• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    大學基礎(chǔ)課課程成績加權(quán)投票預(yù)測模型研究

    2020-03-03 13:20陳佳明駱力明宋潔
    現(xiàn)代電子技術(shù) 2020年1期
    關(guān)鍵詞:模型構(gòu)建

    陳佳明 駱力明 宋潔

    摘 ?要: 針對教育領(lǐng)域特定應(yīng)用場景,利用數(shù)據(jù)挖掘技術(shù)處理教育數(shù)據(jù)是目前熱點研究問題之一。課程成績預(yù)測指對一門課程學生的期末成績進行預(yù)測,其關(guān)鍵問題是通過選取合適的學生特征和確定最優(yōu)的預(yù)測算法來構(gòu)建預(yù)測準確率高的模型。針對大學基礎(chǔ)課的特點,從主客觀兩方面選擇特征,對比了4個效果最優(yōu)的課程成績預(yù)測分類算法,以準確率較高的算法構(gòu)成加權(quán)投票集成算法,發(fā)現(xiàn)加權(quán)投票集成算法的預(yù)測準確率和AP值最高,為利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)課程成績預(yù)測提供了一種有效的方法。

    關(guān)鍵詞: 成績預(yù)測模型; 教育數(shù)據(jù)挖掘; 加權(quán)投票集成算法; 模型構(gòu)建; 大學基礎(chǔ)課; 分類算法

    中圖分類號: TN911.1?34; TP391 ? ? ? ? ? ? ? ? ? 文獻標識碼: A ? ? ? ? ? ? ? ? ? ?文章編號: 1004?373X(2020)01?0093?06

    Course performance weighted voting prediction model of college fundamental courses

    CHEN Jiaming, LUO Liming, SONG Jie

    Abstract: To process the educational data from specific application scenario in education field by data mining technology is one of the popular research projects. Course performance prediction refers to the prediction of final performance of students in a curriculum, whose key issue is to build a high?accuracy model by selecting proper student features and determining optimal prediction algorithm. The features are selected from both subjective and objective aspects according to features of university basic courses. Four optimal classification algorithms of curriculum performance prediction are compared and the weighted voting integrated algorithm is constituted with the algorithms with higher accuracy. The weighted voting integrated algorithm can reach the best accuracy and AP value, which provides an effective method for realization of curriculum performance prediction by utilizing data mining technology.

    Keywords: performance prediction model; educational data mining; weighted voting integrated algorithm; model construction; college elementary course; classification algorithm

    0 ?引 ?言

    教育數(shù)據(jù)挖掘(Educational Data Mining,EDM)是近年來熱門的數(shù)據(jù)挖掘研究領(lǐng)域之一,可以為教師提供用于評估的信息,為教師設(shè)計與調(diào)整教學環(huán)境和方法的決策提供教學基礎(chǔ)[1]。學生成績預(yù)測是教育數(shù)據(jù)挖掘領(lǐng)域的重點研究課題之一[2]。學生成績的預(yù)測分為總體學業(yè)預(yù)測和課程成績預(yù)測兩類。其中,總體學業(yè)預(yù)測是對一個持續(xù)時間較長的教學過程(如某一學年或本科四年)中大學生整體的學習情況進行觀察,預(yù)測大學生學年末或畢業(yè)時的學業(yè)表現(xiàn)。例如,文獻[3]以巴基斯坦某信息技術(shù)專業(yè)學生大學四年的課程成績作為輸入,預(yù)測學生畢業(yè)設(shè)計的成績。課程成績預(yù)測比總體學業(yè)預(yù)測更有針對性,是指對一門課程(在線課程或者課堂教學)學生的期末成績進行預(yù)測。預(yù)測結(jié)果可以輔助教師對學生進行個性化指導(dǎo),從而為學習能力較強的學生提供更豐富的知識和技能培養(yǎng),為學習效果不理想的學生給予更多有針對性的幫助,也可以幫助學生減少學業(yè)壓力[4]。

    課程成績預(yù)測的主要研究問題為輸入特征和算法的選擇,即針對特定的學習情境指定相關(guān)的影響因素作為特征,并使用適合的算法構(gòu)建最優(yōu)的預(yù)測模型對成績進行預(yù)測。特征主要分為兩類,即學習能力水平和課堂參與度。常用的預(yù)測算法包括多元線性回歸、支持向量機、神經(jīng)網(wǎng)絡(luò)和邏輯回歸等。例如,文獻[5]將績點、前導(dǎo)課成績和平時作業(yè)成績作為特征,比較多元線性回歸、神經(jīng)網(wǎng)絡(luò)和支持向量機等回歸算法預(yù)測物理力學課學生的成績,發(fā)現(xiàn)支持向量機算法的準確率最高為87.5%;文獻[6]利用邏輯回歸及其改進的兩種遷移學習算法,以學生每周慕課視頻觀看進度、每周作業(yè)完成進度和每周作業(yè)成績作為特征,預(yù)測慕課學生是否通過,發(fā)現(xiàn)遷移學習算法LR?SIM準確率更高更穩(wěn)定。文獻[7]應(yīng)用數(shù)據(jù)挖掘方法構(gòu)建自適應(yīng)第二外語在線學習系統(tǒng),以中國臺灣地區(qū)70名大學生的性別、個性和焦慮程度作為特征,預(yù)測其在線英語課的課程成績,發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測效果更好。

    從上述研究可以總結(jié)出,不同情境適用的特征和最優(yōu)算法不同,因此課程成績預(yù)測需要根據(jù)課程特點來選擇特征,并對多種算法進行對比實驗,構(gòu)建出最優(yōu)模型。為了全面地反映學生的學習情況,大學基礎(chǔ)課的課程成績預(yù)測需要從主觀和客觀兩方面來選擇特征。本文根據(jù)大學基礎(chǔ)課的特點,選擇績點、相關(guān)前導(dǎo)課成績、平時作業(yè)成績和提問次數(shù)作為客觀特征,選擇個人興趣作為主觀特征,實現(xiàn)并對比課程成績預(yù)測中常用且被驗證效果較好的支持向量機(分為高斯核函數(shù)算法和多項式核函數(shù)算法兩種)、BP神經(jīng)網(wǎng)絡(luò)和邏輯回歸等算法。并引入加權(quán)投票機制,將預(yù)測準確率較高的高斯核函數(shù)支持向量機和BP神經(jīng)網(wǎng)絡(luò)算法進行集成,發(fā)現(xiàn)加權(quán)投票集成算法的預(yù)測準確率和平均查準率(Average Precision,AP) 最高。利用預(yù)測效果最佳的加權(quán)投票集成算法,本文構(gòu)建了大學基礎(chǔ)課的課程成績預(yù)測模型,為教師開展個性化教學提供了參考,為大學基礎(chǔ)課的課程成績預(yù)測提供了一個有效的方法。

