成绩预测

摘要： 采用文献资料法、数据统计分析、对比研究等方法,结合乒乓球研究中常用的“三段分析法”,对中国、德国、日本三国乒乓球队现役的大龄球员进行分析和三国新生代球员之间进行对比,预测2024年巴黎奥运会上中国乒乓球队的成绩,并对巴黎奥运备战期间中国乒乓球队备战策略提出建议.研究认为,中国乒乓球队在做好自身充分准备的前提下,完全有能力获得巴黎奥运会乒乓球项目的男子单打、男子团体、女子单打以及女子团体的金牌,甚至包揽巴黎奥运会乒乓球项目的全部5枚金牌.

摘要： 学习成绩预测能够助力学生课业学习、提升教师教学能力、协助学校评估教学质量和优化教学管理,已成为教育领域研究的热点与难点。文章以学生各阶段历史成绩为基础,结合考勤、宿舍卫生、校园纪律等行为特征数据,利用人工智能LSTM循环神经网络模型对课程成绩进行预测。基于预测课程的成绩,可以对存在潜在挂科风险的学生提出学业警示;对教师改进教学方法、优选教学手段、优化教学过程、提高教学质量提供帮助;同时协助学校开展教学管理进而预防教学事故的发生。实验结果表明,该方法能较准确地预测学生的课程成绩,具有一定的有效性和实用性。

摘要： 随着数据挖掘技术在教育领域的深入应用,使得成绩预测成为改进教学质量的重要手段之一。对学生进行成绩预测,可以督促学生提高学习效率以及鞭策教师改进教学质量,更好地完善教学,达到最佳效果。但在目前研究中,虽然对成绩预测应用已十分广泛,但是多是基于学生全部成绩对某门课程成绩的预测,忽略了成绩预测的时效性。因此提出基于多元线性回归方法构建一年级成绩预测毕业成绩的预测模型。以某学校计算机应用专业的学生课程成绩为研究对象,构建相应的多元线性回归预测模型。通过大量实验以及检验证明,利用一年级成绩预测毕业成绩可行,并且构建的成绩预测模型具有极高的预测精度,可以为改进教学方案提供参考信息,有助于提高学校的教学质量和学生的学习效果。

摘要： 随着高等教育规模的扩大和改革的深入,需要采用智能化技术来提升高校的教学质量管理效率。针对教学成绩统计分析困难、难以动态掌握学生的学习状态、难以精准预测成绩来评估教学质量的问题,文中基于大数据技术,以某高校428名学生的4个学期的成绩为样本分析了成绩分布特征和学生的学习状态。结合学生的身体情况、情绪波动数据,利用遗传算法结合BP神经网络搭建了一套成绩数值预测模型,使用样本数据对模型进行训练。最终得到预测的成绩、预测数值与实际成绩进行对比的结果表明,该模型预测数据的误差处于较为理想的范围内,且具有较高的精度。

摘要： 教育数据挖掘是计算机科学中一个重要的研究内容,有助于预测学生成绩。传统的预测方法分析特征过于单一,没有考虑到同一特征对于学生学习不同科目的影响程度不同和科目之间的相关性。基于此,笔者讨论了同一特征对不同科目的影响程度,分别预测不同科目的学生成绩,对学生成绩进行多维分析。实验选取一个学习管理系统的公开数据集,采用XGBoost算法对数据展开预测及分析。研究结果显示,同一个特征对不同科目成绩的影响程度是不同的,但在同一个学科类别中,同一个特征对不同科目的影响程度是相似的。

摘要： 基于sigmoid激活函数,建立了一种BP神经网络模型。通过对某高中2006年至2015年间的高考平均数据样本进行学习,修正了权值和阈值。系统最大相对误差为0.22%,关联度为0.6667,小误差概率为0.98,方差比为0.0002,预测结果精度为高。用于2016年至2020年间该校高考平均成绩的预测中发现,预测结果与实际结果的最大绝对误差仅为2分。对该校2021年的高考平均成绩进行了预测,最终预测结果为571分。

摘要： 推荐系统是数据挖掘中强有力的技术,异构信息网络是推荐系统起步晚却发展迅猛的主流推荐方法。提出了基于异构信息网络的学生成绩预测与预警模型,该方法通过元路径计算得到学生间相似度矩阵,利用相似度矩阵构造成绩变化趋势矩阵和幅度矩阵,投票得到学生成绩预警与预测结果;最后,在公开数据集上验证所提模型的有效性,结果表明,该模型能够对学生成绩进行预警,并能在一定阈值下预测学生成绩具体分值。

