《表3 预警模型中各层节点的离散化标准》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《学习测评大数据支撑下面向知识点的学习预警建模与仿真》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于贝叶斯网络中各个节点数据类型存在差异，需对原始数据进行离散化转换确保数据与节点之间的一一对应以及各节点之间概率数据的动态联通。在此之前需要指标领域专家制定离散化标准，具体情况见表3。其中，做题速率的量化方式为学生个体做题时间在班级的排名占班级总人数的比例；得分率的量化方式为某知识点的得分占其题目分数的比例；错题次数的量化方式为某知识点的错题次数占总错题次数的比例；掌握情况为指标层和总目标层各节点的掌握情况。对用于计算指标层数据的数据层节点，需根据离散化标准进行数据转换。对于调整、细化指标层维度的数据层节点，例如题目类型、知识类型、核心知识点数据，不需要进行单独处理，其节点的各属性状态即为该属性在原始数据中出现的频数。这里用ZSD1（知识点1）到ZSD6（知识点6）分别代表高一数学三次考试中先后涉及到的六个考核知识点。指标层节点因没有原始数据需要通过计算求得，其计算方法为:X=∑in=1Wi×fi。其中，X代表指标层各节点数值；Wi表示各数据层掌握等级，fi表示权重；n代表该层级节点个数，L（低）、M（中）、H（好）三个等级的量化数值分别为1、2、3；总目标层计算方法为Z=TMLX×W1+TMND×W2+HXZS×W3+XGZS×W4+ZS-LX×W5。由此计算得到Z的取值范围为[0，3]，在此基础上确定指标层及总目标层节点的离散化标准。本研究选取江苏省某高中高一数学三次考试中的500条测评数据作为样本数据，经过数据处理获得离散后的样本数据，从中随机抽取5条进行展示，具体情况见表4。