[发明专利]一种基于元学习和支持向量描述的学业预警方法

说明书

本发明公开了一种基于元学习和支持向量描述的学业预警方法，该方法包括：通过元学习建立学业预测主模型；基于支持向量描述建立学业预测辅助模型；获取学生在第一阶段的当前学习行为数据并输入至学业预测主模型，得到第一学业结果；获取学生在第二阶段的当前学习行为数据并输入至学业预测辅助模型，得到第二学业结果；设定学业预警条件，根据第一学业结果和第二学业结果判断学生是否符合学业预警条件，当学生符合学业预警条件时对学生采取相应的预警措施。本申请通过学业预测主模型和学业预测辅助模型判断学生是否存在学业预警的情况，学业预测辅助模型对学业预测主模型进行误差补偿，提高了学业预警的准确率，减少了学业预警报告的片面性。

技术领域

本发明涉及人工智能领域，特别涉及一种基于元学习和支持向量描述的学业预警方法。

背景技术

现今，高校大力推进学分制教学，在给学生更多的选择权和自主权的同时，这种教学制度对学生的学习能力和自我治理能力也提出了更高的要求。高校普遍缺乏系统的学习指导体系，有的学生的学习能力不足、自制力差导致学科挂科、绩点无法达到毕业要求而延迟毕业。并且近年来，各高校中因学业问题而延迟毕业的学生的人数持续增加，如何帮助学生提高其学习能力以完成学业迫在眉睫。

针对上述问题，一些高校开始探索学业预警制度，当学生的学分或绩点异常时及时对学生进行学业预警，以帮助学生顺利的完成学业。学业预警方法的类型较少，最常见的学业预警方法是利用信息技术手段对学生的历史学年的课程数据如绩点进行统计与分析，对学生可能存在的学业困难进行告知和警示，结合学校、家长、学生三方之间的沟通合作以帮助学生顺利完成学业。但这种参考单一数据类型的学业预警方法存在缺陷，其无法真正的反映学生在当前学年的学习情况，譬如有些学生在历史学年存在挂科情况但其在当前学年的学习态度端正，如果仅因为该类学生的历史绩点达到预警要求而对该类型的学生发出学业预警报告，则该学业预警报告可能存在极大地误差，这种学业预警方法的准确率低、单一性高，无法全面地评估学生在当前学年的学习情况。

发明内容

本发明的目的是提供一种基于元学习和支持向量描述的学业预警方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

本发明解决其技术问题的解决方案是：提供一种基于元学习和支持向量描述的学业预警方法，所述方法包括以下步骤：

S100，基于深度神经网络建立学业预测初始模型，获取学生在历史学年的不同学科的历史课程数据，预处理历史课程数据，建立跨任务数据集，根据跨任务数据集对学业预测初始模型进行预训练，得到学业预测基模型；

S200，获取历史课程数据对应的历史学习行为数据，建立单任务数据集，利用单任务数据集对学业预测基模型进行微调训练，得到学业预测主模型；

S300、获取学生在当前学年的第一阶段的当前学习行为数据，将学习行为数据输入至学业预测主模型中，获得该学生的第一学业结果；

其中，所述第一学业结果包括第二时刻对应的未来课程数据，所述第二时刻在所述第一阶段之后；

S400，基于支持向量描述建立学业预测辅助模型，获取学生在当前学年的第二阶段的当前学习行为数据输入至学业预测辅助模型中，得到该学生的第二学业结果；

其中，所述第二学业结果为第二阶段对应的未来学业预警概率，所述第二阶段在所述第一阶段之后、第二时刻之前；

S500，设定学业预警条件，根据第一学业结果和第二学业结果判断该学生是否满足学业预警条件，当该学生满足学业预警条件时，针对该学生进行学业预警。

作为上述技术方案的进一步改进，步骤S100中根据跨任务数据集对学业预测初始模型进行预训练，得到学业预测基模型的步骤具体为：