摘要： 针对目前缺乏有效预测大学生体质健康状况手段的问题,本文提出一种基于深度学习的大学生体质监测成绩预测方法。该方法借助目前热门的人工智能深度学习技术,设计了一种深度全连接神经网络模型,以甘肃某高校近三年来新入学学生体质监测数据作为训练和测试数据集,对深度全连接神经网络模型进行了训练和测试。结果表明,该神经网络模型对预测大学生50米跑和立定跳远等体质监测成绩有较高的精准度,准确率高于传统的多元线性回归方法,并且可有效的避免在操场实施体质监测过程中的一些弊端,对提前了解学生的体质健康状况及合理安排体育锻炼具有一定的实践参考价值。

摘要： 本研究针对大学中大班型课堂教学活动中学生的座位偏好与学生成绩相关性问题开展研究。通过统计163名学生在课堂中的座位位置,并对这些学生26门课程成绩均值做方差分析和相关分析,结果表明:学生对特定区域的座位表现出一定的喜好与选择倾向;坐在教室后部的学生总成绩均值要低于坐在教室前部的学生;不及格科目多的学生多位于教室的后三排。随着课程门数增加,座位位置与课程成绩相关性增大。说明大学中大班型课堂中学生座位位置与学生成绩具良好的相关性。

摘要： 为了协助教师改善教学效果,提高教学质量,选取计算机应用基础课程的在线学习成绩为基础数据,经过数据获取、数据预处理、模型构建并进行数据预测等步骤,运用Logistic回归、K最近邻分类算法、分类决策树、朴素贝叶斯、梯度提升分类树、随机森林分类6种经典的机器学习算法分别构建模型,对学生期末成绩进行预测。通过对比真实结果,最后验证LogisticRegression模型最优。运用该模型可对此类课程的学生学业成绩进行预警,进而指导教学的提前重点关注和干预。

摘要： 本文在783条某市“国培计划”参训小学教师学情记录的基础上,通过C4.5算法构建了成绩预测的决策树模型.根据检验,该决策树模型对总成绩分类进行预测的准确率达到了92.69％,有很好的预测效果,可以有效地根据教师部分模块的成绩预测教师总成绩的分布范围.

摘要： 目前的学习分析研究大多基于线上学习数据,而小学生学习行为大多发生在线下,学习数据较少,难以支撑针对小学生的学习分析研究.针对此问题,本文提出将认知游戏作为小学生为对象的学习分析研究的数据来源,并以预测数学成绩为例对认知游戏数据的预测能力进行研究.本文首先分析了与数学成绩最相关的认知能力,选择了7个认知游戏,以杭州市某小学四至六年级195名学生为被试,采集他们在这些认知游戏中的数据,并基于这些数据对其数学学习成绩进行预测.结果表明,基于认知游戏数据的预测模型对小学生数学成绩的预测精度达到77.7％,召回率为96.5％.这一结果表明认知游戏可以作为小学生数学成绩预测的数据来源,同时也为小学阶段其他学科的学习分析研究提供了新的数据来源.

摘要： 学习分析是近年来刚兴起的一个研究领域,迅速得到了研究者们的广泛重视.透过学习行为分析,能帮助学习者有指导性地进行他们的学习方法选择及学习时间分配.另一方面透过学习分析也可为教师和学校等提供有价值的反馈,帮助提高教学的效率与质量.本文对来自edX慕课平台的64万多条学习数据进行学习分析,借助树类模型中常见的熵增益(即信息增益)思想对数据项进行初步筛选,通过反向传播前馈神经网络(BP)对筛选后的数据进行训练并实现学习成绩预测,继而使用遗传算法(GA)推算学习目标达成条件并反馈给学习者.

摘要： 本文采用数据挖掘中的数据分类技术,通过分析网络学历教育中本科层次学生英语学习和其他的相关信息,实现了对其参加英语统考前景的预测.文章还对所构建的模型和相关属性的重要性进行了探讨分析,提出了提高网络教育本科学生英语学习水平和统考通过率的相应策略.

摘要： 根据新课程改革与素质教育的要求,在体育训练中运用信息技术,就体育训练计划、定量负荷安排、预测分析、多媒体的运用等问题进行智能化处理,为建立体育训练的"专家系统"进行了探索性研究,进而达到了体育训练的目的,并为学校体育课余训练工作提供了一定的参考.

