用于预测大学生学业成绩的卷积神经网络与人工智能技术

《Scientific Reports》：Convolutional neural network and AI technology for colleges and universities students’ achievement performance prediction

　　

摘要

随着对教育数据挖掘需求的不断增长，利用先进算法解决教育实践中的难题仍然是一项复杂任务。其中存在的问题包括教育数据的异质性、难以量化学生的认知与行为特征、缺乏有效的多模态数据融合方法，以及传统模型在小样本环境下的泛化能力有限。本研究探讨了人工智能技术，尤其是卷积神经网络，在预测大学生学业表现方面的应用，以此优化资源分配并提升学习效果。该研究使用包含学生人口统计信息、学业记录及学习行为的数据集，并通过全面的预处理确保数据质量。实验结果表明，所提出的模型具有90.7%的预测准确率、86.4%的精确度、85.2%的召回率以及86.1%的F1分数。在500名学生的测试组中，该模型预测的平均分为82.5分，中位数为83分。这些研究结果证明了将人工智能融入教育系统以实现精准的性能预测和个性化学习的可行性，为未来的研究和实际应用奠定了坚实基础。