跨届成绩的预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种跨届成绩的预测方法、装置、电子设备及存储介质，方法包括：获取目标学生的学习行为数据；对所述学习行为数据进行特征扩充，得到目标学生的行为数据集；基于二进制特征掩码对所述行为数据集进行特征筛选，得到目标学生的目标行为数据集；将所述目标行为数据集中的特征按照周期进行划分并按照时间排序，之后选取m个连续周期的数据，进行相同特征数值叠加处理，得到m个辅助样本集；将m个所述辅助样本集分别输入基于往届学生的学习行为数据预先训练好的m个基学习器中进行成绩预测，将m个预测结果加权平均，得到最终成绩预测结果。本申请的方法脱离了对被预测对象本身的历史行为数据的依赖，显著提高成绩预测的及时性和准确性。

【技术实现步骤摘要】

本专利技术涉及成绩预测，特别是涉及一种跨届成绩的预测方法、装置、电子设备及存储介质。

技术介绍

1、混合教学模式在高校教育中已被广泛推广，其融合了线上与线下教学的优势，不仅拓展了教学方式，也产生了更为丰富和复杂的学生学习行为数据，为基于数据驱动的教学分析和学习预测提供了新的可能。

2、在实际教学中，学生们的期末成绩通常呈现出一定的差异性，期末考试不及格现象仍时有发生。因此，从捕获的学生的学习行为数据中探索其潜在的规律，实现及时的成绩预测，助力提高学生学习自觉性并提高教学质量，已成为教育数据挖掘与分析中领域的一个重要研究方向。

3、机器学习领域与深度学习领域都基于多种数据来源实现了对学生成绩的回归或分类预测，但目前的成绩预测方法存在以下共性的问题亟待解决：

4、1、模型建模过程中过于依赖被预测对象本身的历史行为数据，使得个体在历史行为数据不足时难以实现对成绩的及时预测；

5、2、基于较短时间粒度的学生行为数据进行成绩预测时，准确性较差，需要基于较长的时间粒度的学生行为数据进行成绩预测来提高预测性能，导致成绩预测本文档来自技高网...

【技术保护点】

1.一种跨届成绩的预测方法，其特征在于，包括：

2.根据权利要求1所述的预测方法，其特征在于，所述二进制特征掩码的生成方法包括：

3.根据权利要求2所述的预测方法，其特征在于，所述样本目标集包括C届往届学生的所述学习行为数据，其中，C为大于或者等于2的整数；

4.根据权利要求2所述的预测方法，其特征在于，所述基于适应度值进行种群的迭代，在每次迭代中进行个体的选择、交叉与变异，以生成新的种群的步骤包括：

5.根据权利要求2所述的预测方法，其特征在于，所述初始化种群的步骤中，初始化的每个个体表示的二进制特征训练掩码中的每一位字节赋值为1的概率大...

【技术特征摘要】

1.一种跨届成绩的预测方法，其特征在于，包括：

2.根据权利要求1所述的预测方法，其特征在于，所述二进制特征掩码的生成方法包括：

3.根据权利要求2所述的预测方法，其特征在于，所述样本目标集包括c届往届学生的所述学习行为数据，其中，c为大于或者等于2的整数；

4.根据权利要求2所述的预测方法，其特征在于，所述基于适应度值进行种群的迭代，在每次迭代中进行个体的选择、交叉与变异，以生成新的种群的步骤包括：

5.根据权利要求2所述的预测方法，其特征在于，所述初始化种群的步骤中，初始化的每个个体表示的二进制特征训练掩码中的每一位字节赋值为1的概率大于0.5，赋值为1的字节用于描述该字节在所述训练行为数据集中对应的特征类型被选取；和/或，

【专利技术属性】
技术研发人员：陈逸菲，姜忠堃，孙宁，宋莹，叶小岭，
申请(专利权)人：无锡学院，
类型：发明
国别省市：