Método de Predicción del Rendimiento Académico de la Educación en Línea utilizando el Algoritmo Random Forest y Métodos de Inteligencia Artificial

Con el fin de mejorar la calidad de la enseñanza de la educación en línea, se ha estudiado el método de predicción del rendimiento académico en línea de los estudiantes. Primero, se analizan e introducen conceptos teóricos relacionados como el análisis de aprendizaje, inteligencia artificial (IA) y otros. Luego, se analizan el árbol de decisión del algoritmo de clasificación simple y el bosque aleatorio (RF) del algoritmo de aprendizaje en conjunto, y se construye el modelo de predicción del rendimiento académico de la educación en línea utilizando el algoritmo RF. Finalmente, se utilizan los datos de la plataforma educativa para un análisis empírico que verifica la fiabilidad y la viabilidad del algoritmo de predicción del rendimiento académico de la educación en línea. Se introduce la connotación del análisis de aprendizaje, el papel y los elementos del análisis de aprendizaje en el proceso de aprendizaje. Se analiza el principio del algoritmo de RF y del árbol de decisión. Utilizando la idea de entropía de información y discretización, se procesan las variables continuas para mejorar el grado de ajuste del algoritmo. El modelo se evalúa mediante análisis empírico y se compara la precisión de prueba de varios algoritmos diferentes. Se observa que la precisión de predicción del algoritmo RF es superior al 90%, lo que demuestra que el método de predicción puede ayudar a profesores y estudiantes a llevar a cabo mejores actividades de enseñanza y aprendizaje, mejorando así la capacidad de los estudiantes para dominar el conocimiento. Se espera que el resultado pueda proporcionar alguna referencia para la gestión del comportamiento de aprendizaje de los estudiantes y la optimización de las estrategias de enseñanza de los profesores en actividades de aprendizaje en línea.