摘要
针对远程教育场景下学习行为数据的多源异构性与动态变化特性,以及个性化教学中因学生差异带来的干预决策复杂性,本文提出了一种基于神经网络的学习行为分析与预测方法。通过整合多源异构学习行为数据,构建了包含时间序列特征、交互行为特征和认知状态特征的三维分析框架,采用改进的长短期记忆-卷积神经网络(LSTM-CNN)混合模型,实现了学习行为模式的深度挖掘。实验结果表明:本模型在学业成绩预测任务中达到92.3%的准确率,不仅有效提升了学习行为预测精度,还为教学管理者的可视化决策提供了支持,具有重要的应用价值。
出处
《信息记录材料》
2025年第9期48-50,57,共4页
Information Recording Materials
