基于Stacking集成算法的混合式课程成绩预测研究  

作　　者：陈亚丽[1] 徐晨 倪小岚 

机构地区：[1]西南石油大学理学院,四川成都610500

出　　处：《教育观察》2023年第13期45-49,共5页

基　　金：四川省教育厅高等数学“课程思政”示范课程(X2019KCSZ011)。

摘　　要：学生课程成绩预测是目前教育领域的研究热点之一,建立具有高准确率的学习成绩预测模型,并依据预测结果实施教学干预有助于提高学生的学习质量。通过收集学生在线上慕课和线下课堂的数据,依据期末总成绩将学生划分为高水平、中等水平、低水平三个类别,选取随机森林、逻辑回归、LightGBM等七种算法作为基学习器的备选算法,采用逻辑回归算法作为元学习器,基于全局搜索法遍历所有的基分类器算法组合进行集成训练,构建Stacking集成分类器,并与单一分类器进行预测性能对比。研究结果表明,Stacking集成算法训练的集成分类器可以提升单一分类器的预测性能,在所有分类器中表现最优。该预测模型可以客观反映学生的学习状况,为混合式课程教学提供参考。

关 键 词：成绩预测 集成学习 STACKING 混合式课程 

分 类 号：G642[文化科学—高等教育学]