基于DNN的大学生学业成绩预测方法研究——以北京市某高校电子信息类专业为例

摘要

本文以北京市某高校电子信息类专业2011—2015级学生的8万多条成绩数据为基础,针对学生所学课程相关性和成绩预测展开研究。首先利用关联规则和决策树组合算法,对课程之间的关联性进行深度挖掘,扩宽分析预测结果的覆盖面。在此基础上,构建基于深度神经网络(Deep Neural Network,DNN)模型的学生成绩预测方法,以学生低年级(大一大二)的已修课成绩来对高年级(大三大四)的未修课成绩进行预测,实现成绩预警功能,同时将预测结果应用于教育教学中,有利于推动课程的优化设置,进而实现提高育人质量的目标。