用于 Top-k 聚焦学业成绩预测的三分支卷积神经网络
机器学习
2021-07-23 v1 计算机与社会
摘要
学业成绩预测旨在利用与学生相关的信息预测其未来的学业表现，这对个性化教学与学业预警等众多教育应用大有裨益。本文通过分析学生的日常行为轨迹来解决该问题，这些轨迹可利用校园一卡通记录进行全面追踪。与以往研究不同，我们提出了一种新颖的三分支 CNN 架构，其配备行向、列向与深度向卷积及注意力操作，分别以端到端方式捕捉学生行为的持续性、规律性与时间分布特征。此外，我们将学业成绩预测视为一个 top-k 排序问题，并引入一种 top-k 聚焦损失以确保识别学业风险学生的准确性。我们在大规模真实数据集上进行了充分实验，结果表明我们的方法大幅优于近期提出的学业成绩预测方法。为便于复现，我们的代码已发布于 https://github.com/ZongJ1111/Academic-Performance-Prediction。
引用
@article{arxiv.2107.10424,
title = {Tri-Branch Convolutional Neural Networks for Top-$k$ Focused Academic Performance Prediction},
author = {Chaoran Cui and Jian Zong and Yuling Ma and Xinhua Wang and Lei Guo and Meng Chen and Yilong Yin},
journal= {arXiv preprint arXiv:2107.10424},
year = {2021}
}