0 引言
教育数据挖掘旨在从海量的教育数据中发现隐藏在其中的内在联系与规律，为学生学习、教师教学以及教育管理提供一些帮助[1]。学生成绩预测与预警作为教育数据挖掘领域的重要研究分支之一，学生成绩预测与预警能帮助学生完善自我认知，提高自我学习能力，提升学生成绩及教师的教学成果，并且有助于教师对预警学生进行有效的干预和指导，具有重要的研究意义与应用价值。目前，对学生成绩进行预测分析及其成绩关键影响因素挖掘研究已引起国内外学者的关注，如张福生等的基于校园云的高校学生学业监测与预警系统研究[2]，周庆的基于数据挖掘技术的高校学生学业预警分析研究[3]，尹茂竹的基于大数据的高校学生学业成绩预警分析[4]，李梦莹的基于双路注意力机制的学生成绩预测模型[5]。
在已有研究中，大多数学生成绩只是给予在成绩类别上的预测，如好、中、差等[5-8]，少有能给出学生成绩分值的直接预测，而且鲜有学者利用异构信息网络对学生成绩预测与预警进行研究。本文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，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。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003941。
作者信息：
徐小玉
(浙江万里学院 文献与信息中心，浙江 宁波315000)
此内容为AET网站原创，未经授权禁止转载。
