关于成绩考查

从读者来信来稿中看,目前有些学校对成绩考查工作的重视是不够的,认识也是不足的。有的教师觉得成绩考查就是单纯地考试学生,通过考试好打学生分数,以便填发成绩报告单。对於通过成绩考查可以改进自己的教学,可以提高教学的质量,是了解得很少的。还有个别教师,把考试当作吓唬学生的手段,把考试当作压制学生、管教学生的武器。有的教师喜出艰深的题目,出钻牛角尖的题目,     

运用成绩分析 指导教学管理

考试成绩是学生学习效果的量化指标,在一定程度上反映了学生对某门学科的掌握程度。成绩分析则是通过多种分析指标,从不同角度对考试结果作出的评价。本文强调了成绩分析的必要性,并就其几种常用方法,探讨了成绩分析对于高等教育教学工作的重要作用。     

项目风险管理课程考试成绩综合分析

考试成绩分析是教学工作的重要环节,建立成绩分析的反馈机制,有助于改进教学工作和提高教学质量.首先介绍了《项目风险管理》课程的基本情况、出题思路和考试形式;其次通过成绩统计,对比分析了学生类别、性别、出勤情况、宿舍环境、上课座位与考试成绩的关系;然后针对存在问题设计了问卷并对该课程学生总体进行了调查,总结了影响考试成绩的关键因素.加强学生对课程重要性的认知,促使学生端正学习态度,突出知识点和考核重点,逐步实现完全的案例式教学模式是今后课程教学改进的方向.     

用“水池模型”解析高中生物学中一些常见问题

模型在生物学教学中起着非常重要的作用,教师在授课过程中,如果能够熟练运用模型进行教学,就能够加强学生对抽象概念的理解。通过介绍"水池模型"为学生提供一种全新的解题思路,提升学生的生物成绩。     

决策树算法在成绩分析中的应用——以黎明职业大学计算机应用技术专业为例

通过C4.5算法分析学生成绩,给出学生成绩数据挖掘的模型,实验结果证明该算法能够正确地给学生成绩分类,并能得到有价值的归纳结论,供教学管理者决策分析.     

改革评价方法 促进教学质量提高

教师教学成绩评价是衡量教师教学工作的重要环节。客观公正的评价，是调动教师工作积极性、主动性、创造性的催化剂，认真研究探索教师教学成绩的科学评价方法，对搞好教学管理，引导学生全面贯彻教育方针，认真实施素质教育具有重要的意义。近年来针对我区在教学评价过程中，一直沿用传统的用学生考试“一分两率” (平均分、及格率、优秀率 )的方法来评价教师教学成绩的弊端，我们认真学习科学的测量方法，借泰山区学校内部“四制改革” (校长负责制、教职工聘任制、岗位目标责任制、结构工资制 )的东风，在我区直属学校回民中学，进行了教…     

数据挖掘在网络教学中的应用

网络教学的一个关键问题是如何实现教与学的有效结合,通过关联规则技术对收集到的学生网上学习历史数据进行分析,可以发现学习时间、学习次数、BBS讨论与测试成绩之间的关联,帮助教师调整教学计划;通过分类模型挖掘技术,实现对学生的网络分层教学,提升教学质量。     

基于因子分析下的学生成绩综合评价模型研究

对学生成绩综合评价的数学模型研究有益于对学生成绩做出准确的评价,在学生成绩综合评价的平均学分绩数学模型和因子分析数学模型基础上,建立了一种在因子分析基础下修正的学生成绩综合评价模型：学分绩因子分析模型,通过对实例进行分析,显示此学生成绩综合评价模型更为合理、公平、科学。     

学习分析技术在教学中的应用研究

探讨了如何利用学习分析技术促进教学改进。在数字化学习环境中,教师通过对学生学习过程的跟踪,记录其学习行为的数据;利用相关分析方法确定变量,利用聚类分析方法将学生划分为被动型、游离型、事倍功半型、学有余力型,并针对不同类别学生的知识图谱和问卷调查结果安排教学进度和侧重点;用回归分析建立模型,进行成绩预测并识别困难学生;最后针对不同类型学生采用不同策略进行干预,提高了学业成绩的合格率。     

对学习的评价(英文)

本文探讨了在教学中为什么需要对学生成绩作出评定,还指出如何通过对学生成绩的评定来提高教学能力及学生的学习能力。最后作者认为对学生成绩的评定是教育的重要组成部分,无论是什么时候,它的目的应是以通过合适的评定形式来加强教与学的质量。     

神经因子分解机推荐模型改进研究

因子分解机对特征各维度之间的一阶线性关系和二阶线性关系建模,在推荐系统中已有较多应用。神经因子分解机模型（NFM） 是因子分解机与神经网络的结合模型,它能捕获特征之间的高阶交互信息,使得模型预测效果更佳。但由于神经因子分解机模型一般都是采用全连接的前馈神经网络,使得整个推荐网络过于复杂,存在过拟合风险。为了降低神经因子分解机模型的整体复杂度,提高推荐模型的泛化性能,提出一种基于交叉网络的因子分解机模型（CFM）,降低模型复杂度,提高模型泛化性能。实验表明,该模型在数据集上的预测准确度为77%左右,相比NFM预测准确度提高了约2%,整体模型泛化性能也有所提高。     

基于网络学堂的大学英语写作教学实证研究

该项研究采用定量分析、问卷调查和师生访谈的方法,通过网络技术在大学英语写作教学中的应用,探析基于网络学堂的英语写作教学对非英语专业学生写作能力发展的影响。研究结果表明,基于网络学堂的英语写作教学显著地促进学生写作能力的发展,具体表现在其写作水平、写作流畅性、写作准确性的提高和写作中的词汇丰富性的增长。     

“计算机网络安全”实验教学研究

“计算机网络安全”作为一门理论与实践并重的课程,其实验教学十分重要.通过对实验项目、实验平台、实验教学方法的研究与实践,设计用于“计算机网络安全”实验教学的方案.实践表明,该方案教学效果好.     

