[发明专利]一种基于学习社区对话流的成绩预测方法

说明书

本发明属于学习分析领域，提供一种基于学习社区对话流的成绩预测方法，该方法针对输入的课程下的学习小组的对话流文件，输出该小组中的学习者成绩等级，该方法分为训练和预测两个阶段，训练阶段得到成绩预测模型，预测阶段应用此模型进行成绩预测。本发明在采集在线学习社区中对话流数据的基础上，通过对话流划分算法、对话状态矩阵生成算法和预测模型生成算法，实现对在线学习社区中对话流的分析，以完成自动评估某个学习小组的学习效果并预测该小组中学生成绩等级，以实现教师对个别学生的预测与干预。

技术领域

本发明属于学习分析领域，具体涉及一种基于学习社区对话流的成绩预测方法。

背景技术

目前，针对学习社区对话流分析的典型工作有：第一，Scholand将基于语言分析的发言者关系评估与社会网络处理框架结合起来，以预测潜在的结构关系并描述群组之间的交互模式。通过选择性地提取、组合和处理不同发言者的心理、社会和情感语言标记，可以在组内和组间建立丰富的映射关系，使得管理组织变化、组织设计和组织间关系等困难的任务更容易。第二，Dowell以语言和对话为工具，研究了学业表现和社会中心性两者之间的联系，主要探讨了话语特征在多大程度上诊断性地揭示了学习者在MOOC中相互作用时的表现和社会地位。

目前，针对学生成绩预测的典型工作有：第一，将机器学习中的分类方法，如神经网络、贝叶斯方法和SVM等方法应用于学习成绩预测领域。第二，根据使用的预测数据形式和预测背景设计相应的概率模型进行成绩预测。

上述现有技术存在的主要缺点有如下3点：

1.目前针对学习社区对话流分析的工作主要是将对话分析技术和社会网络技术相结合，进行各类的推理应用，但该项研究与应用还未有工作利用对话分析直接进行学生(群体)的效果评估与成绩预测。

2.由于学生对话分析比较复杂，目前针对学生成绩预测工作的研究与应用忽略了对话因素或是仅将其作为非重要因素考虑，这种处理将严重影响学生学习情况分析和学习成绩预测工作。

3.现有成绩预测系统在具体应用中比较成功，但这类系统同时也比较脆弱，一旦环境发生改变，该类系统就表现出适应性差的问题，这会造成程序方面需要做大量的修改。

发明内容

本发明的目的就是为了克服上述现有技术中的不足，提供一种基于学习社区对话流的成绩预测方法，本发明在采集在线学习社区中对话流数据(下称对话流)的基础上，通过对话流划分算法、对话状态矩阵生成算法和预测模型生成算法，实现对在线学习社区中对话流的分析，以完成自动评估某个学习小组的学习效果并预测该小组中学生成绩等级(如：优秀/中上/中等/中下/差等)，以实现教师对个别学生的预测与干预(如个别辅导)。

本方法涉及的主要相关技术有以下5点：

1.文本挖掘：也称为文本数据挖掘，是从文本中获取高质量信息的过程。

2.词嵌入：将词汇中的单词或短语映射到实数向量。目前主要有基于神经网络、基于词共现矩阵、基于概率和基于词语上下文的词嵌入方法。

3.文本聚类：对文本进行聚类分析的方法。通常用于自动文档组织、主题提取和快速信息检索或过滤等领域。目前主要有基于密度、基于网格和基于模型的文本聚类方法。

4.主题模型：是一种用于在文档集合中发现抽象“主题”的统计模型，可以挖掘出文本体中隐藏的语义结构。目前主要有潜在Dirichlet分配(LatentDirichletAllocation，简称LDA)模型。

5.深度循环神经网络：是一类人造神经网络，其中单元之间的连接形成定向循环，这允许它能够更好地处理动态时间行为序列。目前主要有长短期记忆(Long Short-TermMemory，简称LSTM)网络。

6.学习分析：学习分析学是以理解和优化学习及学习发生之环境为目的，所进行的有关学习者及其环境的数据之测量、采集、分析和报告。