摘要： 本文通过分析第1～14届世界田径锦标赛男女标枪前八名成绩,进而了解标枪项目的发展状况;同时对我国标枪运动员在历届世锦赛上的表现进行总结,并对我国标枪项目的发展前景进行分析,为我国备战2015年北京田径锦标赛提供一定的理论支持.最后,运用灰色预测法对第15届世界田径锦标赛男女标枪成绩第一名进行预测.

摘要： 本文通过分析第1～14届世界田径锦标赛男女标枪前八名成绩,进而了解标枪项目的发展状况;同时对我国标枪运动员在历届世锦赛上的表现进行总结,并对我国标枪项目的发展前景进行分析,为我国备战2015年北京田径锦标赛提供一定的理论支持.最后,运用灰色预测法对第15届世界田径锦标赛男女标枪成绩第一名进行预测.

摘要： 本文通过分析第1～14届世界田径锦标赛男女标枪前八名成绩,进而了解标枪项目的发展状况;同时对我国标枪运动员在历届世锦赛上的表现进行总结,并对我国标枪项目的发展前景进行分析,为我国备战2015年北京田径锦标赛提供一定的理论支持.最后,运用灰色预测法对第15届世界田径锦标赛男女标枪成绩第一名进行预测.

摘要： 本文通过分析第1～14届世界田径锦标赛男女标枪前八名成绩,进而了解标枪项目的发展状况;同时对我国标枪运动员在历届世锦赛上的表现进行总结,并对我国标枪项目的发展前景进行分析,为我国备战2015年北京田径锦标赛提供一定的理论支持.最后,运用灰色预测法对第15届世界田径锦标赛男女标枪成绩第一名进行预测.

摘要： 为了探寻我国与世界女子链球成绩的发展态势,运用数理统计法和灰色预测法等方法,对我国与世界女子链球成绩的发展进行了比较研究.结果显示:从发展趋势线看,我国女子链球成绩和世界成绩发展趋势均呈上升趋势,但我国女子链球成绩发展较世界有较大的差距;近几年的预测值反映出我国链球成绩呈现起伏状态,而世界链球成绩则呈现出持续上升局势;与世界优秀选手相比,我国选手张文秀有一定竞争优势和较大的发展空间.通过改进关键专项技术，提高竞技水平和心理能力，跻身世界女子链球运动技术水平的第一集团的可能性还是比较大的。

摘要： 本发明公开了一种学生综合成绩的多标签预测方法及系统，通过构建多组注意力机制，计算每组过往考试成绩与每组学习行为标签数据之间的注意力权重值，根据注意力权重值计算每组过往考试成绩与多组学习行为标签数据之间的特征向量，直至得到多组特征向量，每一组特征向量充分体现出多组学习行为标签与一组过往考试成绩之间的关联关系，实现了过往考试成绩与学习行为标签数据之间关键信息的互补；融合后的特征向量中充分考虑了不同的学习行为标签对于下次学生考试成绩的作用程度和不同过往考试成绩对学生下次考试成绩的作用程度，最后将融合后的特征向量输入至已经训练完成的BP神经网络中，提升BP神经网络预测学生考试成绩的准确度和合理性。

摘要： 本申请公开了成绩预测方法、成绩预测模型训练方法、装置及电子设备，涉及深度学习领域。成绩预测方法的具体实现方案为：确定待预测队伍的队伍信息和过往成绩信息；将所述待预测队伍的队伍信息和过往成绩信息输入预先训练的成绩预测模型；获取所述成绩预测模型输出的待预测队伍的预测成绩。通过上述方案，一方面，将队伍的队伍信息和过往成绩信息联合起来作为成绩预测的参考，可以提高预测的准确度。另一方面，由于成绩预测模型是一个整体模型，在训练时对整体模型训练，使得最终训练好的输出成绩预测结果与现实情况更为接近。

摘要： 本发明公开了一种基于大数据的英语成绩预测方法，包括：由服务器生成第一问卷，用户终端将针对第一问卷的第一答案发送给服务器，服务器基于第一答案得到用户的听力能力参数、阅读能力参数以及翻译能力参数；由服务器生成第二问卷，用户终端将针对第二问卷的第二答案发送给服务器，进而得到用户的词汇能力参数、语法能力参数以及语篇知识能力参数；由服务器生成第三问卷，用户终端将针对第三问卷的第三答案发送给服务器，进而得到用户的学习动机参数、学习兴趣参数以及跨文化交流能力参数；由服务器生成交互问答测试，用户终端将针对交互问答测试的交互问答测试答案发送给服务器，服务器基于各个参数以及口语能力参数对用户的成绩进行预测。