Towards a Prediction Model of Learning Performance: Informed by Learning Behavior Big Data Analytics

Using log data of 823 university students collected in two settings: their online learning setting and daily life setting (using campus ID cards for consumption purposes and book-borrowing in the university library), this study created indicators for online learning behavior, early-rising behavior, book-borrowing behavior and learning performance prediction. Five machine learning models were employed to analyze learning performance prediction, with the additional use of Boosting and Bagging to improve the accuracy of the prediction model. The predictability of the proposed model was also compared with that of both the Artificial Neural Network model and the Deep Neural Network model. At the same time, a classification rule set was established by combining decision tree and rule model, and a learning behavior diagnosis model combining decision tree and deep neural network was constructed. Findings showed that multi-scenario behavior performance indicators had strong predictive capabilities while the Deep Neural Network model had the highest prediction accuracy (82%) but was most time-consuming. The model based on the rule set is highly accurate, readable and operable and may be conducive to making accurate teaching interventions and resource recommendations.     

基于人体骨架信息提取的学生课堂行为自动识别

利用计算机视觉技术和机器学习技术对学生课堂行为进行自动识别,是过程性评价的一种新方法,近年来逐渐引起了研究者的关注。文章以监控设备拍摄的实际课堂教学视频为数据源,采集、标注了学生课堂行为数据,提取了学生的人体骨架信息。在此基础上,文章采用Boosting算法和卷积神经网络算法,对基于这两类不同机器学习算法的5种模型进行了学生课堂行为自动识别准确率实验。实验结果表明,在学校教室这种识别比较困难的场景,基于人体骨架信息提取的学生课堂行为自动识别可以达到较高的精度,其中基于Boosting算法的XGBoost模型识别准确率最高。文章的研究推动了计算机视觉技术和机器学习技术的进一步应用,有助于解决学生课堂行为自动识别难题,并助力教师优化教学策略、提高教学效率。     

基于AHP和ANN的网络课程质量评价方法研究

网络课程的质量评价关系到网络教学水平和学习质量的提高。传统的网络课程质量评价方法过程复杂,往往带有很大的主观随意性。为了更科学、客观地评价网络课程,可应用层次分析法(AHP)确定网络课程质量评价指标体系,构建人工神经网络(ANN)的网络课程评价模型。实验结果表明,该评价方法具有速度快、准确率高的优点,并得到了满意的评价结果。     

对基因表达数据进行聚类的一种新型自组织映射模型

Clustering is an important technique for analyzing gene expression data. The self-organizing map is one of the most useful clustering algorithms. However, its applicability is limited by the fact that some knowledge about the data is required prior to clustering. This paper introduces a novel model of self-organizing map （SOM） called growing hierarchical self-organizing map （GHSOM） to cluster gene expression data, The training and growth processes of GHSOM are entirely data driven, requiring no prior knowledge or estimates for parameter specification, thus help find not only the appropriate number of clusters but also the hierarchical relations in the data set. Compared with other clustering algorithms, GHSOM has better accuracy. To validate the results, a novel validation technique is used, known as figure of merit （FOM）.     

基于正交核最小二乘法的高职学生成绩预测

在高职教育中,一个能够以较高精度预测学生考试成绩的模型可帮助教师预判教学效果,从而不断改进教学方法,提高教学质量。利用正交核最小二乘法搭建了高职学生考试成绩预测模型,以学生自身特点和平时表现等信息构成模型输入特征变量,预测学生的考试成绩是否合格以及具体分数。以深圳信息职业技术学院学生作为研究对象,将模型从预测精度和稀疏度两方面与支持向量机进行比较。实验结果表明,利用正交核最小二乘法建立的模型具有良好的泛化能力,虽然拟合精度略逊于支持向量机,但是能够取得更好的分类精度和更大的稀疏度。     

基于传播理论的网络教学设计模式

根据教学原理,教学实施的整个过程应遵循三个步骤：对要实施的教学过程可能具有的特征进行预先分析;为达到教学目标而进行的教学设计;将教学设计付诸于实践的教学活动过程。网络教学设计是教学实施能否成功的重要保障,本文旨在探索基于传播理论的网络教学设计模式。     

短期电力负荷时间序列预测的极限学习机方法

提出将一种进化的神经网络模型——极限学习机应用于短期电力负荷时间序列预测中,该方法具有模型参数设置少、训练速度快和良好的泛化能力等明显优点。通过实例分析表明该模型的预测精度要优于BP神经网络模型,同时也验证了该模型应用于短期负荷预测的有效性和可行性。