摘要
本发明属于深度学习和教育数据挖掘技术领域,公开了一种基于学习行为和反思文本的学生学业表现预测方法,本发明提出针对学习者反思文本的表示框架CE‑BERT以获得反思文本表征。通过提取和验证学习行为和反思性文本特征,本研究表明两者都会影响学生的学业成绩预测。本研究发现,在整合这两个特征集后,预测学生学业成绩的准确性得到了进一步的提高。这些发现表明,将学习行为特征与反思性文本特征和两组特征集相结合对于预测学习成绩非常重要,这是在当今混合学习中预测学生学习成绩的重要方法。
技术关键词
文本
学生
BERT模型
信息数据处理终端
教育数据挖掘技术
预测系统
后台业务系统
学习管理系统
事件驱动架构
在线学习平台
集成学习模型
融合特征
计算机设备
有效性
池化技术
处理器
搭建模块
系统为您推荐了相关专利信息
整数规划模型
内容分享平台
娱乐特征
互动特征
情绪特征
转换器模块
风格
三维模型
训练卷积神经网络
预训练模型
知识库构建方法
大语言模型
节点
智能问答方法
文本
驾驶模拟设备
车辆部件
项目
姿态识别模型
识别用户意图