基于图神经网络的数字素养影响因素挖掘模型研究

摘要

在处理复杂、高维且存在强关联性的数字素养影响因素数据时，传统研究方法往往面临捕捉非线性关系与隐性关联的局限。为克服这些不足，本研究创新性地提出了一种基于图神经网络（GNN）的数字素养影响因素挖掘模型。该模型通过构建异质信息图（h,HIG）深度挖掘节点、边、属性的嵌入表示。研究结果表明，该模型预测性能与可解释性均优于主流GNN模型，可有效捕捉影响因素之间复杂、非线性的交互作用。

关键词

图神网络(GNN) / 数字素养 / 异质信息图 / 影响因素挖掘