    1 ?特征選取與模型構(gòu)建

    1.1 ?特征選取

    影響大學基礎(chǔ)課課程成績的因素體現(xiàn)在客觀和主觀兩個方面。依據(jù)文獻[8]提出的模型,影響學生課程成績的因素主要分為三個方面:過往學習能力、課程表現(xiàn)和對課程的主觀態(tài)度。其中,學生的過往學習能力和課程表現(xiàn)屬于客觀因素,可通過客觀記錄的數(shù)據(jù)進行分析,對課程成績起到了主要影響[6];學生對課程的主觀態(tài)度屬于主觀因素,可通過問卷調(diào)研獲取并分析,對課程成績起到了次要影響[9?10]。因此,為了全面反映大學基礎(chǔ)課學生的特征,準確預(yù)測大學基礎(chǔ)課學生的課程成績,本文從主觀和客觀兩方面選擇特征并進行分析。

    1.1.1 ?客觀因素

    客觀因素中,體現(xiàn)過往學習能力的因素有績點、相關(guān)前導(dǎo)課成績和學歷等因素,體現(xiàn)課程表現(xiàn)的因素有提問次數(shù)、平時成績和課堂活動參與度等因素。文獻[5]通過對比驗證了采用績點、相關(guān)前導(dǎo)課成績和平時作業(yè)成績作為特征可以更好地預(yù)測大學基礎(chǔ)課成績。文獻[11]分析了提問次數(shù)作為深入探究的表現(xiàn)對學生成績的影響。在大學基礎(chǔ)課中,績點反映了學生在學習新課程之前已經(jīng)具備的綜合學習能力,對學生學習一門新的課程會產(chǎn)生較大的影響。相關(guān)前導(dǎo)課成績反映了學生前導(dǎo)知識掌握情況,對新課程的成績有較強的影響[12],且時間相近的前導(dǎo)課成績可以更準確地反映學生的前導(dǎo)知識水平[5]。平時作業(yè)成績重點體現(xiàn)學生學習新課程的情況。提問次數(shù)反映了學生參與課程相關(guān)的深入探討的頻次及學生的學習積極性,對知識的理解程度具有較大影響。結(jié)合文獻[8]的學生課程成績模型和對大學基礎(chǔ)課影響因素的分析,本文選取績點、相關(guān)前導(dǎo)課成績、平時作業(yè)成績和提問次數(shù)作為大學基礎(chǔ)課成績預(yù)測的客觀特征,如表1所示。

    1.1.2 ?主觀因素

    主觀因素中,體現(xiàn)學生對課程主觀態(tài)度的因素主要有學習興趣、自我效能感和學習動機等。文獻[13]驗證了學習興趣對大學課程成績具有較強影響。在大學基礎(chǔ)課中,學習興趣影響學生學習的主動性,主要分為個人興趣和情境興趣兩類。與情境興趣相比,個人興趣作為學生在課前對課程內(nèi)容產(chǎn)生的興趣[14],對學生的課堂表現(xiàn)、知識掌握、價值觀和成績均有更強、更長期的影響[15]。因此,本文選取學生的個人興趣作為大學基礎(chǔ)課成績預(yù)測的主觀特征。本文通過量表來測量個人興趣,改編了文獻[16]設(shè)計的初始興趣(Initial Interest,即個人興趣)問卷,設(shè)計出適用于大學基礎(chǔ)課的5分制個人興趣問卷。

    1.2 ?模型構(gòu)建

    結(jié)合所選的主觀和客觀特征進行建模之前,需要確定預(yù)測模型的輸出。課程成績預(yù)測模型的輸出主要分為是否通過課程、百分制分數(shù)和5分制分數(shù)三類。每類預(yù)測結(jié)果都有相應(yīng)的應(yīng)用。其中,5分制分數(shù)主要用于個性化教學。本文的研究目標是為教師開展個性化教學提供參考。因此,本文采用5分制課程成績作為輸出,將學生的百分制課程成績根據(jù)區(qū)間劃分為5個等級,如表2所示。

    對5分制的課程成績進行預(yù)測是一個多分類問題,需要通過分類算法求解。分類算法需要對分類器進行訓練,并對分類器的超參數(shù)進行調(diào)優(yōu)以得到最優(yōu)的模型。本文對課程成績預(yù)測常用的分類算法及其需要調(diào)整的超參數(shù)進行了分析。

    1.2.1 ?課程成績預(yù)測的分類算法

    課程成績預(yù)測常用的分類算法有支持向量機、邏輯回歸和BP神經(jīng)網(wǎng)絡(luò)等。其中,支持向量機算法需要解決如下最優(yōu)化問題[17]:

    [ ? ? ? ?minw,b,ξ12wTw+Ci=1mξis.t. ? ?y(i)(wT?(X(i))+b)>1-ξi,ξi>0] (1)

    式中[C]為懲罰系數(shù)。支持向量機算法根據(jù)采用的核函數(shù)分為多類,其中,多項式核函數(shù)支持向量機的決策函數(shù)為:

    [fk(X)=sgni=1mα(i)y(i)[X*X(i)+b]d] (2)

    式中:[d]為多項式的階;[b]為偏置系數(shù)。

    高斯核函數(shù)支持向量機的決策函數(shù)為:

    [fk(X)=sgni=1mα(i)y(i)exp-γX-X(i)2] (3)

