首页 / 基于思政课学习数据的大学生思想行为预测模型构建方法

基于思政课学习数据的大学生思想行为预测模型构建方法实质审查 发明

技术领域

[0001] 本发明属于大学生思政教育技术领域,具体涉及一种基于思政课学习数据的大学生思想行为预测模型构建方法。

相关背景技术

[0002]
[0003] 我国经济高速发展,大学生的思想观念也发生了变化。部分大学生过分看重眼前利益,在理想价值与现实价值的选择中,较为务实,更注重物质利益的追求,而对于理想有淡化的趋势。
[0004] 所以,在大学阶段对大学生开展思政教育,并通过思政教育数据对大学生校准势在必行。
[0005] 但大批量的思政考试和过度的思政教育会引起学生的反感,以至于产生抵触心理,产生物极必反的效果,能对大学生的思想行为进行有效的预测的手段是亟需的。

具体实施方式

[0053] 下面将结合实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0054] 参阅图1‑图3,本发明提供一种技术方案:基于思政课学习数据的大学生思想行为预测模型构建方法,包括以下步骤:
[0055] 输入学生数据并搭建学生标签;
[0056] 构建试题库,所述试题库包括政治观念试题和思想意识试题,设定试题库分值定义集,通过所述分值定义集搭建思想行为标签;
[0057] 学生通过试题库内试题进行多次测试,获取学生测试成绩,并与学生标签匹配;
[0058] 构建学生思想行为预测模型,通过学生测试次数和测试成绩构建学生成绩预测模型,将所述学生成绩预测模型与思想行为标签匹配生成学生思想行为预测模型;
[0059] 上述步骤通过对学生有限次数的思政课测试,即可完成对学生思政分数的预测,通过设定的思想行为标签,可以有效的预测出学生的思想行为,通过对学生思想行为的预测,从而抓住学生的思政课教育方向,使学生能更好的接受思政教育,完善学生的思政水平。
[0060] 进一步的,构建试题库还包括以下步骤:
[0061] 从教学大纲提取第一知识点;
[0062] 从书籍提取第二知识点,并将第一知识点与第二知识点集成为知识图谱;
[0063] 从网络资源提取第三知识点,并将第三知识点与知识图谱集成为学科知识图谱,多维度的试题的采集,不仅将试题评分标准集中于书本和教学大纲,更拓展到广阔的网络资源,在丰富试题库的同时,使测试试题更贴近学生的思政水准,使测试结果更加的准确。
[0064] 进一步的,设定试题库分值定义集并搭建思想行为标签的具体步骤如下:
[0065] 设定政治观念试题合格成绩为m,设定学生思想意识试题合格成绩为n;
[0066] 当学生政治观念试题测试成绩≥m,学生思想意识试题测试成绩为≥n,设定思想行为标签为{政治观念理性化,思想意识强};
[0067] 当学生政治观念试题测试成绩≥m,学生思想意识试题测试成绩为
[0068] 当学生政治观念试题测试成绩
[0069] 当学生政治观念试题测试成绩
[0070] 进一步的,所述学生标签搭建步骤如下:
[0071] 获取学生数据并对其进行分析,包括分析学生基本信息数据、测试次数数据和测试用时数据,其中,基本信息数据包括但不限于学生姓名、性别和学生画像;
[0072] 将学生基本信息数据、测试次数数据、测试用时数据归集到原始数据;
[0073] 将原始数据进行数据统计分析后归集进入事实标签;
[0074] 将事实标签进行建模分析后归集进入模型标签;
[0075] 将模型标签进行模型预测后归集到预测标签。
[0076] 进一步的,所述学生成绩预测模型构建方式如下:
[0077] 构建学生成绩和测试次数的一阶微分方程:
[0078]
[0079] 式中:x(1)为学生成绩,t为测试次数,a和u为预测参数;
[0080] 对预测参数进行解值:用最小二乘法套入一阶微分方程,方程矩阵形式Y=BU,其中U内包含所要求的a和u:
[0081]
[0082] 对上式区最小值时,U的估计值为:
[0083]
[0084] 将获得的a、u值代入一阶微分方程,完成学生成绩预测模型构建。
[0085] 本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
[0086] 还应理解,在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
[0087] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(Read‑Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0088] 一种信号处理终端,所述终端包括:
[0089] 一个或多个存储器,用于存储指令;以及
[0090] 一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行基于思政课学习数据的大学生思想行为预测模型构建方法。
[0091] 本申请提供了一种芯片系统,该芯片系统包括处理器,用于实现上述各方面中所涉及的功能,例如,生成,接收,发送,或处理上述方法中所涉及的数据和/或信息。
[0092] 该芯片系统,可以由芯片构成,也可以包括芯片和其他分立器件。
[0093] 在一种可能的设计中,该芯片系统还包括存储器,该存储器,用于保存必要的程序指令和数据。该处理器和该存储器可以解耦,分别设置在不同的设备上,通过有线或者无线的方式连接,或者处理器和该存储器也可以耦合在同一个设备上。
[0094] 一种计算机可读存储介质,所述计算机可读存储介质包括:
[0095] 程序,当所述程序被处理器运行时,基于思政课学习数据的大学生思想行为预测模型构建方法被执行。
[0096] 本申请提供了一种计算机程序产品,包括程序指令,当所述程序指令被计算设备运行时,基于思政课学习数据的大学生思想行为预测模型构建方法被执行。
[0097] 可选地,该存储器为该芯片内的存储单元,如寄存器、缓存等,该存储器还可以是该终端内的位于该芯片外部的存储单元,如ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM等。
[0098] 可以理解,本申请中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
[0099] 非易失性存储器可以是ROM、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。
[0100] 易失性存储器可以是RAM,其用作外部高速缓存。RAM有多种不同的类型,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器。
[0101] 以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。

当前第1页 第1页 第2页 第3页
相关技术
学习数据相关技术
思政相关技术
李贞海发明人的其他相关专利技术