摘要： 本发明公开了基于行为特征的大学生成绩预测方法、装置、设备及存储介质，属于成绩预测领域。与现有算法相比，本发明采用的数据表示方法和行为特征提取方法能够提取更有效的行为特征。具体表现为，在第一学期成绩预测场景下，本发明提出的算法相比于现有算法在预测精度上有较大优势，其中不及格预测任务中，本发明的F1‑measure为0.5051，经典的机器学习算法中精度最高的GBDT算法取得的F1‑measure为0.4849，综合成绩预测任务中，本发明取得的R2为0.2734，经典机器学习算法中精度最高的随机森林算法取得的R2为0.2532。

摘要： 本发明涉及一种基于改进长短期记忆神经网络的网球运动员成绩预测方法。该方法包括以下步骤：步骤1，采集网球运动员相关特征指标；步骤2，将步骤1所采集具有不同量纲和量纲单位的数据进行归一化处理；步骤3，设计改进的长短期记忆神经网络网球运动员成绩预测模型；步骤4：训练改进的长短期记忆神经网络网球运动员成绩预测模型；步骤5：根据历史信息数据在预测阶段动态调整权重系数；步骤6，把设计完成的基于改进长短期记忆神经网络网球运动员成绩预测模型进行实际应用。本发明在长短期神经网络输出门的基础上，通过样本特征权重，将输入门连接至输出门，可令网络模型学到长时期的历史信息，增强网络的预测精度和鲁棒性，实现网球运动员的成绩预测。

摘要： 本申请公开了一种学生成绩的预测方法、系统、计算机设备及存储介质。该方法通过获取学生数据；对所述学生数据进行PCA降维处理，得到降维后的主分量的学生数据收集表；所述学生数据收集表中包括多种和学生相关的属性值；对所述学生数据收集表中的各个属性值进行正交编码，得到第一特征数据，将所述第一特征数据输入到训练好的成绩预测模型中进行预测，得到所述学生数据对应的学生成绩预测结果。该方法可解决现有模型的复杂度过高，且容易导致模型出现过拟合，使得最终得到的预测结果准确度偏低的技术问题，基于该方法可以得出较为准确的学生成绩预测结果，有利于更好地指导教学工作的进行。本申请可广泛应用于人工智能技术领域内。

摘要： 本发明涉及一种基于深度学习的高校专业课程成绩预测方法，包括以下步骤：选取需要预测成绩的课程作为后继课程，根据学生成绩历史数据，获取后继课程与前导课程集的关联支撑度；选取与后继课程关联支撑度最大的前导课程集，建立后继课程成绩预测神经网络模型；训练后继课程成绩预测神经网络模型，得到最终训练模型；将前导课程集的成绩输入至最终训练模型，得到后继课程预测成绩。与现有技术相比，本发明具有预测结果准确等优点。

摘要： 本发明公开了一种基于大数据的学生成绩预测方法，包括：获取各年级学生的成绩数据；对所述成绩数据进行预处理；将经过预处理的成绩数据划分为训练集和测试集；根据LightGBM和Hyperopt算法构建初始学生成绩预测模型；根据所述训练集和测试集分别对所述初始学生成绩预测模型进行训练和测试，进而获得最终学生成绩预测模型；根据所述最终学生成绩预测模型对学生的成绩进行预测。本发明还公开了一种基于大数据的学生成绩预测系统、计算机设备及可读存储介质。采用本发明，能够融合多维数据并提高数据的可利用价值，且能够提高学生成绩的预测精度。

摘要： 本发明提出了一种基于PCANet‑BiGRU的成绩预测方法，利用从在线学习平台采集的学生的基本统计数据和成绩数据；对原始成绩数据划分为分成独立的三部分：训练集、验证集和测试集，并对训练集进行数据清洗与预处理，构建数据矩阵；将矩阵数据输入主成分分析网络PCANet网络提取成绩数据的特征；将PCANet处理后的数据输入到双向门控循环单元神经网络Bi‑GRU层，预测学生的平时成绩，本发明有效地提高了成绩预测的准确度与效率。

摘要： 本发明公开了一种结合知识追踪和序列标注模型的成绩预测方法。涉及学生成绩预测领域。对某一个学科的考试试卷，使用学习者历史考试信息训练知识追踪模型，将知识追踪的结果作为序列标注模型的部分特征输入，预测当前试卷成绩。本发明主要包含以下步骤：数据预处理，知识追踪模型训练，序列标注模型与成绩预测。利用本发明可以构建一种适合考试场景下的成绩预测方法。