公开(公告)号：CN118446377A

公开(公告)日：2024-08-06

申请号：CN202410677989.3

申请日：2024-05-29

Applicant: 湘潭大学

Inventor： 旷怡 ,  邓家俊 ,  段斌

IPC: G06Q10/04 ,  G06Q10/063 ,  G06Q50/20 ,  G06N5/048

Abstract: 本发明公开了一种基于模糊认知图的学生学习效果预测方法，属于教育领域，首先采用探索性因子分析方法探索潜在毕业要求因子与课程之间的支撑关系，然后与“课程—课程”皮尔逊相关性矩阵结合得到模糊认知图初始邻接矩阵，接着与专家各自的模糊认知图邻接矩阵进行图融合，再经非线性Hebbian学习算法进行学习，得到最终的模糊认知图邻接矩阵，即得到基于模糊认知图的学生学习效果预测模型。这种基于模糊认知图的学生学习效果预测模型具有灵活性、可解释性、适用性等优势，可以用于解决学生学习效果预测问题，为教师教学指导和学生学习提供辅助。

公开(公告)号：CN117196137A

公开(公告)日：2023-12-08

申请号：CN202311109188.9

申请日：2023-08-30

Applicant: 湘潭大学

Inventor： 旷怡 ,  段斌 ,  邓家俊

IPC: G06Q10/063 ,  G06Q50/20

Abstract: 本发明公开了一种基于因子分析的课程体系合理性评价及持续改进方法，包括以下步骤：从教务系统中收集学生课程考试成绩数据；对考试成绩数据进行预处理；构建验证性因子分析模型，采用验证性因子分析方法，进行合理性评价；采用最小二乘法和CF‑varimax因子旋转方法进行因子提取，给出潜在因子确定其与课程的支撑关系；结合定性评价和经因子分析的定量评价结果，得到改进后的“课程—毕业要求”支撑矩阵。本发明通过从学生的考试成绩数据挖掘各门课程与毕业要求之间的关联关系，从定性评价的角度实现了对课程体系合理性的评价，能有效地、客观地、科学地帮助教师进行课程体系的合理性评价和持续改进。