一种学习质量下降的预测方法和装置制造方法及图纸

本发明专利技术涉及数据分析技术领域，特别是指一种学习质量下降的预测方法和装置。方法包括：接收待预测对象的睡眠信息数据；根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。采用本发明专利技术，可一定程度上量化定义睡眠质量和学习质量之间的关系，预测学生学习质量下降的概率。预测学生学习质量下降的概率。预测学生学习质量下降的概率。

【技术实现步骤摘要】
一种学习质量下降的预测方法和装置


[0001]本专利技术涉及数据分析
，特别是指一种学习质量下降的预测方法和装置。

技术介绍

[0002]当今的大学生正处于一个竞争加剧的环境中，面临来自生活、学习和就业的许多问题，生活习惯深受互联网的影响而发生改变，睡眠状况不容乐观，成为亚健康的高发人群。研究大学生睡眠状况及成因，对了解并针对性地改善当今大学生健康状况有着重要的意义；而良好的健康状况是高质量学习和生活的基础，因此量化评估睡眠和学习质量之间的关系意义重大。但是，目前还没有较好的方法。

技术实现思路

[0003]本专利技术提供了一种学习质量下降的预测方法和装置，用以预测学生学习质量下降的概率。所述技术方案如下：
[0004]一方面，提供了一种学习质量下降的预测方法，所述方法包括：
[0005]接收待预测对象的睡眠信息数据；
[0006]根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；
[0007]根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。
[0008]可选地，所述睡眠信息数据为在构建所述学习质量下降预测模型的过程中确定的特征变量的量化得分，所述特征变量包括：焦虑程度、睡眠环境、个人睡眠质量；所述睡眠评价参数为所述待预测对象的综合睡眠评价指数；
[0009]或者，所述睡眠信息数据包括下面至少两种：睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍；所述睡眠评价参数为所述待预测对象的匹兹堡睡眠指数量表PSQI得分。
[0010]可选地，所述预先构建所述学习质量下降预测模型具体包括：
[0011]根据样本数据确定学习质量评价的特征变量；
[0012]对所述特征变量进行量化；
[0013]对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数；
[0014]对所述综合睡眠评价指数进行分析，并使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型，通过所述学习质量下降预测模型表征所述综合睡眠评价指数及学习质量下降之间的概率关系。
[0015]可选地，所述根据样本数据确定学习质量评价的特征变量具体包括：
[0016]进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；
[0017]基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；
[0018]基于多渠道发放问卷并进行样本数据收集；
[0019]对所述样本数据进行加权平均数据分析，并基于编译软件MATLAB使用雷达图可视化分析，确定基于睡眠的学习质量评价的特征变量，包括：焦虑程度、睡眠环境、个人睡眠质量。
[0020]可选地，所述对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数具体包括：
[0021]首先将所收集的样本数据导入SPSS软件，然后打开数据后依次选择分析、描述统计、描述，对睡眠环境X1、焦虑程度X2、PSQI指数X3数据进行标准化，选中将标准化得分另存为变量，接着进行主成分分析：依次选择分析、降维、因子分析，然后设置描述性，抽取，得分和选项，最后查看主成分分析和分析结果，最终提取一个主成分变量综合睡眠评价指数M，即
[0022]M＝X1*1.592+X2+X3*0.408
ꢀꢀꢀꢀꢀ
(1)
[0023]M——综合睡眠评价指数
[0024]X1——环境指标
[0025]X2——焦虑指标
[0026]X3——PSQ I指标。
[0027]可选地，所述对所述综合睡眠评价指数进行分析，并使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型具体包括：
[0028]基于公式(1)建立综合睡眠评价指数样例库；
[0029]将有不及格门次的学生主成分变量值，利用SPSS软件基于单样本科尔莫格洛夫
‑
斯米诺夫检验，经过检验，所述综合睡眠评价指数和所述学习质量服从正态分布；
[0030]使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型为：当所述综合睡眠评价指数在[6.6034,7.4587]间，有95％的把握认定所述待预测对象的睡眠质量可能会导致学习质量下降的发生。
[0031]可选地，所述基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷具体包括：
[0032]对PSQI量表的评分成份进行归纳，得出个人睡眠质量等级；
