取，封装成独立的模块，称之为“切??面”，并在系统业务流程执行过程中准确地插入到各个模块的合适位置。Ｓｐｒｉｎｇ在??业务执行过程中的主要作用流程如

２．４．１?ＢＰ神经网络??Ｒｕｍｅｌｈａｒｔ?和?ＭｃＣｅｌｌａｎｄ?于?１９８６?年提出?ＢＰ（Ｂａｃｋ?Ｐｒｏｐａｇａｔｉｏｎ）神经网络［３８］［４０］，??是一种最有效的多层前馈神经网络学习方法。如图２．４是简单的三层ＢＰ神经网络，??包括输入层（＇，七，…，＇）隐含层，…，Ｚ＞ｍ）和输出层（ｕ２，．．．，ｊｖｎ）。ＢＰ神经网络??的主要特点是信号前向传播，而误差逆向传播。使用当前层输出的误差ｅ来估计直??接前导层的误差，再使用直接前导层的误差估计更前一层的误差，一直循环反传到??输入层的下一层，这样就能得到所有层的误差，然后根据这个误差来调节权重（如??图２．４中的和７ａ）和阐值（如图１中的＆和，使得输出结果最接近真实值。??正是因为ＢＰ神经网络是误差逆向传播的，所以才会成为应用最为广泛的神经网络??之一。???权修正???－??隐含层??第一层权重?第２层权重?ＢＰ神经网络结构??阈值义??


本文编号：3388587