    式(1)~式(3)中:[γ]為構(gòu)造高維特征的參數(shù);[C],[d],[b]是支持向量機算法中需要調(diào)節(jié)的超參數(shù)。邏輯回歸是經(jīng)典的分類算法之一,其損失函數(shù)為:

    [L(w)=i=1mlog(1+exp(-y(i)wTX(i)))+Cw2] (4)

    邏輯回歸需要調(diào)整超參數(shù)[C],在最小化[Lw]的同時提高模型的泛化能力。不同于邏輯回歸,BP神經(jīng)網(wǎng)絡(luò)加入了隱藏層的概念,通過反向傳播算法重復(fù)調(diào)整權(quán)值和閾值來最小化損失函數(shù)的值。常用的BP神經(jīng)網(wǎng)絡(luò)為三層MLP(Multi?Layer Perceptron)[18],需要調(diào)節(jié)隱藏層神經(jīng)元個數(shù)[nhidden]來優(yōu)化效果。

    1.2.2 ?模型分析

    本文將上述課程成績預(yù)測常用的分類算法作為分類器,構(gòu)建學生課程成績預(yù)測模型,如圖1所示。

    模型的輸入為5個特征,輸出為5個成績等級,是一個多變量、多分類模型。鑒于上述分類算法均適用于二分類問題,模型采用OvR方法將二分類問題轉(zhuǎn)換為多分類問題進行求解。模型的分類器如式(5)所示:

    [f(X(i))=Φ(X(i),y(i))] (5)

    式中向量[X(i)]表示第[i]個樣本的特征向量,如表3所示;[Φ]表示決策函數(shù),根據(jù)采用的分類算法決定。向量[y(i)=][[y(i)1,y(i)2,y(i)3,y(i)4,y(i)5]T]表示第[i]個樣本的實際分類結(jié)果,其中,[y(i)k∈{-1,1}k∈{1,2,3,4,5}];[f(X(i))]為模型判定第[i]個樣本的分類結(jié)果,取值為[[f1(X(i)),f2(X(i)),][f3(X(i)),f4(X(i)),f5(X(i))]T],其中,[fk(X(i))∈{-1,1}]且[k∈{1,2,3,4,5}]。

    由于單個分類算法的預(yù)測能力是有限的,為了構(gòu)建準確率更高的模型,本文使用投票法對分類算法進行改進。投票法是一種集成學習方法[19],對多個分類算法的預(yù)測結(jié)果進行投票,將得票最高的結(jié)果作為最終預(yù)測結(jié)果,實現(xiàn)對多個分類算法的權(quán)衡,提高預(yù)測準確率。然而,不同子分類器的預(yù)測準確率不同。如果直接進行投票,則預(yù)測結(jié)果會受到預(yù)測誤差較大的子分類器的影響。為了減弱這種負面影響,本文引入加權(quán)投票機制,將預(yù)測準確率較高的課程成績預(yù)測分類算法進行加權(quán)投票集成,為預(yù)測準確率高的子分類器分配更高的權(quán)值,加強其對最終結(jié)果的影響,進一步提高預(yù)測準確率。預(yù)測準確率定義為:

    [p(f(X(i)),y(i))=1mi=1m1(f(X(i))=y(i))] (6)

    式中[1(x)]為指示函數(shù)。權(quán)值的定義如下:

    [wl=pl(f(X(i)),y(i))l=1Lpl(f(X(i)),y(i))] (7)

    式中:[pl]表示第[l]個子分類器的預(yù)測準確率;[L]為子分類器總個數(shù)。集成后的分類器的預(yù)測結(jié)果概率值為:

    [P=l=1LwlPll] (8)

    式中:[Pl]表示第[l]個分類器預(yù)測結(jié)果的概率,向量[P]中最大值對應(yīng)的類別為集成算法最終的分類結(jié)果。為了驗證加權(quán)投票集成算法的效果,本文結(jié)合所選主觀、客觀特征,分別將上述課程成績預(yù)測常用的算法加權(quán)投票集成算法作為模型的分類器進行模型訓練和調(diào)優(yōu),通過對比選擇最優(yōu)的算法構(gòu)建大學基礎(chǔ)課的課程成績預(yù)測模型。

    2 ?實驗與討論

    2.1 ?數(shù)據(jù)收集與預(yù)處理

    本文結(jié)合上述對特征選取和模型構(gòu)建的分析,以北京某高校大學基礎(chǔ)課面向?qū)ο蟪绦蛟O(shè)計(C++)的54名學生為研究對象,未對學生進行直接干預(yù),通過收集學生的特征和期末成績數(shù)據(jù)進行實驗分析。

    學生的客觀特征通過教務(wù)系統(tǒng)和課程教師統(tǒng)計。其中,績點和相關(guān)前導(dǎo)課成績均采集自學校的教務(wù)系統(tǒng)。相關(guān)前導(dǎo)課成績?yōu)榘俜种疲凕c和平時作業(yè)成績?yōu)?分制。平時作業(yè)成績來源于課程教師的統(tǒng)計結(jié)果。本文采集的平時作業(yè)成績以12次實驗報告的成績?yōu)闇?,統(tǒng)計情況如表4所示。

    提問次數(shù)通過課程教師和助教進行統(tǒng)計。該C++課中學生對教師的提問通過在線社區(qū)Moodle、微信以及實驗報告留言三種方式進行,因此本文統(tǒng)計了微信、Moodle和實驗報告中每個學生提問的次數(shù),以教學周為一個教學階段進行收集,共計12次,統(tǒng)計結(jié)果如表5所示。其中,微信提問來源于學生與助教和教師的微信聊天記錄,Moodle提問來源于學生在Moodle社區(qū)討論區(qū)中的發(fā)帖與回復(fù),實驗報告提問來源于學生平時編程實驗中實驗報告的反思與討論部分。

    主觀特征通過問卷計算得出。學生在課程第一周通過在線填寫的方式完成該問卷。本文共收回54份有效問卷,以學生每道題目打分的均值作為該學生個人興趣分值,其統(tǒng)計結(jié)果如表6所示。

