科创中国

电子信息技术

本发明公开一种基于图像分类的mooc辍学率预测方法及系统，方法包括以下步骤：获取mooc课程的学生行为数据，将乱序的数据集整合为有序序列，对于每个有序序列生成图像，所述图像名生成包含标签，用户id和课程id；将所述图像作为组合神经网络的输入，神经网络以ViT网络为基础，ViT网络由嵌入层和编码层构成，嵌入层为输入层，编码层中包括多头注意力层和多层前馈网络，设定嵌入层中图像分割的块数，在编码层优化多层感知器；图像依次经过嵌入层、多头注意力层和多层前馈网络层得到图像分类结果，所述图像分类结果对应预测标签分类，根据所述标签分类得到辍学率，本发明基于ViT网络，将该网络应用于图像分类训练中，有利于取得更好的分类结果。

传统的辍学率预测仅是通过将课程数据、用户数据输入到传统模型中进行辍学率预测，而忽略了数据之间的关系，从而导致辍学预测准确率不高。这是一个重要的缺陷，因为学生辍学的决策往往是复杂的，受多种因素相互影响的结果。常见的辍学率预测模型可能将学生的不同特征视为孤立的数据点，例如学术成绩、出勤记录、家庭背景等。这种方法可能会导致综合信息的丢失，因为它们未能捕捉到这些数据之间的潜在关系。例如，学生的学术成绩可能受到出勤率和家庭支持的影响，但这种相互关系可能被忽略。此外，学生辍学率的预测往往涉及到复杂的互动影响。例如，学生的学术成绩可能受到同伴关系和学校氛围的影响。如果模型未能考虑这些复杂的关系，就无法准确预测学生是否会辍学。

学院以完备教学资源和优秀师资队伍为依托，主要从事数据科学与大数据治理、网络空间建设与安全保障、云计算与分布式应用、智能翻译等领域方向的理论研究和应用项目研发，培养数智时代紧缺的应用型数字人才。