任务粒度视角下的学生成绩预测研究综述  

Survey on student academic performance prediction from the perspective of task granularity

作　　者：聂秀山 马玉玲 乔慧妍 郭杰 崔超然[2] 于志云[1] 刘兴波 尹义龙[3] NIE Xiushan;MA Yuling;QIAO Huiyan;GUO Jie;CUI Chaoran;YU Zhiyun;LIU Xingbo;YIN Yilong(School of Computer Science and Technology,Shandong Jianzhu University,Jinan 250101,Shandong,China;School of Computer Science and Technology,Shandong University of Finance and Economics,Jinan 250014,Shandong,China;School of Software,Shandong University,Jinan 250101,Shandong,China)

机构地区：[1]山东建筑大学计算机科学与技术学院,山东济南250101 [2]山东财经大学计算机科学与技术学院,山东济南250014 [3]山东大学软件学院,山东济南250101

出　　处：《山东大学学报（工学版）》2022年第2期1-14,共14页Journal of Shandong University（Engineering Science）

基　　金：国家自然科学基金资助项目(62177031,62077033);山东省自然科学基金资助项目(ZR2021MF044);山东省教育教学研究课题资助项目(2021JXY012);教育部产学合作协同育人项目(202102423045);山东省教育科学“十三五”规划人工智能教育专项一般资助课题(BYZN201905)。

摘　　要：学生成绩预测作为教育数据挖掘领域重要的研究分支之一,学者们已开展了大批卓有成效的研究工作,但对现有文献进行调查、梳理的综述性研究仍相对缺乏。立足于不同的应用场景,以学生成绩预测研究的任务粒度为视角,从答题表现预测、课程成绩预测、综合学习表现预测等3个方面,详细介绍学生成绩预测研究所采用的技术和方法,并介绍目前学生成绩预测研究在真实教学场景中的应用情况,从而为科研和教育管理工作者提供更有针对性的参考信息。As one of the important research branches in educational data mining domain, student performance prediction was intensively studied. However, a comprehensive review of student performance prediction was still underexplored from the perspective of real applications. This paper detailed the technologies and methods exploited in student performance prediction research from the perspective of task granularity, and then introduced several application-oriented cases of student performance prediction, so as to provide targeted reference information for scientific researchers and educators.

关 键 词：教育数据挖掘 学生学业表现预测 机器学习 智慧教育 个性化教学 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]