    鑒于分類算法對于特征間數(shù)值的差異較為敏感,因此需要在訓練之前將特征進行歸一化處理以防止某一特征因為數(shù)值較大在模型預(yù)測時占據(jù)主導(dǎo)地位。本文采用均值歸一化的方法進行特征縮放,將特征的數(shù)值映射到區(qū)間[0,1]內(nèi),以便于獲得更有效、可靠的模型。

    2.2 ?模型訓練與參數(shù)調(diào)節(jié)

    本文以Python為編程語言編寫各個算法,在macOS High Sierra環(huán)境中進行模型的訓練和測試。實驗以具有5個特征的648個樣本作為輸入,其中70%的數(shù)據(jù)用作訓練集,其余30%的數(shù)據(jù)用作測試集,以預(yù)測準確率(Accuracy)作為衡量模型效果的指標之一,通過訓練集訓練出模型,利用該模型預(yù)測測試集樣本的分類。實驗在進行模型訓練時利用Grid Search方法,通過10?fold交叉驗證調(diào)節(jié)各個算法的超參數(shù)。各個算法調(diào)參結(jié)果見表7。

    在調(diào)節(jié)超參數(shù)之后,實驗計算了各個算法對5個成績等級預(yù)測準確率的均值,如表8所示。其中,BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測準確率最高,其次是高斯核函數(shù)支持向量機算法,二者均達到90%以上的預(yù)測準確率;而多項式核函數(shù)支持向量機和邏輯回歸的預(yù)測準確率較低。

    本文選擇預(yù)測準確率較高的高斯核函數(shù)支持向量機算法和BP神經(jīng)網(wǎng)絡(luò)算法作為加權(quán)投票集成算法的子分類器并計算其預(yù)測準確率,與其他四個模型的預(yù)測準確率進行對比,如圖2所示。

    除了模型的預(yù)測準確率,分類模型常用繪制ROC曲線和PR(Precision?Recall,精確率?召回率)曲線等方法來評估模型的效果。其中,PR曲線更加適合于偏斜性較大(skewed)的樣本[20]。本文的研究對象中成績等級為5的樣本量遠小于其他等級的樣本量,存在偏斜性較大的特點,因此,本文選用PR曲線來評估模型的效果。在PR曲線中,橫軸表示召回率(Recall),縱軸表示精確率(Precision),PR曲線下方的面積為AP(Average Precision)的值。AP的定義如下:

    [AP=01p(r)dr] (9)

    式中:[p]表示精確率;[r]表示召回率。PR曲線越接近右上角,曲線下方的面積(即AP的值)越大,模型的效果就越好。本實驗中5個模型的PR曲線如圖3所示。其中,加權(quán)投票集成算法的PR曲線最接近右上方,AP值最大為0.97,說明加權(quán)投票集成算法模型對于偏斜性較大的樣本的預(yù)測效果要優(yōu)于其他四個模型,更加符合本文研究對象的特征。因此,采用加權(quán)投票集成算法構(gòu)成的模型可以更好地對大學基礎(chǔ)課的課程成績等級進行預(yù)測。

    3 ?結(jié) ?論

    本文針對大學基礎(chǔ)課的特點,從主觀和客觀兩方面選擇特征,以績點、相關(guān)前導(dǎo)課成績、平時作業(yè)成績和提問次數(shù)作為客觀特征,以個人興趣作為主觀特征,將學生成績劃分為5個等級進行課程成績預(yù)測。為了達到更精準的預(yù)測效果并解決大學基礎(chǔ)課因課程開展周期長而導(dǎo)致的樣本量較小與數(shù)據(jù)偏斜性較大的問題,本文以預(yù)測準確率和AP值最高的加權(quán)投票集成算法作為分類器構(gòu)建大學基礎(chǔ)課的課程成績預(yù)測模型。該模型可以從主觀和客觀兩方面特征預(yù)測學生的課程期末成績,從而輔助教師的個性化教學,為教師教學策略和教學環(huán)境的調(diào)整提供參考,同時也可以幫助學生預(yù)估大學基礎(chǔ)課的學習情況。后續(xù)研究會將知識點的掌握情況納入預(yù)測特征,比平時作業(yè)成績更加精確地反映學生的學習情況,并嘗試改進數(shù)據(jù)收集的方式,增加樣本量,并針對小樣本的特點,嘗試對現(xiàn)有算法進行改進并進行更多組對比實驗,從而進一步提高模型的預(yù)測效果。

    注:本文通訊作者為駱力明。

    參考文獻

    [1] ROMERO C, VENTURA S. Educational data mining: a survey from 1995 to 2005 [J]. Expert systems with applications, 2007, 34(1): 135?146.

    [2] PE?A?AYALA A. Educational data mining: a survey and a data mining?based analysis of recent works [J]. Expert systems with applications, 2014, 41(4): 1432?1462.

    [3] ASIF R, MERCERON A, ALI S A, et al. Analyzing undergraduate students′ performance using educational data mining [J]. Computers & education, 2017, 113: 177?194.

    [4] THAI?NGHE N, HORV?TH T, SCHMIDT?THIEME L. Factorization models for forecasting student performance [C]// Proceedings of the 4th International Conference on Educational Data Mining. Eindhoven: EDM, 2011: 11?20.

    [5] HUANG S, FANG N. Predicting student academic performance in an engineering dynamics course: a comparison of four types of predictive mathematical models [J]. Computers & education, 2013, 61: 133?145.

    [6] HE J, BAILEY J, RUBINSTEIN B I P, et al. Identifying at?risk students in massive open online courses [C]// Proceedings of the Twenty?ninth AAAI Conference on Artificial Intelligence. Austin: AAAI, 2015: 1749?1755.

    [7] WANG Y, LIAO H C. Data mining for adaptive learning in a TESL?based e?learning system [J]. Expert systems with applications, 2011, 38(6): 6480?6485.

    [8] PARMENTIER P. La réussite des études universitaires: facteurs structurels et processuels de la performance académique en première année en medicine [D]. Belgium: Université Catholique de Louvain, 1994.

    [9] DE BARBA P G, KENNEDY G E, AINLEY M D. The role of students′ motivation and participation in predicting performance in a MOOC [J]. Journal of computer assisted learning, 2016, 32(3): 218?231.

