基于BP神经网络的高校学生成绩预警方法的研究

许碧雅

摘要：大学生的学习成绩与其学习行为具有相关性，通过学生的学习行为预测学生未来成绩，对提高教学质量有重大意义。“互联网+教育”教育模式的推广，更多教师借助在线教学平台辅助教学。通过借助超星在线教育平台获取学生的学习行为相关数据，构建基于BP神经网络的高校学生成绩预测模型，对学生期末考试成绩预测，实验证明该方法能有效地对学生成绩进行预测。

关键词：BP神经网络;成绩预测;模型;学习行为

中图分类号：TP393      文献标识码：A

文章编号：1009-3044（2021）21-0007-02

开放科学（资源服务）标识码（OSID）：

Research on Early Warning Methods of College Students Achievements Based on BP Neural Network

XU Bi-ya

（Faculty of  Megadata and Computing of Guangdong Baiyun University， Guangzhou 510400， China）

Abstract：The academic performance of college students is related to their learning behavior. Predicting students' future performance through students' learning behavior is of great significance to improving the quality of teaching.With the promotion of the "Internet + Education" education model， more teachers rely on online teaching platforms to assist in teaching. Uses Chaoxing online education platform to obtain student learning behavior related data， builds a BP neural network-based college student performance prediction model， and evaluates students' final exams.Performance prediction. Experiments show that this method can effectively predict student performance.

Key words： BP neural network; performance prediction; model; learning behavior

1 前言

學生个体差异不同，学习效果也会存在很大差异，如果能根据学生平时的学习行为预测出学生的未来成绩，即可根据预测的结果对学生的学习进行正确的引导，提高教学的质量。“互联网+教育”教学模式的推广逐渐改变高校传统的课堂教学，2020年新冠肺炎疫情的出现，导致学校教育进入“停滞期”，在教育部停课不停教，停课不停学的倡导下，在线教育走向了教学的第一线。其中以超星平台为代表的在线教育平台进入众多高校的课堂，为广大教师、学生提供了在线教学、学习的资源和学习支持服务。随着高校正常教学的恢复，更多老师改变以往的教学模式，将在线教育应用到实际的教学中，因此在线教学平台积累了学生大量的学习行为数据。如何对这些行为数据进行有效挖掘，从而实现对学生成绩的预测，是值得研究的问题。

人工神经网络被广泛应用于各种各样的实践中，人工神经网络是以网络拓扑知识为理论基础，模拟人脑的神经系统对复杂信息的处理机制的一种数学模型。人工神经网络有多种模型，其中BP神经网络是一种按误差逆传播算法训练的多层前馈网络，由输入层、隐藏层、输出层3部分构成，通过对输入层到隐含层和隐含层到输出层的权值及阈值的不断修正来完善网络，从而使得输出值和准确值的误差最小。

其被证明在处理分析教育中的大规模数据上具有很好的效果[1] 。本文利用超星教学平台上记录的学生行为数据，构建一种基于神经网络的模型预测学生期末考试成绩，通过学生的预测成绩，优化各个学生的教学方案，提高教学质量。

2 数据获取

2.1 数据采集

超星教学系统是新冠病毒疫情期间广东白云学院引入的线上教学系统，教师通过超星教学系统进行网络授课、发布学习任务、对学生进行阶段测试，学生通过超星教学系统进行学习。超星教学系统在实际教学中产生的客观数据分为三大类：一是记录用户操作系统的数据，如登录、点击、上传数据等;二是用户上传的各种教学资源、如视频、文档等;三是教学运行数据，即基于前两类数据的基础上产生的关于教学过程各个环节产生的教学数据，包括学生的学习视频统计、章节测验成绩、课后作业完成情况等。

本文的实验数据来自第三类教学运行数据，这些数据作为学生期末综合考核的标准，记录了学生的学习行为。本文根据学生的学习行为，将超星教学系统上采集的教学运行数据划分为多个维度，如表1 高校学生成绩评价指标体系所示。

其中，各维度数据获取如下：

考勤：X1=实际到次数/应到课次数x100;在线学习时长：  X2=实际在线学习时长/要求在线学习时长*100;