一种基于空洞因果卷积的学生成绩预测分析方法技术

本发明专利技术公开了一种基于空洞因果卷积的学生成绩预测分析方法，通过使用GAN生成符合学生的原始行为数据分布的新样本达到平衡数据集的目的，并提出了一种基于空洞因果卷积的成绩预测模型，提高了模型对长时间序列数据的处理能力，最后使用SHAP方法结合三因素理论对影响学生成绩的因素进行重要性分析和解释。通过在公开数据集上的实验验证了所提方法在学生成绩预测任务上的有效性，对比现有的其他学生成绩预测方法，在各指标上均有提升。

【技术实现步骤摘要】

本专利技术属于学生成绩预测及分析方法，尤其涉及数据生成技术、空洞因果卷积成绩预测模型和基于shap的成绩影响因素解释方法，通过生成少数类样本达到均衡数据集的目的，然后使用模型预测学生成绩，并基于预测结果对影响学生成绩的因素进行解释分析。

技术介绍

1、教育是社会进步和个体发展的基石，学生成绩预测分析作为教育研究领域的一项关键技术，为提高教育质量、推动个性化教学和学科改进提供了有力支持。学生成绩预测是指利用学生相关信息预测其在未来的学业表现，不仅意味着能提前洞察学生未来的学业表现，还能为教育决策者提供科学的参考依据。通过对学生的学习轨迹和特点进行分析，教育者可以更精准地制定针对性的教学策略，帮助每个学生发挥最大潜力。因此，对学生成绩进行预测和分析具有重要的现实意义和研究价值。

2、近年来，对学生成绩进行预测及影响因素分析引起了国内外广泛关注，产生了许多优秀的研究成果。早期的研究主要聚焦在教育学和心理学领域，主要揭示影响学生成绩的因素，如五大人格因素、学习动机、社会人口学信息等。但此类研究所使用的数据多来自问卷调查、自我评估报告，数据量小且缺乏客观本文档来自技高网...

【技术保护点】

1.一种基于空洞因果卷积的学生成绩预测分析方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于空洞因果卷积的学生成绩预测分析方法，其特征在于，步骤3具体为：使用表示校园卡刷卡数据集中所有学生集合，n表示校园卡刷卡数据集的学生总数，表示在线学习平台数据集中所有学生集合，m表示在线学习平台数据集的学生总数，和表示其经过特征提取后的学生行为张量，gt代表校园行为记录覆盖的日期数，gf代表群体行为序列包含的特征数，it代表个体行为记录涵盖的日期数，if代表个体行为序列包含的特征；SG,I表示两个数据集的学生集合，表示模型对两个数据集中学生的预测结果集合，YG,I表示两个数据集...

【技术特征摘要】

1.一种基于空洞因果卷积的学生成绩预测分析方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于空洞因果卷积的学生成绩预测分析方法，其特征在于，步骤3具体为：使用表示校园卡刷卡数据集中所有学生集合，n表示校园卡刷卡数据集的学生总数，表示在线学习平台数据集中所有学生集合，m表示在线学习平台数据集的学生总数，和表示其经过特征提取后的学生行为张量，gt代表校园行为记录覆盖的日期数，gf代表群体行为序列包含的特征数，it代表个体行为记录涵盖的日期数，if代表个体行为序列包含的特征；sg,i表示两个数据集的学生集合，表示模型对两个数据集中学生的预测结果集合，yg,i表示两个数据集中学生的真实标签集合；

3.如权利要求1所述的基于空洞因果卷积的学生成绩预测分析方法，其特征在于，步骤4具体为：生成器采用编码-解...

【专利技术属性】
技术研发人员：庄俊玺，张亚薇，赖英旭，刘静，靳晓宁，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：