    [10] BAILEY T H, PHILLIPS L J. The influence of motivation and adaptation on students′ subjective well?being, meaning in life and academic performance [J]. Higher education research & development, 2016, 35(2): 201?216.

    [11] NEWMANN F M, MARKS H M, GAMORAN A. Authentic pedagogy and student performance [J]. American journal of education, 1996, 104(4): 280?312.

    [12] 黃建明.貝葉斯網(wǎng)絡(luò)在學生成績預(yù)測中的應(yīng)用[J].計算機科學,2012,39(11A):280?282.

    [13] PINTRICH P R. The dynamic interplay of student motivation and cognition in the college classroom [J]. Advances in motivation and achievement, 1989, 6: 117?160.

    [14] RENNINGER K A. Individual interest and development: Implications for theory and practice [J]. The role of interest in learning and development, 1992, 26(3/4): 361?395.

    [15] HIDI S. Interest and its contribution as a mental resource for learning [J]. Review of educational research, 1990, 60(4): 549?571.

    [16] HARACKIEWICZ J M, DURIK A M, BARRON K E, et al. The role of achievement goals in the development of interest: reciprocal relations between achievement goals, interest, and performance [J]. Journal of educational psychology, 2008, 100(1): 105.

    [17] CORTES C, VAPNIK V. Support?vector networks [J]. Machine learning, 1995, 20(3): 273?297.

    [18] GALLINARI P, THIRIA S, BADRAN F, et al. On the relations between discriminant analysis and multilayer perceptrons [J]. Neural networks, 1991, 4(3): 349?360.

    [19] DIETTERICH T G. Ensemble methods in machine learning [C]// International workshop on multiple classifier systems. Berlin: Springer, 2000: 1?15.

    [20] DAVIS J, GOADRICH M. The relationship between precision?recall and ROC curves [C]// Proceedings of the 23rd international conference on machine learning. Pittsburgh: ACM, 2006: 233?240.

