-
研究对象
在线学习者 - 研究动机
研究成果可以为在线学习者学业成绩影响因素研究和预测建模研究提供借鉴，也有助于推进在线学习学业预警、学业成绩预测和评价的实践 - 文献综述
本文采用数据挖掘和机器学习的方法，研究从教育数据中挖掘影响在线学习者学业成绩的因素并构建分类预测模型
- 研究方案设计
1.计算所有单个数据属性和学业成绩类别之间的相关系数和计算所有属性的信息增益率两种方法共同确定学业成绩的影响因素
2.采用集成学习的方法构建集成式学业成绩分类预测模型，并比较多种算法构建的单一分类模型和集成分类模型的性能
3.采用嵌套集成学习的方法构建在线学习者学业成绩分类预测模型，并对模型的性能进行评估
-
使用数据集
约旦大学e-Learning学业成绩数据集
-
研究结论针对本研究所使用的数据集，在学业成绩影响因素的挖掘过程中发现学习者行为对学业成绩影响最大，父母的参与度与态度对学业成绩的影响次之，学习者人口统计学方面的特征对学业成绩的影响最小
- 学习心得
集成学习方法：装袋 提升 随机森林 。 本研究采用集成学习的方法构建预测模型。需要重温机器学习，还有进行数据挖掘相关部分的学习。