一种预测在线开放课程学习者满意度方法、装置和电子设备

本发明涉及一种预测在线开放课程学习者满意度方法、装置和电子设备，该方法利用大规模在线教学与学习平台的虚拟学习环境，结合学习管理系统(LMS)中的学习行为数据，通过MLP和RBF神经网络模型对学生对在线开放课程的满意度进行预测，该模型包括数据采集和处理模块、多层感知器(MLP)模块、径向基函数(RBF)神经网络模块、分类树模块和控制块，数据采集和处理模块用于生成训练和测试数据集，MLP和RBF神经网络模型对学习者的满意度进行预测，MLP模型通过多层感知器结构和不同激活函数进行特征提取，RBF模型利用径向基函数测量输入数据与中心之间的距离实现特征提取，分类树用于判断数据点所属的预测模型，控制块整合来自MLP和RBF神经网络模型的特征，实验结果表明MLP和RBF的结合方案可以同时提升低满意度学习者和高满意度学习者的预测准确率，本发明的方法可应用于各类在线开放课程的学习者满意度预测，帮助教育机构及时了解学生的满意度情况，优化课程设计和教学策略，为在线教育领域的教学改革和优化提供了重要的支撑。