    作者簡介:陳佳明,男,碩士研究生,主要研究方向為人工智能與教育、數(shù)據(jù)挖掘。

    駱力明,男,教授,碩士研究生導(dǎo)師,主要研究領(lǐng)域為智能教育、軟件系統(tǒng)實現(xiàn)。

    宋 ?潔,女,碩士研究生,主要研究方向為教育技術(shù)。

    猜你喜歡
    模型構(gòu)建
    基于“輕繩、輕彈簧的力學分析”為例探討高中物理解題模型設(shè)計
    社會資本視角下行業(yè)協(xié)會商會能力模型構(gòu)建研究
    虛擬現(xiàn)實技術(shù)在電力培訓中的應(yīng)用
    模型構(gòu)建在高中生物教學中的應(yīng)用
    基于云計算的大學生移動學習模型構(gòu)建
    高中物理解題的模型構(gòu)建
    基層醫(yī)療衛(wèi)生人員崗位勝任力模型構(gòu)建研究
    數(shù)學建模在高數(shù)教學中的應(yīng)用
    數(shù)學建模在高數(shù)教學中的應(yīng)用
    職業(yè)院校在大學生就業(yè)指導(dǎo)工作中的PGSR角色定位模型構(gòu)建
    一二三四中文在线观看免费高清| 中文字幕av电影在线播放| 成年女人在线观看亚洲视频| 欧美精品亚洲一区二区| 春色校园在线视频观看| 欧美日韩视频精品一区| 不卡视频在线观看欧美| 免费黄频网站在线观看国产| 久热久热在线精品观看| 51国产日韩欧美| 一级毛片我不卡| 一二三四中文在线观看免费高清| 亚洲精品乱久久久久久| 亚洲精品亚洲一区二区| 成人亚洲精品一区在线观看| 久久久国产欧美日韩av| 国内精品宾馆在线| 黄色怎么调成土黄色| 中文精品一卡2卡3卡4更新| 婷婷色麻豆天堂久久| 国产毛片在线视频| 久久精品国产a三级三级三级| 99热这里只有是精品在线观看| 国产成人a∨麻豆精品| 日韩av免费高清视频| 蜜臀久久99精品久久宅男| 一级毛片黄色毛片免费观看视频| 国产精品人妻久久久久久| 99热全是精品| 三级国产精品片| 五月天丁香电影| 性色avwww在线观看| 国产综合精华液| 少妇被粗大猛烈的视频| 午夜福利网站1000一区二区三区| 久久av网站| 国产白丝娇喘喷水9色精品| 男女啪啪激烈高潮av片| 看非洲黑人一级黄片| 黑人高潮一二区| 日韩中字成人| 交换朋友夫妻互换小说| 免费看光身美女| 精品人妻在线不人妻| 精品一区二区三卡| 日日啪夜夜爽| 老熟女久久久| 妹子高潮喷水视频| videossex国产| 黑人欧美特级aaaaaa片| 最新中文字幕久久久久| 国产免费福利视频在线观看| 亚洲成人av在线免费| 久久亚洲国产成人精品v| 在线观看人妻少妇| 99热6这里只有精品| 热re99久久国产66热| 国产精品女同一区二区软件| 视频中文字幕在线观看| 午夜久久久在线观看| 18禁裸乳无遮挡动漫免费视频| 亚洲一级一片aⅴ在线观看| 午夜激情福利司机影院| 久久精品国产亚洲网站| 亚洲精品国产色婷婷电影| 精品久久国产蜜桃| 国产一区二区在线观看av| 18禁裸乳无遮挡动漫免费视频| 国产欧美日韩综合在线一区二区| 久久热精品热| 性高湖久久久久久久久免费观看| 久久久精品免费免费高清| 97在线人人人人妻| 99热这里只有精品一区| 自线自在国产av| 嘟嘟电影网在线观看| 亚洲四区av| 国模一区二区三区四区视频| 一二三四中文在线观看免费高清| 成人漫画全彩无遮挡| 久久精品久久精品一区二区三区| 欧美国产精品一级二级三级| 亚洲国产精品专区欧美| 国产一区二区在线观看日韩| 高清黄色对白视频在线免费看| 99视频精品全部免费 在线| 波野结衣二区三区在线| 九草在线视频观看| 大香蕉久久网| 久久女婷五月综合色啪小说| 亚洲精品久久成人aⅴ小说 | 91aial.com中文字幕在线观看| 日本黄大片高清| 亚洲成色77777| 精品人妻熟女毛片av久久网站| 又黄又爽又刺激的免费视频.| 熟妇人妻不卡中文字幕| 狠狠精品人妻久久久久久综合| 少妇熟女欧美另类| 亚洲欧美日韩另类电影网站| 人人妻人人添人人爽欧美一区卜| 精品久久久久久久久av| 精品一区二区免费观看| 国产黄频视频在线观看| 纵有疾风起免费观看全集完整版| 欧美日韩综合久久久久久| 欧美激情 高清一区二区三区| av视频免费观看在线观看| 亚洲国产毛片av蜜桃av| 晚上一个人看的免费电影| 嘟嘟电影网在线观看| 蜜桃国产av成人99| 97精品久久久久久久久久精品| 亚洲四区av| 精品国产国语对白av| 天堂8中文在线网| 精品卡一卡二卡四卡免费| 校园人妻丝袜中文字幕| 国产精品欧美亚洲77777| 国产精品人妻久久久影院| 日韩制服骚丝袜av| 日本av免费视频播放| 婷婷色麻豆天堂久久| 汤姆久久久久久久影院中文字幕| 亚洲av欧美aⅴ国产| 日本黄大片高清| 美女脱内裤让男人舔精品视频| 亚洲精品一二三| 精品人妻在线不人妻| 欧美97在线视频| 亚洲国产精品国产精品| 18禁动态无遮挡网站| 国产免费视频播放在线视频| 国产精品一区二区在线不卡| 99久久综合免费| 亚洲精品456在线播放app| 欧美变态另类bdsm刘玥| 在线天堂最新版资源| 在线亚洲精品国产二区图片欧美 | 国产精品秋霞免费鲁丝片| 视频中文字幕在线观看| 日韩一区二区三区影片| 91成人精品电影| 一个人看视频在线观看www免费| 亚洲国产日韩一区二区| 成年女人在线观看亚洲视频| 国产精品一区二区三区四区免费观看| 大香蕉久久成人网| av一本久久久久| 在现免费观看毛片| 涩涩av久久男人的天堂| 夫妻性生交免费视频一级片| 国产精品无大码| 人人妻人人澡人人看| 国产高清三级在线| 少妇 在线观看| 春色校园在线视频观看| 最近2019中文字幕mv第一页| 久久午夜福利片| 亚洲欧洲精品一区二区精品久久久 | 欧美精品一区二区大全| 国产精品久久久久久久电影| 女性生殖器流出的白浆| 国产成人精品福利久久| 亚洲成色77777| 美女大奶头黄色视频| 男女免费视频国产| 亚洲精品aⅴ在线观看| 纵有疾风起免费观看全集完整版| 91久久精品电影网| 久久久久久久久久久久大奶| 久久久午夜欧美精品| 亚洲精品亚洲一区二区| 久久精品久久久久久噜噜老黄| 国产精品国产三级国产av玫瑰| 日韩三级伦理在线观看| 爱豆传媒免费全集在线观看| 中文精品一卡2卡3卡4更新| 2018国产大陆天天弄谢| 免费av中文字幕在线| 国产精品免费大片| 亚洲欧洲精品一区二区精品久久久 | av在线老鸭窝| 国产在线一区二区三区精| 精品一区二区三卡| 国产又色又爽无遮挡免| 人妻一区二区av| 国产精品.