面向教育过程的剩余时间预测方法

李婷; 徐兴荣; 高腾腾; 陈彬; 楚旭

doi:10.11907/rjdk.241631

您当前的位置：

首页 >

文章列表页 >

面向教育过程的剩余时间预测方法

大模型与智慧教育 | 更新时间：2025-12-15

- 面向教育过程的剩余时间预测方法
- Remaining Time Prediction Methods Oriented to the Educational Process
- “教育过程挖掘领域迎来新突破，专家们基于深度学习设计了面向教育过程的剩余时间预测方法（EPRT），并构建了双向循环神经网络（Bi-RNN）模型，引入注意力机制学习学生学习过程中的事件权重。同时，提出教育过程表示学习方法（EPRL）与教育过程预测模型层次训练方法（EPHTM），有效解决了学生学习过程事件的高质量向量表示问题以及单一预测模型的不足。实验结果显示，该方法预测准确率平均提升约60.1%，为优化教育过程、提升学生学习体验、助力教学治理科学化奠定了良好基础。”
- 软件导刊 2025年24卷第11期页码：42-48
- 作者机构：
  
  1.淄博师范高等专科学校，山东淄博 255130
  2.淄博市广播电视台，山东淄博 255000
- 作者简介：
  
  李婷（1996-），女，硕士，淄博师范高等专科学校讲师，研究方向为过程挖掘、深度学习
  徐兴荣（1995-），男，硕士，淄博市广播电视台工程师，研究方向为过程挖掘、自然语言处理、深度学习
  高腾腾（1996-），男，硕士，淄博师范高等专科学校讲师，研究方向为路径规划、深度学习
  陈彬（1981-），男，硕士，淄博师范高等专科学校副教授，研究方向为大数据技术
  楚旭（1996-），女，硕士，淄博师范高等专科学校讲师，研究方向为自然语言处理。
- 基金信息：
  
  淄博师范高等专科学校研究课题(2023xk042)
- DOI：10.11907/rjdk.241631
  中图分类号： G434
- 收稿：2024-07-24，
  
  纸质出版：2025-11-18
- 稿件说明：
移动端阅览
李婷,徐兴荣,高腾腾等.面向教育过程的剩余时间预测方法[J].软件导刊,2025,24(11):42-48.

LI Ting,XU Xingrong,GAO Tengteng,et al.Remaining Time Prediction Methods Oriented to the Educational Process[J].Software Guide,2025,24(11):42-48.
李婷,徐兴荣,高腾腾等.面向教育过程的剩余时间预测方法[J].软件导刊,2025,24(11):42-48. DOI： 10.11907/rjdk.241631.

LI Ting,XU Xingrong,GAO Tengteng,et al.Remaining Time Prediction Methods Oriented to the Educational Process[J].Software Guide,2025,24(11):42-48. DOI： 10.11907/rjdk.241631.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于十字绣单元与多任务学习的人格预测方法

深度学习驱动的轻量化医疗图像压缩模型

基于多尺度注意力融合的声音事件定位与检测

SESSC-DL-MTSK：带有新型模糊化操作的TSK模糊系统

基于漏洞关键代码的智能合约漏洞检测方法

面向教育过程的剩余时间预测方法

Remaining Time Prediction Methods Oriented to the Educational Process

DOI：10.11907/rjdk.241631