云学习平台大学生学业成绩预测与干预研究

摘要

预测在校大学生学业成绩并及时进行干预指导,是提升大学生学习效果的有效途径。云环境下,学习中过程性数据的积累为预测分析提供了有力依据。本研究设计并开展一门基于实体课堂和云学习平台（MOODLE平台、微信平台）的混合式大学课程。通过收集学生多类属性及学习过程性数据建立多元回归模型,对其将取得的成绩进行预测,并展开教学干预以提升其学习效果。结果显示,在预测模型方面,多元回归模型可以在全班水平上取得较佳的预测效果;在预测因子方面,绩点、在线学习参与度、前导课成绩和学习兴趣是影响学业成绩的重要因素;在干预效果方面,教学干预取得了较好效果,学弱群体接受干预后进步显著。