久久久| 国产免费一级a男人的天堂| freevideosex欧美| 亚洲精品日韩av片在线观看| 国产一区二区在线观看日韩| www.色视频.com| 男女高潮啪啪啪动态图| 在线观看国产h片| 国产成人精品婷婷| 99九九线精品视频在线观看视频| 久久精品久久精品一区二区三区| 亚洲欧美一区二区三区国产| 少妇熟女欧美另类| 飞空精品影院首页| 欧美日韩亚洲高清精品| 狠狠精品人妻久久久久久综合| 国产乱人偷精品视频| 黄色欧美视频在线观看| av专区在线播放| 国产探花极品一区二区| 看免费成人av毛片| 色网站视频免费| av网站免费在线观看视频| 久久99蜜桃精品久久| 少妇人妻久久综合中文| 国产精品一区二区在线不卡| 亚洲欧美日韩卡通动漫| 99久久精品国产国产毛片| 秋霞在线观看毛片| 欧美 日韩 精品 国产| 国产一区有黄有色的免费视频| 免费人成在线观看视频色| 人妻制服诱惑在线中文字幕| 国产成人精品在线电影| 亚洲精品aⅴ在线观看| 欧美精品一区二区免费开放| 久久久久久久久大av| 亚洲av电影在线观看一区二区三区| av国产精品久久久久影院| 简卡轻食公司| 晚上一个人看的免费电影| 成人综合一区亚洲| 人妻制服诱惑在线中文字幕| 欧美日韩一区二区视频在线观看视频在线| 男女免费视频国产| 国产精品一国产av| 一本—道久久a久久精品蜜桃钙片| 中文字幕最新亚洲高清| 一区二区三区四区激情视频| 简卡轻食公司| 国产欧美日韩一区二区三区在线 | 七月丁香在线播放| 丰满乱子伦码专区| 久久国产亚洲av麻豆专区| 99久国产av精品国产电影| 国产精品国产三级国产专区5o| 亚洲精品国产av蜜桃| 精品一区二区三卡| 精品人妻熟女毛片av久久网站| 永久网站在线| 国产精品国产三级专区第一集| 少妇丰满av| 制服诱惑二区| 又粗又硬又长又爽又黄的视频| 一区二区三区免费毛片| 中文乱码字字幕精品一区二区三区| 天堂俺去俺来也www色官网| 精品亚洲成a人片在线观看| 少妇的逼水好多| 人人妻人人爽人人添夜夜欢视频| .国产精品久久| 美女xxoo啪啪120秒动态图| 黄色毛片三级朝国网站| 中文乱码字字幕精品一区二区三区| 国产精品一二三区在线看| 国产一区有黄有色的免费视频| 久久久久久久久久成人| 久久99一区二区三区| 在线观看免费日韩欧美大片 | 久热久热在线精品观看| 国产精品蜜桃在线观看| 天天影视国产精品| 欧美+日韩+精品| 九九在线视频观看精品| 草草在线视频免费看| 国产日韩一区二区三区精品不卡 | 亚洲精品国产av蜜桃| 免费少妇av软件| 精品国产一区二区三区久久久樱花| a级毛片在线看网站| 日本wwww免费看| 中文字幕最新亚洲高清| 夜夜骑夜夜射夜夜干| 亚洲精品456在线播放app| av在线老鸭窝| 伦精品一区二区三区| freevideosex欧美| 日本色播在线视频| 有码 亚洲区| 91在线精品国自产拍蜜月| 特大巨黑吊av在线直播| 亚洲久久久国产精品| 成人毛片60女人毛片免费| 亚洲精品日韩在线中文字幕| 亚洲一级一片aⅴ在线观看| 精品少妇久久久久久888优播| 国产精品99久久99久久久不卡 | 亚洲美女搞黄在线观看| 久久精品熟女亚洲av麻豆精品| 国产欧美亚洲国产| 亚洲精品亚洲一区二区| 中国三级夫妇交换| 日本爱情动作片www.在线观看| 最近2019中文字幕mv第一页| 精品亚洲成a人片在线观看| 免费看光身美女| 91国产中文字幕| 国产亚洲最大av| 春色校园在线视频观看| 精品99又大又爽又粗少妇毛片| 国产又色又爽无遮挡免| 久久久久久久久久久久大奶| 2018国产大陆天天弄谢| 国产精品熟女久久久久浪| 黑人巨大精品欧美一区二区蜜桃 | 欧美老熟妇乱子伦牲交| 高清黄色对白视频在线免费看| 3wmmmm亚洲av在线观看| 日韩强制内射视频| 简卡轻食公司| 天天影视国产精品| 国产精品久久久久久久电影| 日韩不卡一区二区三区视频在线| 久久人人爽av亚洲精品天堂| 美女国产高潮福利片在线看| 亚洲美女搞黄在线观看| 久久鲁丝午夜福利片| 伊人亚洲综合成人网| 国产亚洲欧美精品永久| 亚洲欧美中文字幕日韩二区| 日韩电影二区| 边亲边吃奶的免费视频| 亚洲国产精品一区三区| 99久国产av精品国产电影| av黄色大香蕉| 免费看光身美女| av免费观看日本| 在线观看免费高清a一片| 亚洲国产欧美日韩在线播放| 熟女av电影| 日产精品乱码卡一卡2卡三| 制服人妻中文乱码| 美女cb高潮喷水在线观看| 久久精品国产a三级三级三级| 久久久国产精品麻豆| 各种免费的搞黄视频| 亚洲人成网站在线播| 日韩av在线免费看完整版不卡| 久久 成人 亚洲| 一区二区日韩欧美中文字幕 | 边亲边吃奶的免费视频| 亚洲精品久久午夜乱码| 91成人精品电影| 亚洲av中文av极速乱| 日日摸夜夜添夜夜爱| 在线观看一区二区三区激情| 日本与韩国留学比较| 好男人视频免费观看在线| 亚洲av成人精品一区久久| 在线观看免费日韩欧美大片 | 不卡视频在线观看欧美| 成人国语在线视频| 99热6这里只有精品| 成人亚洲精品一区在线观看| 国产精品免费大片| 久久久久久久大尺度免费视频| 亚洲人成77777在线视频| 男女高潮啪啪啪动态图| 九九爱精品视频在线观看| 亚洲精品aⅴ在线观看| 人人妻人人添人人爽欧美一区卜| 亚洲av在线观看美女高潮| 亚洲av欧美aⅴ国产| 免费观看性生交大片5| 免费少妇av软件| 观看av在线不卡| 国产精品久久久久成人av| 久久婷婷青草| 26uuu在线亚洲综合色| 大香蕉97超碰在线| 高清视频免费观看一区二区| 亚洲怡红院男人天堂| 一本久久精品| 少妇猛男粗大的猛烈进出视频| 熟女人妻精品中文字幕| 国产成人freesex在线| 啦啦啦在线观看免费高清www| 久久精品夜色国产| 少妇高潮的动态图| 一边亲一边摸免费视频| 少妇熟女欧美另类| 日韩熟女老妇一区二区性免费视频| 日韩av免费高清视频| 美女视频免费永久观看网站| 纵有疾风起免费观看全集完整版| av国产精品久久久久影院| 成人综合一区亚洲| 国产精品一国产av| 下体分泌物呈黄色| 日韩熟女老妇一区二区性免费视频| 久久久精品94久久精品| 97在线人人人人妻| 最新的欧美精品一区二区| 王馨瑶露胸无遮挡在线观看| 亚洲欧美成人精品一区二区| 美女大奶头黄色视频| 亚洲精品av麻豆狂野| 国产亚洲精品第一综合不卡 | 男女边摸边吃奶| 国产精品久久久久久av不卡| 亚洲丝袜综合中文字幕| 汤姆久久久久久久影院中文字幕| 天美传媒精品一区二区| 新久久久久国产一级毛片| 国产黄频视频在线观看| 国产精品熟女久久久久浪| 久久av网站| 日韩精品有码人妻一区| 欧美xxxx性猛交bbbb| 色网站视频免费| 各种免费的搞黄视频| 国产精品国产三级国产专区5o| 日本免费在线观看一区| 欧美性感艳星| 成人综合一区亚洲| 最新中文字幕久久久久| 秋霞在线观看毛片| av.