基于 GraphSAGE-GRU 模型的电子信息专业学生学习成绩预测研究

摘要

图神经网络算法(graph sample and aggregate,GraphSAGE)和循环神经网络算法(gated recurrent unit,GRU)能利用图结构信息和时间序列信息克服数据稀疏性和高维性的挑战,提高学习行为分析和预测的准确性。通过黑板(Blackboard)平台收集 2 000 名学生的在线学习时长、作业提交情况和发帖数等学习行为数据,构建了学生学习行为结构,并运用 GRU 模型对学生的学习历史进行时间序列建模,使用 10 折交叉验证对模型超参数进行调优。结果表明:学生在不同课程中的及格率存在差异,GraphSAGE-GRU 模型在预测学生成绩方面表现突出,均方根误差(RMSE)为 0.08,平均绝对误差(MAD)为 0.07,决定系数(R²)达到 0.90,明显优于单独使用 GraphSAGE 或 GRU 模型；而且学习成绩与学生的在线天数、作业完成率和求助老师的次数呈正相关。研究结果为教学管理提供了数据支持和决策依据。

关键词

GraphSAGE / GRU / 学习行为分析 / 成绩预测 / 教学决策支持

参考文献

[1] 常建华, 张秀再. 基于 OBE 理念的实践教学体系构建与实践:以电子信息工程专业为例[J]. 中国大学教学, 2021(Z1):87-92.

[2] 宋晓华. 民办高校电子信息工程专业应用型人才培养途径[J]. 黑龙江科学, 2020, 11(19):64-65.

[3] 牟智佳. 多模态学习分析:学习分析研究新生长点[J]. 电化教育研究, 2020, 41(5):27-32.

[4] 张进良, 魏立鹏, 刘斌. 智能化环境中基于学习分析的学习行为优化研究[J]. 远程教育杂志, 2020, 38(2):69-79.

[5] Liang Xinyi, Xing Hongyan, Gu Wei, et al. Hybrid gaussian network intrusion detection method based on CGAN and E—GraphSAGE[J]. Instrumentation, 2024, 11(2):24-35.

[6] 孙希明, 夏卫国, 王伟, 等. 提高电子信息类专业研究生教育国际化质量和水平的探索与实践[J]. 工业和信息化教育, 2024(8):11-14.

[7] 李杰, 程鸿芳, 张磊. 基于 Stacking 集成学习模型的学生学习成绩预测研究[J]. 科技风, 2024(26):33-35.

[8] 黄春利, 刘桂梅, 姜文君, 等. 基于行为演化的学习模式识别及效果预测方法[J]. 计算机科学, 2024, 51(10):67-78.

[9] Eka M , Mediana A , MiaIka R , et al. Machine learning’s model—agnostic interpretability on the prediction of students’ academic performance in video—conference—assisted online learning during the covid—19 pandemic[J]. Computers and Education:Artificial Intelligence, 2024, 7: 100312.

[10] Ashima K , Rajni M , Aman S , et al. A novel methodology using RNN + LSTM + ML for predicting student’s academic performance[J]. Education and Information Technologies, 2024, 29(11):14365-14401.

[11] 李菲, 曹阳, 顾问. 学生在线学习行为分类融合方法的研究与应用[J]. 电脑与电信, 2023, 1(8):27-31.

[12] 敬容, 杨逸民, 万福成, 等. 基于 GraphSAGE 网络的藏文短文本分类研究[J]. 中文信息学报, 2024, 38(9):58-65.

[13] 刘啸宇, 廖志芳, 谈遂, 等. 基于堆叠 GRU 神经网络的桥梁动应变预测[J]. 计算机工程, 2026, 52(3):441-450.

[14] 牟智佳. MOOCs 环境下学习行为群体特征分析与学习结果预测研究[J]. 中国医学教育技术, 2020, 34(1):1-6.

[15] Krishnan S, Jothi J, Arul A, et al. Automatic disease prediction from human gut metagenomic data using boosting GraphSAGE[J]. BMC Bioinformatics, 2023, 24(1):126.

[16] Zhang Wengang, Li Hongrui, Tang Libin, et al. Displacement prediction of Jiuxianping landslide using gated recurrent unit(GRU)networks[J]. Acta Geotechnica, 2022, 17(4):1367-1382.

[17] 白琳, 陈彦萍, 潘晓英. 电子信息类专业学位研究生“1234”工程实践创新能力培养模式[J]. 计算机教育, 2024(8):14-18.

[18] 侯艳, 李宗睿, 杨晓冬. 应用型本科高校电子信息类专业人才培养模式改革探索与实践[J]. 中国管理信息化, 2024, 27(12):218-220.

[19] 王硕, 杨昱, 黄琼, 等. 基于融合注意力机制的并列 GRU 应用层协议识别方法[J]. 上海电力大学学报, 2024, 40(4):377-382.

[20] 傅常浩, 侯秀丽, 周君华. 基于决策导向评价模型的体育大单元教学质量评价指标体系构建[J]. 六盘水师范学院学报, 2024, 36(4):109-120.

[21] 张敬奎, 张佳凯, 范毅, 等. 案例教学法在工科院校专业课程教学中的应用研究[J]. 教育理论与实践, 2024, 44(36):57-60.

基金资助

安徽省质量工程项目“FPGA 技术”(2024jcjs186)

安徽省质量工程项目“应用型本科高校电子类课程实验教学数字化资源建设研究”(2023ssyyj053)