基于课程与学生特定模型的成绩预测
计算机与社会
2019-06-04 v1
摘要
准确估计学生未来课程的成绩十分重要，因为它可以为下学期课程的选择提供信息，并创建个性化学位路径以促进成功且及时的毕业。本文提出了基于稀疏线性模型和针对每门课程或学生-课程元组特定的低秩矩阵分解的未来课程成绩预测方法。这些方法在逐课程的基础上识别先验课程的预测子集，并更好地解决学生-课程历史成绩数据非随机缺失性质所带来的问题。这些方法在明尼苏达大学提供的数据集上进行了评估。该评估表明，课程特定模型优于各种竞争方案，最佳方案在不同课程上的 RMSE 为 0.632，而最佳竞争方法为 0.661。
引用
@article{arxiv.1906.00792,
title = {Grade prediction with course and student specific models},
author = {Agoritsa Polyzou and George Karypis},
journal= {arXiv preprint arXiv:1906.00792},
year = {2019}
}
备注
12 pages, 3 figures, 20th Pacific Asia Conference on Knowledge Discovery and Data Mining (PAKDD), 2016