[0033]对所述PSQI量表的评分成份进行补充和修正，在所述PSQI量表的基础上引入睡眠姿势、睡眠环境、焦虑程度三个变量；
[0034]设计基于睡眠的学习质量调查问卷，所述基于睡眠的学习质量调查问卷包括调查者的学习成绩、个人睡眠质量、睡眠姿势、睡眠环境、焦虑程度。
[0035]可选地，所述预先构建所述学习质量下降预测模型具体包括：
[0036]进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；
[0037]基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；
[0038]基于多渠道发放问卷并进行样本数据收集；
[0039]对所述样本数据进行清洗，并基于PSQI得分定义计算所述PSQI得分；
[0040]基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型。
[0041]可选地，所述基于大数定律量化评估PSQI得分与学习质量下降的关系，计算得到所述学习质量下降预测模型具体包括：
[0042]基于大数定律，计算获得各PSQI得分下学习质量不达标人数的频率，用所得频率代替概率，得出学习质量不达标概率与PSQI得分的关系数据，拟合得到所述学习质量下降预测模型为：在PSQI＝5到PSQI＝10阶段的学习质量不达标概率
‑
PSQI得分拟合曲线公式为：
[0043]y＝
‑
0.562 ln(x)+1.2677
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0044]式中，x为PSQI得分，y为学习质量下降的概率。
[0045]另一方面，提供了一种学习质量下降的预测装置，所述装置包括：
[0046]接收模块，用于接收待预测对象的睡眠信息数据；
[0047]计算模块，用于根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；
[0048]预测模块，用于根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。
[0049]可选地，所述睡眠信息数据为在构建所述学习质量下降预测模型的过程中确定的特征变量的量化得分，所述特征变量包括：焦虑程度、睡眠环境、个人睡眠质量；所述睡眠评价参数为所述待预测对象的综合睡眠评价指数；
[0050]或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学习质量下降的预测方法，其特征在于，所述方法包括：接收待预测对象的睡眠信息数据；根据所述睡眠信息数据，计算得到所述待预测对象的睡眠评价参数；根据所述睡眠评价参数，通过预先构建的学习质量下降预测模型进行预测，得到所述待预测对象的学习质量下降概率。2.根据权利要求1所述的方法，其特征在于，所述睡眠信息数据为在构建所述学习质量下降预测模型的过程中确定的特征变量的量化得分，所述特征变量包括：焦虑程度、睡眠环境、个人睡眠质量；所述睡眠评价参数为所述待预测对象的综合睡眠评价指数；或者，所述睡眠信息数据包括下面至少两种：睡眠质量、入睡时间、睡眠时间、睡眠效率、睡眠障碍、催眠药物、日间功能障碍；所述睡眠评价参数为所述待预测对象的匹兹堡睡眠指数量表PSQI得分。3.根据权利要求2所述的方法，其特征在于，所述预先构建所述学习质量下降预测模型具体包括：根据样本数据确定学习质量评价的特征变量；对所述特征变量进行量化；对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数；对所述综合睡眠评价指数进行分析，并使用编译软件MATLAB的normfit函数计算获得所述学习质量下降预测模型，通过所述学习质量下降预测模型表征所述综合睡眠评价指数及学习质量下降之间的概率关系。4.根据权利要求3所述的方法，其特征在于，所述根据样本数据确定学习质量评价的特征变量具体包括：进行基于睡眠问卷的所述学习质量下降预测模型的假设定义；基于匹兹堡睡眠指数量表PSQI设计基于睡眠的学习质量调查问卷；基于多渠道发放问卷并进行样本数据收集；对所述样本数据进行加权平均数据分析，并基于编译软件MATLAB使用雷达图可视化分析，确定基于睡眠的学习质量评价的特征变量，包括：焦虑程度、睡眠环境、个人睡眠质量。5.根据权利要求4所述的方法，其特征在于，所述对所述量化后的特征变量使用主成分分析法降维分析，以确定所述综合睡眠评价指数具体包括：首先将所收集的样本数据导入SPSS软件，然后打开数据后依次选择分析、描述统计、描述，对睡眠环境X1、焦虑程度X2、PSQI指数X3数据进行标准化，选中将标准化得分另存为变量，接着进行主成分分析：依次选择分析、降维、因子分析，然后设置描述性，抽取，得分和选项，最后查看主成分分析和分析结果，最终提取一个主成分变量综合睡眠评价指数M，即M＝X1*1.592+X2+X3*0.408
ꢀꢀꢀꢀ
(1)M——综合睡眠评价指数X1——环境指标X2——焦虑指标X3——PSQI指标。6.根据权利要求5所述的方法，其特征在于，所述对所述综合睡眠评价指数进行分析，
并...

【专利技术属性】
技术研发人员：张卓勋，萧星宇，刘建，朱琳，林碧浔，孟格，吕彬，何晔，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：