基于深度学习学生序列化行为的学业成绩预测预警方法

摘要

本发明公开了一种基于深度学习学生序列化行为的学业成绩预测预警方法，包括：采集学生在校行为数据，以学生个体作为分类标签，以固定周期作为数据统计内容的时长，形成固定周期内的一组数据，记为单组数据；对同一个学生的单组数据进行归一化后降维处理，形成以学生个体作为分类标签，以固定周期作为数据收集时长的单组特征数据集；构建many2one形式的长短时记忆网络模型，对同一学生连续的若干个单组特征数据集进行模型带入，得到学生成绩的预警数值。本发明所达到的有益效果：使用了较全面的数据，综合考虑学习成绩与行为之间的因果关系，以及行为数据的时间序列性，并将这种时间序列利用递归神经网络进行分类预测。