新的 Transformer 模型 TRACE 改进了学生成绩预测

研究人员开发了一种名为 TRACE（TRansformer for Academic Course-grade Estimation）的基于 Transformer 的新模型，以改进对学生学业成绩的预测。与将学业历史视为简单序列的先前模型不同，TRACE 考虑了同一学期内所修课程的并发性。通过联合预测学生将要修读的课程及其相应的成绩，该模型与仅预测成绩或使用传统 LSTM 和 GNN 方法的模型相比，显著降低了预测误差。这种在十年机构数据上训练的新方法，显示出整合到高等教育早期预警系统中的潜力。 AI

影响 该模型可以通过提供更准确的学生成绩预测来增强教育机构的早期预警系统。

排序理由 这是一篇详细介绍新模型及其在学术预测任务上表现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• graph neural network
• Hugging Face
• long short-term memory
• ScienceCast
• TRACE
• Transformer++

• 论文
• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →