一种数据驱动的大学生个性化学习行为预测与干预方法

摘要

本发明公开了一种数据驱动的大学生个性化学习行为预测与干预方法，包括：采集大学生日常校园活动数据，形成反应大学生日常学习行为过程的标准数据集，通过时空图神经网络模型，以自适应学习方法获取日常学习行为习惯；应用习惯模型进行日常学习行为预测，建立习惯与学习行为活动的参数关系；开展持续性的日常学习活动行为监测，根据数据实测与模型预测结果，构建多元回归分析模型，优化习惯模型；设置习惯关联行为强度阈值，构建三级行为干预模式，通过数据实测与回归分析干预过程，形成数据驱动的持续性回归干预机制。本发明通过量化干预行为参数，实现数据驱动的精准干预，持续确保干预能有效地、更好地帮助学生养成良好学习习惯。