一种基于人工智能的学生成绩预测方法及系统

专利主权项内容

1.一种基于人工智能的学生成绩预测方法，其特征在于：该方法包括以下步骤：步骤S1：数据收集；步骤S2：认知参数集构建；步骤S3：学习表现预测；步骤S4：模型可解释性优化；步骤S5：学生成绩预测；在步骤S1中，所述数据收集，用于收集学生成绩预测所需的原始数据集，具体为从智能教学系统中，通过数据采集，得到学生成绩预测原始数据；在步骤S2中，所述认知参数集构建，用于初始化学生成绩预测所需的参数数据集，具体为依据所述学生成绩预测原始数据，构建得到多通道认知参数集，所述多通道认知参数集，具体包括学习资源参数集和学生本体参数集；在步骤S3中，所述学习表现预测，用于采用人工智能方法进行学生的学习表现基本情况预测，具体为依据所述多通道认知参数集，采用结合深浅学习特征融合的深度卷积神经网络进行学习表现预测，得到学习表现预测数据；所述结合深浅学习特征融合的深度卷积神经网络，具体包括学生本体表示子网、学习资源表示子网、学习资源响应模拟子网、深浅学习特征融合子网和学习表现预测基本卷积子网；在步骤S4中，所述模型可解释性优化，用于对学生表现预测模型的可解释性进行优化，具体为通过可解释性增强方法对所述学生表现预测模型Model，进行可解释性增强，得到优化学生表现预测模型Model；PPBP所述结合双向特征金字塔网络的高效B4提取网络，具体包括高效B4提取网络子块、双向特征金字塔网络子块和框类预测子块；在步骤S5中，所述学生成绩预测，用于进行学生成绩预测，具体为采用所述化学生表现预测模型Model，依据所述学生成绩预测原始数据，进行学生成绩预测，得到学生预测成绩数据。BP。关注公众号