在线天堂| 人人澡人人妻人| 夜夜爽夜夜爽视频| 免费人妻精品一区二区三区视频| 美女cb高潮喷水在线观看| 高清视频免费观看一区二区| 又粗又硬又长又爽又黄的视频| 成年av动漫网址| av在线观看视频网站免费| 国内精品宾馆在线| 欧美激情极品国产一区二区三区 | 狂野欧美激情性xxxx在线观看| 亚洲av成人精品一区久久| 日本午夜av视频| 欧美日韩av久久| 熟女电影av网| 国精品久久久久久国模美| 久久毛片免费看一区二区三区| 一本—道久久a久久精品蜜桃钙片| 亚洲精品456在线播放app| 国产永久视频网站| 日韩免费高清中文字幕av| 欧美人与善性xxx| 九色成人免费人妻av| 涩涩av久久男人的天堂| 五月伊人婷婷丁香| 大香蕉97超碰在线| 亚洲成色77777| 精品少妇久久久久久888优播| 精品久久久噜噜| 成人综合一区亚洲| 国产综合精华液| 亚洲av不卡在线观看| 女性生殖器流出的白浆| 欧美少妇被猛烈插入视频| 久久精品国产a三级三级三级| 国产精品国产三级专区第一集| 最后的刺客免费高清国语| 熟女av电影| 日韩大片免费观看网站| 在线观看www视频免费| 制服丝袜香蕉在线| av国产精品久久久久影院| 精品人妻在线不人妻| 久久久久久久久大av| 国产精品国产三级国产专区5o| 国产成人freesex在线| 欧美精品国产亚洲| 亚洲精品中文字幕在线视频| 母亲3免费完整高清在线观看 | 天堂俺去俺来也www色官网| 狠狠婷婷综合久久久久久88av| 国产精品女同一区二区软件| 日本91视频免费播放| 91午夜精品亚洲一区二区三区| 久久久国产一区二区| 日本黄色片子视频| 亚洲欧美一区二区三区黑人 | 亚洲,欧美,日韩| 日韩大片免费观看网站| 亚洲av不卡在线观看| 亚洲精品乱码久久久久久按摩| 免费观看性生交大片5| 日韩精品免费视频一区二区三区 | kizo精华| 2018国产大陆天天弄谢| 国产爽快片一区二区三区| 男女边摸边吃奶| 日韩欧美精品免费久久| 国产在线视频一区二区| 精品久久国产蜜桃| 久久精品国产鲁丝片午夜精品| 久久99蜜桃精品久久| 午夜激情av网站| 男的添女的下面高潮视频| 一本一本综合久久| 伦理电影大哥的女人| 亚洲国产av新网站| 99热这里只有是精品在线观看| 久久精品人人爽人人爽视色| 在线观看三级黄色| 欧美 日韩 精品 国产| 成人毛片a级毛片在线播放| 国产精品秋霞免费鲁丝片| 欧美日韩av久久| 亚洲成人av在线免费| 青春草亚洲视频在线观看| 午夜影院在线不卡| 日韩精品有码人妻一区| 少妇人妻精品综合一区二区| 国产免费现黄频在线看| 狂野欧美激情性xxxx在线观看| 18禁观看日本| 男女啪啪激烈高潮av片| 黄色视频在线播放观看不卡| 美女脱内裤让男人舔精品视频| 日韩强制内射视频| 国产色婷婷99| 99热国产这里只有精品6| 国产精品国产三级国产专区5o| 国产成人精品无人区| 日韩 亚洲 欧美在线| 成人毛片a级毛片在线播放| 春色校园在线视频观看| 成人亚洲精品一区在线观看| 丰满乱子伦码专区| 晚上一个人看的免费电影| 成人免费观看视频高清| 国产亚洲午夜精品一区二区久久| 久久精品国产鲁丝片午夜精品| 亚洲色图 男人天堂 中文字幕 | av卡一久久| 看免费成人av毛片| 久久 成人 亚洲| 亚洲成色77777| 丰满少妇做爰视频| 一级毛片黄色毛片免费观看视频| 春色校园在线视频观看| 国产精品久久久久久久电影| 一本久久精品| 永久网站在线| 男人爽女人下面视频在线观看| 欧美精品人与动牲交sv欧美| 午夜激情av网站| 蜜臀久久99精品久久宅男| 超碰97精品在线观看| 91国产中文字幕| 99久久人妻综合| 亚洲综合色惰| 一级毛片aaaaaa免费看小| 大香蕉久久成人网| 免费看av在线观看网站| 婷婷色麻豆天堂久久| 热99国产精品久久久久久7| 国产有黄有色有爽视频| 欧美 亚洲 国产 日韩一| 一个人看视频在线观看www免费| 亚洲国产精品一区三区| 国产探花极品一区二区| 天美传媒精品一区二区| 日韩,欧美,国产一区二区三区| 啦啦啦在线观看免费高清www| 在线观看人妻少妇| 人人妻人人澡人人看| 国产精品久久久久久久久免| 成年人免费黄色播放视频| 丰满少妇做爰视频| 交换朋友夫妻互换小说| 一边摸一边做爽爽视频免费| 日韩伦理黄色片| 国产精品久久久久久久久免| av免费在线看不卡| 另类亚洲欧美激情| 一区二区三区四区激情视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | av不卡在线播放| 亚洲av日韩在线播放| 91精品伊人久久大香线蕉| 亚洲av二区三区四区| 中文字幕av电影在线播放| 黄色一级大片看看| 热99国产精品久久久久久7| 国产黄色免费在线视频| 欧美 日韩 精品 国产| 日韩大片免费观看网站| 免费看不卡的av| 在线观看免费高清a一片| 久久精品人人爽人人爽视色| 插阴视频在线观看视频| 国产免费福利视频在线观看| 99热6这里只有精品| 看非洲黑人一级黄片| 国产高清三级在线| 中文字幕最新亚洲高清| 伦理电影大哥的女人| 国内精品宾馆在线| 亚洲精品,欧美精品| 蜜桃久久精品国产亚洲av| 中文精品一卡2卡3卡4更新| 两个人免费观看高清视频| 日韩强制内射视频| 欧美激情 高清一区二区三区| 国产精品女同一区二区软件| 人妻制服诱惑在线中文字幕| 高清不卡的av网站| 99国产精品免费福利视频| 91久久精品国产一区二区三区| 少妇被粗大的猛进出69影院 | 色网站视频免费| 热99国产精品久久久久久7| 亚洲精品视频女|