樊一娜 郎 波

（北京师范大学珠海分校 珠海 519087）

1 引言

目前已经有很多研究者在这方面进行了大量的研究工作，主要有Ohia 博士提出的著名的六步模型FAMOUS，主要思想是采集和学业成绩相关的数据［1～3］，这六个方面分别是Formulate，Ascertain，Measure，Observe，Use，Strength。Duque等通过调查问卷进行数据采集，采用ANOVA方程进行建模，对学生的学业成绩进行预测。文献［4］提出了基于Quality Function Deployment（QFD），文献［5］通过分析日常学习行为并对学习结果进行分类，提出了一种基于学习内容分析、行为分析、状态分析的成绩预测模型。而文献［6］提出的LAOMA 模型则是通过学生在学习过程以及课堂内外的表现情况对学业成绩进行预测。文献［7］通过若干个工程项目的数据，主要讨论学习的评价标准、学习经历与最后学业成绩之间的关系。文献［8］采用象限分析的方法来研究学习满意度和成就感与最终学业成绩之间的关系。上述研究结果在成绩预测方面已经做出了很大的进步，沿用的基本上是单点预测的方法。但是由于在线学习的随机性和间歇性，当选取的预测周期内某因素发生明显变化时，可能会导致最终的输出波动比较大，所以，如果对学业成绩进行确定性的单点预测可能达不到理想的精度，另外，单点预测无法形成成绩的变化趋势，导致教学管理者或者学习者本身无法根据这种趋势及时对学习状态做出调整，对在线学习者未来可能发生的情形及变化难以把握。本文希望能够给出下一时刻或时间段所有可能的数值及其他能够影响学业成绩的因素所发生的概率，至少要覆盖较为全面的预测信息，那么利用概率化的方法就显得更有价值。……