融合随机森林和神经网络的教学质量分析算法

作     者：骆仕杰 韩抒真 LUO Shi-jie;HAN Shu-zhen

作者机构：天津工业大学网络安全和信息化办公室天津300387 

基　　金：中国学位与研究生教育学会项目(2020MSA50)资助 产学合作协同育人项目(202102084059)资助 天津市教育委员会项目(2019KJ030)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2023年第44卷第8期

页      码：1686-1692页

摘      要：为了实现更好的教学质量分析,分析教学过程中存在的不足,提高高校教学质量,设计了一种融合师资信息、学生信息和教学信息的教学质量分析模型(RALCA).使用随机森林(RF)算法将教师与学生信息的特征重要性、特征与目标变量之间的关系性进行度量表示,运用准确的分类效果筛选保留下来最优的特征子集.使用自注意力机制的长短记忆神经网络(Attention-LSTM)融合教师、学生信息画像特征和教学信息特征,将关联信息更深层次的挖掘,获得高精度的教学质量影响因素之间的关系分析结果.根据实验对比分析表明,提出的RALCA模型可以更科学地分析现阶段影响教学质量的影响因素高低排序,高校可以获得更有效的教学质量分析来提升教学质量.

主 题 词：随机森林 自注意力机制神经网络 用户画像 特征融合 教学质量分析 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.20009/j.cnki.21-1106/TP.2022-0040

馆 藏 号：203123308...